Jupyter Notebook Repositorios
1,614 repositorios en total
Implementación de XFeat (CVPR 2024). ¿Necesita una extracción de características locales robusta y rápida? ¡Está en el lugar correcto!
Este repositorio proporciona una solución avanzada de Generación Aumentada por Recuperación (RAG) para la respuesta a preguntas complejas. Utiliza un sofisticado algoritmo basado en grafos para manejar las tareas.
Parallel WaveGAN No Oficial (+ MelGAN & Multi-band MelGAN & HiFi-GAN & StyleMelGAN) con PyTorch
Entrenamiento unificado de transformadores universales para la predicción de series temporales
Paquete de ML interpretable 🔍 para modelado predictivo conciso, transparente y preciso (compatible con sklearn).
[ICLR'24] Implementación oficial en PyTorch de Magic123: Generación de objetos 3D de alta calidad a partir de una sola imagen utilizando modelos de difusión 2D y 3D
Código oficial para "FeatUp: Un marco agnóstico al modelo para características a cualquier resolución" ICLR 2024
Una biblioteca de cuadernos Jupyter y conferencias de YouTube correspondientes de Roman Paolucci
Una potente herramienta para el fuzzing automatizado de LLM. Está diseñada para ayudar a los desarrolladores e investigadores de seguridad a identificar y mitigar posibles jailbreaks en sus API de LLM.
Machine Learning University: Clase Acelerada de Visión por Computadora
[ACM MM 2024] Este es el código oficial de "AniTalker: Animate Vivid and Diverse Talking Faces through Identity-Decoupled Facial Motion Encoding"
¡Un tutorial que muestra cómo entrenar, convertir y ejecutar modelos de detección de objetos de TensorFlow Lite en dispositivos Android, Raspberry Pi y más!
Kernl le permite ejecutar modelos transformer de PyTorch varias veces más rápido en GPU con una sola línea de código, y está diseñado para ser fácilmente modificable.
KoAlpaca: Un modelo de lenguaje de código abierto para entender instrucciones en coreano
Seed1.5-VL, un modelo de base de visión y lenguaje diseñado para avanzar en la comprensión y el razonamiento multimodal de propósito general, logrando un rendimiento de vanguardia en 38 de los 60 puntos de referencia públicos.
Derivación matemática e implementación en código Python puro de algoritmos de aprendizaje automático.
Una biblioteca de PyTorch dedicada por completo a ecuaciones diferenciales neuronales, modelos implícitos y métodos numéricos relacionados
Robyn es un paquete experimental de modelado de mezcla de marketing (MMM) de código abierto impulsado por IA/ML de Meta Marketing Science. Nuestra misión es democratizar el conocimiento de modelado, inspirar a la industria a través de la innovación, reducir el sesgo humano en el proceso de modelado y construir una sólida comunidad de ciencia de marketing de código abierto.
Este repositorio contiene ejemplos para que los clientes comiencen a usar el servicio Amazon Bedrock. Contiene ejemplos para todos los modelos fundamentales disponibles.
Este repositorio se ha creado para servir a la simulación y análisis de los datos recopilados en la investigación de la disertación de Jiuyang Bai.
Este proyecto diseñó e implementó un sistema inteligente de preguntas y respuestas médicas basado en RAG (Generación Aumentada por Recuperación) con grafos de conocimiento y grandes modelos de lenguaje. Basado en el conjunto de datos médico DiseaseKG y utilizando Neo4j, el sistema construye un grafo de conocimiento de dominio que incluye 44.000 entidades y 310.000 relaciones. Al combinar el reconocimiento de entidades nombradas BERT con el reconocimiento de intención mediante un modelo 32B, el sistema mitiga eficazmente las alucinaciones de los grandes modelos en escenarios médicos mediante una búsqueda precisa en el grafo y una generación controlada de respuestas, mejorando significativamente la precisión y fiabilidad de las mismas.
Repositorio oficial de mi libro: "Deep Learning con PyTorch Paso a Paso: Una guía para principiantes"
Tutoriales y material de formación para la plataforma de Machine Learning H2O
Colección de playbooks paso a paso para configurar cargas de trabajo de AI/ML en dispositivos NVIDIA DGX Spark con arquitectura Blackwell.
Portafolio de proyectos de ciencia de datos completados por mí con fines académicos, de autoaprendizaje y pasatiempos.
Trucos y Herramientas Eficientes de Python para Científicos de Datos
¡Evalúa LLMs luchando en Street Fighter 3! La nueva forma de evaluar la calidad de un LLM
Demostraciones bien documentadas en Python para análisis de datos espaciales, geoestadísticos y de aprendizaje automático para apoyar mis cursos.
Un grupo de cuadernos y otros archivos que pueden ayudarte a aprender IA desde cero.
fire-smoke-detect-yolov4-yolov5 y fire-smoke-detection-dataset detección de incendios, detección de humo
TextWorld es un entorno de aprendizaje sandbox para el entrenamiento y la evaluación de agentes de aprendizaje por refuerzo (RL) en juegos basados en texto.
Paquete de Python de código abierto para la extracción de características de Radiomics de imágenes 2D y 3D y máscaras binarias. Soporte: https://discourse.slicer.org/c/community/radiomics