Jupyter Notebook Dépôts
Explorez 1,614 dépôts open source actifs en Jupyter Notebook sur GitHub, totalisant 6,214,187 étoiles (soit une moyenne de 3,850 étoiles par projet). Le projet Jupyter Notebook classé n° 1 est jackfrued/Python-100-Days, avec 187,961 étoiles.
1,614 dépôts au total
Implémentez à partir de zéro un LLM de type ChatGPT dans PyTorch, étape par étape
12 semaines, 26 leçons, 52 quiz, l'apprentissage automatique classique pour tous
Tutoriel de programmation de la série "Plongez dans les LLM : Apprenez les grands modèles linguistiques"
Une collection de cahiers/recettes présentant des façons amusantes et efficaces d'utiliser Claude.
Le dépôt fournit le code pour exécuter l'inférence avec le modèle SegmentAnything (SAM), des liens pour télécharger les points de contrôle du modèle entraîné et des notebooks d'exemple qui montrent comment utiliser le modèle.
Apprenez à développer, déployer et itérer sur des applications ML de qualité production.
Data Engineering Zoomcamp est un cours gratuit de 9 semaines sur la création de pipelines de données prêts pour la production. Rejoignez le cours ici 👇🏼
Python Data Science Handbook : texte intégral dans les notebooks Jupyter
Ceci est un référentiel avec des liens vers tout ce que vous voudriez jamais apprendre sur l'ingénierie des données
Tutoriel et Exemples TensorFlow pour Débutants (support TF v1 & v2)
Tutoriels approfondis sur les LLM, les RAG et les applications d'agents IA dans le monde réel.
Tutoriel interactif d'Anthropic sur l'ingénierie des prompts
CLIP (Contrastive Language-Image Pretraining), Prédire l'extrait de texte le plus pertinent étant donné une image
Le "Guide de consommation des grands modèles open source" est un tutoriel spécialement conçu pour les bébés chinois afin d'affiner rapidement (paramètres complets/Lora) et de déployer des grands modèles open source (LLM)/grands modèles multimodaux (MLLM) nationaux et internationaux dans un environnement Linux.
Ce dépôt présente diverses techniques avancées pour les systèmes de Génération Augmentée par Récupération (RAG). Chaque technique dispose d'un tutoriel détaillé sous forme de notebook.
Ce référentiel est maintenu par Omar Santos (@santosomar) et comprend des milliers de ressources liées au piratage éthique, aux récompenses de bugs, à la criminalistique numérique et à la réponse aux incidents (DFIR), à la sécurité de l'IA, à la recherche de vulnérabilités, au développement d'exploits, à la rétro-ingénierie, et plus encore. 🔥 Découvrez également : https://hackertraining.org
Dépôt de code officiel du livre O'Reilly – "Hands-On Large Language Models"
⛔️ OBSOLÈTE – Voir https://github.com/ageron/handson-ml3 ou handson-mlp à la place.
Fichiers du cours pour le cours Bootcamp complet Python 3 sur Udemy
aka "Bayesian Methods for Hackers" : Une introduction aux méthodes bayésiennes + programmation probabiliste avec une perspective computation/compréhension d'abord, mathématiques ensuite. Tout en Python pur ;)
Une approche de la théorie des jeux pour expliquer la sortie de tout modèle d'apprentissage automatique
Un simple outil d'analyse d'écran pour un agent d'interface graphique basé sur la vision pure
⛔️ OBSOLÈTE – Voir https://github.com/ageron/handson-ml3 ou handson-mlp à la place.
Plus de 50 tutoriels et implémentations pour les techniques d'agents IA génératifs, des bots conversationnels de base aux systèmes multi-agents complexes.
Matériels et carnets IPython pour "Python for Data Analysis" de Wes McKinney, publié par O'Reilly Media
🤖 Exemples Python d'algorithmes populaires d'apprentissage automatique avec des démos Jupyter interactives et des mathématiques expliquées
Programmes Python, généralement courts, d'une difficulté considérable, pour perfectionner des compétences particulières.
✅(Terminé) Notes super complètes sur l'apprentissage profond 【Tuduī PyTorch】【Li Mu Apprentissage profond pratique】【Andrew Ng Deep Learning】【Dafei Agents de grands modèles】
Tutoriel d'introduction aux LLM pour développeurs, version chinoise de la série de cours sur les grands modèles d'Andrew Ng
Audiocraft est une bibliothèque pour le traitement et la génération audio avec deep learning. Elle comprend le compresseur/tokeniseur audio de pointe EnCodec, ainsi que MusicGen, un LM de génération musicale simple et contrôlable avec conditionnement textuel et mélodique.
Tutoriels de bout en bout, code-first pour construire des agents GenAI de qualité production. Du prototype au déploiement en entreprise.
Code pour Machine Learning for Trading, 3e édition — de l'acquisition de données à l'exécution en direct.
FinGPT: Grands modèles linguistiques open-source pour la finance! Révolutionnez 🔥 Nous publions le modèle entraîné sur HuggingFace.
Le pytorch handbook est un livre open source dont l'objectif est d'aider les amis qui souhaitent et utilisent PyTorch pour le développement et la recherche en deep learning à s'initier rapidement. Tous les tutoriels Pytorch inclus ont été testés et garantissent une exécution réussie.
Foire aux questions
Quel dépôt Jupyter Notebook sur GitHub compte le plus d’étoiles ?
Le dépôt actif Jupyter Notebook qui compte le plus d’étoiles sur GitHub est jackfrued/Python-100-Days, avec 187,961 étoiles. Python - 100 jours du débutant au maître
Combien de projets populaires en Jupyter Notebook sont suivis sur Git Stars ?
Nous suivons actuellement 1,614 dépôts open source actifs en Jupyter Notebook comptant plus de 500 étoiles, pour un total cumulé de 6,214,187 étoiles et une moyenne de 3,850 étoiles par projet.
À quelle fréquence le classement Jupyter Notebook de GitHub est-il mis à jour ?
Le nombre d’étoiles, les dates d’activité et les classements de tous les dépôts Jupyter Notebook sont synchronisés quotidiennement depuis l’API officielle de GitHub.