Jupyter Notebook Repositorios
1,614 repositorios en total
Una biblioteca de talleres escritos por y para Embajadores Estudiantiles de Microsoft Learn y Defensores de la Nube y sus comunidades locales
Implementación oficial para EMNLP 2024 (pista principal, presentación oral) «AgentReview: Explorando la revisión por pares académica con un agente LLM».
Flujos de trabajo de extremo a extremo de Google Cloud Platform Vertex AI para operaciones de aprendizaje automático
Fruits-360: Un conjunto de datos de imágenes que contienen frutas y verduras
:books: Resumen de contenidos relacionados con arquitectura de sistemas informáticos, fundamentos de sistemas embebidos y lenguajes de programación principales
CleanDiffuser: Una biblioteca modularizada y fácil de usar para modelos de difusión en la toma de decisiones
Privacy Meter: Una biblioteca de código abierto para auditar la privacidad de los datos en algoritmos estadísticos y de aprendizaje automático.
Cuadernos de Jupyter para aprender la plataforma PyRosetta para la predicción y diseño de estructuras biomoleculares
EfficientSAM3 comprime SAM3 en modelos ligeros y compatibles con el borde mediante destilación de conocimiento progresiva para segmentación y seguimiento de conceptos promptables rápidos.
Guía introductoria a los sistemas de recomendación, que presenta de forma exhaustiva los conocimientos teóricos de los sistemas de recomendación industriales (Curso abierto sobre sistemas de recomendación de Wang Shusen - Explicación del sistema de recomendación industrial real del escenario de Xiaohongshu), cómo entrenar modelos basados en TensorFlow2, cómo implementar microservicios de inferencia Golang de alto rendimiento, alta concurrencia y alta disponibilidad. Introducción exhaustiva a la teoría de los sistemas de recomendación industriales, entrenamiento de modelos basado en TensorFlow2 y la implementación de servicios de inferencia de alto rendimiento, alta concurrencia y alta disponibilidad basados en Golang.
Notas del proyecto + Reproducción de papers + Competiciones de algoritmos + Práctica con PyTorch + LeetCode + Preentrenamiento VLM
Código para Aprendizaje No Supervisado Práctico con Python (O'Reilly Media)
Reproduciendo el artículo de Yann LeCun de 1989 "Backpropagation Applied to Handwritten Zip Code Recognition", hasta donde yo sé la primera aplicación real de una red neuronal entrenada con retropropagación.
Aprenda finanzas cuantitativas con esta completa serie de conferencias. Adaptado de la Serie de Conferencias de Quantopian. Utiliza datos de muestra gratuitos.
Una biblioteca End-to-End Predict-then-Optimize basada en PyTorch para Programación Lineal y Entera
Cursos, código de ejemplo, artículos y screencasts - AWS, Azure y GCP
Graph Data Science: una capa de abstracción en Python para construir grafos de conocimiento, integrada con bibliotecas de grafos populares: sobre Pandas, NetworkX, RAPIDS, RDFlib, pySHACL, PyVis, morph-kgc, pslpython, pyarrow, etc.
Cuadernos de investigación de código abierto por el equipo de QuantConnect.
[ECCV 2024] InstructIR: Restauración de imágenes de alta calidad siguiendo instrucciones humanas https://huggingface.co/spaces/marcosv/InstructIR
Usar GPT para organizar y acceder a información, y generar preguntas. El objetivo a largo plazo es crear un asistente de investigación similar a un agente.
Una colección de materiales de la Facultad de Informática de la Universidad de Ciencia y Tecnología de Huazhong
Entrena autónomamente LLM de agentes de investigación sobre datos personalizados utilizando aprendizaje por refuerzo y autoverificación.
Tutoriales de aprendizaje automático informados por la física (Pytorch y Jax)
ML-capsule es un proyecto para principiantes y entusiastas de la ciencia de datos con experiencia que no tienen un mentor o guía y desean aprender aprendizaje automático (Machine Learning). Usando nuestro repositorio, pueden aprender ML, DL y muchas tecnologías relacionadas con diferentes proyectos del mundo real y prepararse para entrevistas.
Extracción de datos de Twitter, búsqueda de imágenes basada en incrustaciones y más.
Un framework ligero de aprendizaje por refuerzo profundo para la gestión de portafolios. Este proyecto explora la posibilidad de aplicar algoritmos de aprendizaje por refuerzo profundo al trading de acciones en un framework altamente modular y escalable.