Jupyter Notebook Repositorios
1,614 repositorios en total
Solucionario de ejercicios de métodos de aprendizaje automático, dirección de lectura en línea: https://datawhalechina.github.io/statistical-learning-method-solutions-manual
Este recurso apoya los artículos escritos por el autor en CSDN sobre procesamiento de imágenes con Python, centrándose principalmente en la implementación de código para algoritmos de procesamiento de imágenes, reconocimiento de imágenes, clasificación de imágenes, etc. en Python. Espero que este recurso le sea de ayuda, sigamos esforzándonos juntos.
Una extensión de Jupyter de prueba de concepto que convierte consultas en inglés en código Python relevante
Explica, analiza y visualiza modelos de lenguaje NLP. Ecco crea visualizaciones interactivas directamente en cuadernos Jupyter que explican el comportamiento de los modelos de lenguaje basados en Transformer (como GPT2, BERT, RoBERTa, T5 y T0).
Implementación de PyTorch para Modelado Generativo Basado en Puntuación a través de Ecuaciones Diferenciales Estocásticas (ICLR 2021, Oral)
Preguntas de entrevista para puestos de algoritmos de modelos grandes (con respuestas): preguntas frecuentes y análisis de conceptos "Preguntas de entrevista para modelos grandes", "Entrevista para puestos de algoritmos", "Preguntas frecuentes de entrevista", "Entrevista de algoritmos de modelos grandes", "Fundamentos de aplicaciones de modelos grandes"
La biblioteca Classiq es la mayor colección de algoritmos y aplicaciones cuánticas. Es la mejor manera de explorar el software de computación cuántica. Damos la bienvenida a las contribuciones de la comunidad a nuestra Biblioteca 🙌
Este repositorio muestra una selección de proyectos de aprendizaje automático realizados para comprender y dominar diversos conceptos de ML. Cada proyecto refleja el compromiso de aplicar conocimientos teóricos a escenarios prácticos, demostrando la competencia en técnicas y herramientas de aprendizaje automático.
Chat Haruhi Suzumiya, un chatbot de rol de código abierto Cheng Li, Ziang Leng y otros.
Más allá de la precisión: Pruebas de comportamiento de modelos NLP con CheckList
Este es un tutorial en coreano escrito basándose en la documentación oficial de LangChain, el Cookbook y otros ejemplos prácticos. A través de este tutorial, puede aprender a usar LangChain de forma más fácil y eficaz.
Ejemplos oficiales de Azure Machine Learning impulsados por la comunidad, probados con GitHub Actions.
Varios tipos de análisis de acciones en Excel, Matlab, Power BI, Python, R y Tableau
Un evaluador automático para modelos de lenguaje que siguen instrucciones. Validado por humanos, de alta calidad, barato y rápido.
Implementación de todos los algoritmos RL de una manera más sencilla
Recetas para reducir, optimizar y personalizar modelos de visión de vanguardia. 💜
InstantStyle: Almuerzo gratis para la preservación del estilo en la generación de texto a imagen 🔥
Una introducción concisa y amigable para principiantes a las ideas centrales del álgebra lineal.
Implementación oficial para "Automatic Chain of Thought Prompting in Large Language Models" (mantente atento y se actualizarán más cosas)
Approaching (Almost) Any Machine Learning Problem versión china, dirección de la documentación en línea: https://ytzfhqs.github.io/AAAMLP-CN/
[CVPR 2021] Implementación oficial de PyTorch para Transformer Interpretability Beyond Attention Visualization, un nuevo método para visualizar clasificaciones mediante redes basadas en Transformer.
OneDiff: una biblioteca de aceleración lista para usar para modelos de difusión.
Ejecute cualquier Llama 2 localmente con la interfaz de usuario de Gradio en GPU o CPU desde cualquier lugar (Linux/Windows/Mac). Use `llama2-wrapper` como su backend local de llama2 para Agentes/Aplicaciones Generativas.
Repositorio público para la especialización MLEP de DeepLearning.AI
100 días de ingeniería de inferencia de LLM: publicaciones diarias, experimentos y visualizaciones
Cuadernos de ejercicios para módulos de aprendizaje automático en Microsoft Learn
Cuadernos sobre métodos bayesianos para el aprendizaje automático
¡Lo aprendido de por vida por un programador! Notas y tutoriales. Examen de ingreso a posgrado, empleo, estudios. Sección de Idiomas: Android, C++, Java, JavaScript, Latex, MATLAB, NodeJS, PHP, Python. Sección de Tecnología: Docker, Git, Linux, Maven, Office, Spark, Spring, SVN. Sección de Fundamentos: Teoría de compiladores, Sistemas operativos, Microcontroladores, Redes de computadoras, Prácticas de redes de computadoras, Patrones de arquitectura, Redacción de documentación de software, Patrones de diseño, Estructuras de datos, Bases de datos, Algoritmos, Modelado UML, Programación en Windows. Sección de Matemáticas: Probabilidad y estadística matemática, Cálculo, Álgebra lineal, Tensores. Sección de Machine Learning: Machine Learning, PyTorch, Sklearn, TensorFlow
Enlaces de Python para DeepStream SDK y aplicaciones de muestra
Galería de tutoriales de OSMnx, ejemplos de uso y demostraciones de funciones.
Evaluación comparativa de la transferencia de conocimiento en el aprendizaje robótico permanente
Implementación en PyTorch de varios métodos para el aprendizaje continuo (XdG, EWC, SI, LwF, FROMP, DGR, BI-R, ER, A-GEM, iCaRL, Generative Classifier) en tres escenarios diferentes.
Adecuado para quienes avanzan de nivel principiante a intermedio, una vez que el sistema está establecido, depende de la maestría.
Reducción de ruido en Python usando spectral gating (voz, bioacústica, audio, señales en el dominio del tiempo)
Una guía completa para crear aplicaciones LLM basadas en RAG para producción.
¿Múltiples GPU NVIDIA o Apple Silicon para la inferencia de modelos de lenguaje grandes?
Biblioteca de Python para la visualización interactiva de modelos de temas. Port del paquete R LDAvis.