Jupyter Notebook Dépôts
1,614 dépôts au total
Manuel de solutions pour exercices sur les méthodes d'apprentissage automatique, adresse de lecture en ligne : https://datawhalechina.github.io/statistical-learning-method-solutions-manual
Cette ressource soutient la rédaction d'articles de l'auteur sur CSDN concernant le traitement d'images Python, principalement l'implémentation de code pour des algorithmes tels que le traitement d'images, la reconnaissance d'images, la classification d'images, etc. en Python. J'espère que cette ressource vous sera utile, travaillons ensemble pour y parvenir.
Une extension Jupyter proof-of-concept qui convertit les requêtes en anglais en code Python pertinent
Expliquez, analysez et visualisez des modèles linguistiques NLP. Ecco crée des visualisations interactives directement dans les notebooks Jupyter expliquant le comportement des modèles linguistiques basés sur Transformer (tels que GPT2, BERT, RoBERTa, T5 et T0).
Implémentation PyTorch pour la modélisation générative basée sur des scores via des équations différentielles stochastiques (ICLR 2021, Oral)
Questions d'entretien pour les postes d'algorithmes de grands modèles (avec réponses) : questions fréquentes et analyse des concepts "Questions d'entretien sur les grands modèles", "Entretien pour les postes d'algorithmes", "Questions fréquentes d'entretien", "Entretien sur les algorithmes de grands modèles", "Bases des applications de grands modèles"
La bibliothèque Classiq est la plus grande collection d'algorithmes et d'applications quantiques. C'est la meilleure façon d'explorer les logiciels d'informatique quantique. Nous nous félicitons des contributions de la communauté à notre bibliothèque 🙌
Ce référentiel présente une sélection de projets d'apprentissage automatique entrepris pour comprendre et maîtriser divers concepts de ML. Chaque projet reflète l'engagement à appliquer les connaissances théoriques à des scénarios pratiques, démontrant la maîtrise des techniques et des outils d'apprentissage automatique.
Chat Haruhi Suzumiya, un chatbot de jeu de rôle open source Cheng Li, Ziang Leng et autres.
Au-delà de la précision : Tests comportementaux de modèles NLP avec CheckList
Ceci est un tutoriel en coréen rédigé à partir de la documentation officielle de LangChain, du Cookbook et d'autres exemples pratiques. Grâce à ce tutoriel, vous pourrez apprendre à utiliser LangChain plus facilement et plus efficacement.
Exemples officiels d'Azure Machine Learning pilotés par la communauté, testés avec GitHub Actions.
Divers types d'analyse boursière dans Excel, Matlab, Power BI, Python, R et Tableau
Un évaluateur automatique pour les modèles de langage qui suivent les instructions. Validé par l'homme, de haute qualité, peu coûteux et rapide.
Implémentation de tous les algorithmes RL de manière plus simple
Recettes pour réduire, optimiser et personnaliser des modèles de vision de pointe. 💜
InstantStyle: Déjeuner gratuit pour la préservation du style dans la génération de texte-image 🔥
Une introduction concise et conviviale pour les débutants aux idées fondamentales de l'algèbre linéaire.
Implémentation officielle pour « "Automatic Chain of Thought Prompting in Large Language Models" » (restez à l'écoute et plus sera mis à jour)
Approaching (Almost) Any Machine Learning Problem traduction chinoise, adresse de la documentation en ligne : https://ytzfhqs.github.io/AAAMLP-CN/
[CVPR 2021] Implémentation PyTorch officielle pour Transformer Interpretability Beyond Attention Visualization, une nouvelle méthode pour visualiser les classifications par les réseaux basés sur Transformer.
OneDiff : une bibliothèque d'accélération prête à l'emploi pour les modèles de diffusion.
Exécutez n'importe quel Llama 2 localement avec l'interface utilisateur Gradio sur GPU ou CPU depuis n'importe où (Linux/Windows/Mac). Utilisez `llama2-wrapper` comme backend llama2 local pour les agents/applications génératifs.
Dépôt public pour la spécialisation MLEP de DeepLearning.AI
100 jours d’ingénierie de l’inférence des LLM — publications quotidiennes, expériences et visualisations
Cahiers d'exercices pour les modules d'apprentissage automatique sur Microsoft Learn
Carnets sur les méthodes bayésiennes pour l'apprentissage automatique
Les connaissances d'une vie d'un programmeur ! Notes & tutoriels. Examen d'entrée en troisième cycle, emploi, études. Langues : Android, C++, Java, JavaScript, Latex, MATLAB, NodeJS, PHP, Python. Technologies : Docker, Git, Linux, Maven, Office, Spark, Spring, SVN. Fondamentaux : Théorie des compilateurs, Systèmes d'exploitation, Microcontrôleurs, Réseaux informatiques, TD Réseaux informatiques, Modèles d'architecture, Rédaction de documentation logicielle, Design patterns, Structures de données, Bases de données, Algorithmes, Modélisation UML, Programmation Windows. Mathématiques : Probabilités et statistiques mathématiques, Calcul différentiel et intégral, Algèbre linéaire, Tenseurs. Apprentissage automatique : Apprentissage automatique, PyTorch, Sklearn, TensorFlow
Liaisons Python pour DeepStream SDK et applications d'exemple
Galerie de tutoriels OSMnx, exemples d'utilisation et démonstrations de fonctionnalités.
Évaluation comparative du transfert de connaissances dans l'apprentissage robotique tout au long de la vie
Implémentation PyTorch de diverses méthodes pour l'apprentissage continu (XdG, EWC, SI, LwF, FROMP, DGR, BI-R, ER, A-GEM, iCaRL, Generative Classifier) dans trois scénarios différents.
Convient aux personnes qui progressent du niveau débutant à intermédiaire, une fois le système en place, cela dépend de la maîtrise.
Réduction du bruit en Python utilisant le spectral gating (parole, bioacoustique, audio, signaux dans le domaine temporel)
Un guide complet pour la création d'applications LLM basées sur RAG pour la production.
Plusieurs GPU NVIDIA ou Apple Silicon pour l'inférence de grands modèles linguistiques ?
Bibliothèque Python pour la visualisation interactive de modèles de sujets. Portage du package R LDAvis.