Jupyter Notebook Dépôts
1,614 dépôts au total
Un contrôleur MPC simple pour le suivi de trajectoire, implémenté en Python
Code source accompagnant : BigQuery : The Definitive Guide par Lakshmanan & Tigani à être publié par O'Reilly Media
Ce dépôt est destiné au cours LinkedIn Learning : Python Essential Training (UPDATE FY24 Q4)
Publication publique du Benchmark de Correspondance d'Images : https://image-matching-challenge.github.io
Code et ressources pour mon livre « 50 projets de ML pour comprendre les LLM »
Tutoriel complet d'apprentissage approfondi : De zéro à héros
Générez un script vidéo, une voix et un visage parlant entièrement avec l’IA
Toutes les figures et les notebooks de mon livre sur l'apprentissage profond, gratuits !
Des détections en temps utile pour des actions plus proactives et efficaces dans les puits de pétrole offshore !
Carnets Jupyter et outils Python open-source pour l'analyse géospatiale avec Digital Earth Australia, Open Data Cube et Xarray
(Chinois uniquement)Tout ce que je sais : DevOps & CloudNative, Linux, Embedded, Homelab, Music, Blockchain, AI, etc...
Un module simple de détection de somnolence pour les humains. 😴 🚫 🚗
Le tout premier modèle de langage de grande taille pour la médecine traditionnelle chinoise - "CMLM-ZhongJing". Inspiré par la sagesse profonde de l'ancien maître médical chinois Zhang Zhongjing, il s'agit d'un modèle de langage pré-entraîné conçu spécifiquement pour le domaine de la médecine traditionnelle chinoise.
Un framework de suivi d'expériences simple et élégant qui intègre la logique de persistance et les meilleures pratiques directement en Python
Matériel de cours pour Cornell CS5785 Apprentissage automatique appliqué (Automne 2024)
apricot implémente l'optimisation sous-modulaire dans le but de sélectionner des sous-ensembles de grands ensembles de données pour entraîner rapidement des modèles d'apprentissage automatique. Consultez la page de documentation : https://apricot-select.readthedocs.io/en/latest/index.html
Atelier NeurIPS'24 - UniTable : Vers un modèle de base unifié pour les tableaux
Kit d'outils pour le benchmark BOP, incluant des scripts d'évaluation et des utilitaires pour l'estimation de pose d'objet 6D et les tâches associées.
Code pour tester divers benchmarks de la puce M1 avec TensorFlow.
Modélisation des trajectoires de santé humaine à l'aide de transformateurs génératifs
Dépôt historique obsolète. Superlinked développe désormais SIE, un moteur d'inférence auto-hébergé pour les embeddings, le reranking, l'OCR, l'extraction et le traitement de documents.
Un pipeline optimisé de synthèse vocale vers texte pour le modèle Whisper prenant en charge plusieurs moteurs d'inférence
Code de recherche pour l'estimation de la profondeur métrique dans l'imagerie VR périoculaire utilisant des données générées par UE MetaHuman.
C'est un dépôt sur la détection de défauts de PCB.
Ce projet utilise une combinaison de statistiques et de théorie financière pour démontrer une stratégie de trading populaire utilisée sur les marchés actions : le Pairs Trading.
Exemples d'introduction pour la création d'agents IA basés sur les LLM. Livre de Asynchronous Books : « Développement d'applications avec de grands modèles : Créer des agents IA » - Il s'agit d'exemples d'introduction très simples, destinés à guider les débutants. Le domaine du développement des LLM évolue rapidement et ce livre ne sert que de guide général. Vous pouvez trouver plus d'exemples et de code dans OpenAI Cookbook et LangChain Example.
PeRFlow : Flux redressé par morceaux comme accélérateur universel Plug-and-Play (NeurIPS 2024)
CoexistAI est un cadre modulaire d'assistant de recherche convivial pour les développeurs. Il vous permet de construire, rechercher, résumer et automatiser des flux de travail de recherche en utilisant des LLM, la recherche web, Reddit, YouTube et des outils de cartographie—le tout avec de simples appels d'outils MCP, appels API ou fonctions Python.
Outil de traitement du langage naturel pour la langue malaise, https://malaya.readthedocs.io/
Dépôt de code officiel du livre O'Reilly « An Illustrated Guide to AI Agents »
Implémentation officielle de l'article « The Stable Signature Rooting Watermarks in Latent Diffusion Models »
Deep Reinforcement Learning Hands-On, 3e édition_Publié par Packt
Cours de science des données en Julia pour JuliaAcademy.com, enseigné par Huda Nassar
MonsterUI est un framework UI alimenté par FastHTML et Tailwind, permettant de créer de belles interfaces web avec un code minimal.
Ce dépôt vous permet d'entraîner des modèles de réseaux de neurones pour effectuer une reconnaissance d'écriture manuscrite de page entière de bout en bout en utilisant les frameworks d'apprentissage profond Apache MXNet sur le dataset IAM.
Une introduction à la science des données avec Python, destinée aux personnes sans expérience en programmation.
Geometric GNN Dojo fournit des implémentations et des expériences unifiées pour explorer l'espace de conception des réseaux de neurones graphiques géométriques (ICML 2023)