#numpy Repositorios
146 repositorios en total
Código fuente de PyGAD, una biblioteca de Python 3 para construir el algoritmo genético y entrenar algoritmos de aprendizaje automático (Keras & PyTorch).
🚀 Más de 500 recursos seleccionados para Análisis de Datos y Ciencia de Datos: Python, SQL, Estadística, ML, IA, Visualización, Hojas de trucos, Mapas de ruta, Preparación para entrevistas. Para principiantes y expertos.
Un libro de acceso abierto sobre técnicas de vectorización de NumPy, Nicolas P. Rougier, 2017
Algoritmos de ML implementados y derivados de primeros principios en Jupyter Notebooks y NumPy
Matemáticas de precisión mixta y kernels de álgebra lineal y recuperación, más de 4000 símbolos, desde números de 4 bits hasta complejos de 128 bits, para x86, Arm, RISC-V, LoongArch, Power y WASM; incluye AMX y SME 📐
🤖 Experimentos interactivos de Machine Learning: 🏋️entrenamiento de modelos + 🎨demo de modelos
Repositorio de código abierto para selección de características en Python
Una biblioteca de Python fácil de usar para procesar y manipular nubes de puntos y mallas en 3D.
Integración de Home Assistant para el monitoreo de electrodomésticos mediante enchufe inteligente: detecta ciclos, coincide programas, estima el tiempo restante. Compatible con lavadoras, secadoras, lavavajillas y más.
Computación de alto rendimiento para tensores N-dimensionales en .NET, con una API idéntica a la de NumPy.
Métricas comunes de riesgo y rendimiento financiero. Utilizadas por zipline y pyfolio.
Teoría del procesamiento de señales digitales (DSP): señales, filtrado (IIR, FIR, CIC, MAF), transformadas (FFT, DFT, Hilbert, Z-transform) etc.
Una colección de fragmentos de código de la publicación Daily Dose of Data Science en Substack: http://www.dailydoseofds.com/
Operaciones de Kernel en CPUs y GPUs, con autodiff y sin desbordamientos de memoria
Aprendizaje automático, estadística y minería de datos para astronomía y astrofísica
Generador de mundo que utiliza la simulación de placas, sombra orográfica, erosión, etc.
Introducción a PyTorch, que cubre la inicialización de tensores, operaciones, indexación y remodelación.
Gráficos 3D WebGL para Jupyter: mallas, isosuperficies, volúmenes, vóxeles y nubes de puntos a partir de arrays de NumPy, con un renderizador cinematográfico con trazado de rutas.
Framework personalizable y multiplataforma para el procesamiento multimedia/de vídeo. Con una potente aceleración GPU, diseño heterogéneo, soporte multilingüe, facilidad de uso, compatibilidad con múltiples frameworks y alto rendimiento, el framework es ideal para transcodificación, inferencia de IA, integración de algoritmos, transmisión de video en vivo y más.
Biblioteca de análisis de sensibilidad en Python. Contiene métodos Sobol, Morris, FAST y otros.
Un curso de métodos numéricos con Python para ingenieros y científicos: actualmente 5 módulos de aprendizaje, con tareas para estudiantes.
Introducción a la modelización matemática: la serie de tutoriales más completa sobre modelos y algoritmos de modelización matemática en toda la red, ¡que te abrirá las puertas de la modelización matemática!
Calendario lunar iCal, términos solares y lunares, festivales tradicionales
Análisis Exploratorio de Datos Práctico con Python, publicado por Packt