Jupyter Notebook Dépôts
1,614 dépôts au total
Carnets Jupyter pour le livre "Natural Language Processing with Transformers"
Fouille de données, Vision par ordinateur, Traitement automatique du langage naturel, Connaissances en compétitions de systèmes de recommandation, Code, Idées
35 architectures d'IA agentique de qualité production (Reflexion, LATS, GraphRAG, MemGPT, Voyager, BrowserAgent, ...) — une bibliothèque Python et un manuel exécutable avec prise en charge de plusieurs fournisseurs de LLM et un classement de référence pour 17 tâches.
🔥 LeetCode pour PyTorch — pratiquez l'implémentation de softmax, attention, GPT-2 et plus encore à partir de zéro avec une auto-correction instantanée. Basé sur Jupyter, auto-hébergé ou essayez en ligne.
Exemples de code du livre Web Scraping with Python http://shop.oreilly.com/product/0636920034391.do
Un système de synthèse vocale open source construit en inversant Whisper.
Implémentation JAX du modèle Whisper d'OpenAI pour une accélération jusqu'à 70 fois sur TPU.
Que vous soyez un débutant complet, une application de projet en CV, NLP, LLM, ou un déploiement et une mise en œuvre d'ingénierie avancée, vous trouverez tout dans « Tutoriel pratique PyTorch » (2e édition). Nous pensons qu'avec l'aide de ce livre, les lecteurs pourront maîtriser facilement l'utilisation de PyTorch et devenir d'excellents ingénieurs en apprentissage profond.
Code Python pour les algorithmes courants d'apprentissage automatique
Tutoriels pour débuter avec PyTorch et TorchText pour l'analyse de sentiments.
Avec seulement les bases de Python, construisez votre propre robot d'intelligence incarnée de zéro ; construisez étape par étape VLA/OpenVLA/SmolVLA/Pi0 de zéro, comprenez en profondeur l'intelligence incarnée
[ICCV 2019] Estimation de profondeur monoculaire à partir d'une seule image
Ressources techniques pour les développeurs IA afin de créer des applications, des agents et des systèmes en utilisant Oracle AI Database et les services OCI
Fondements de l'apprentissage automatique : Algèbre linéaire, Calcul, Statistiques et informatique
Seules des bases de Python sont nécessaires, construisez des grands modèles linguistiques à partir de zéro ; Construisez progressivement GLM4\Llama3\RWKV6 à partir de zéro, pour comprendre en profondeur les principes des grands modèles.
Notes, devoirs de programmation et quiz de tous les cours de la spécialisation Deep Learning de Coursera proposés par deeplearning.ai : (i) Réseaux neuronaux et Deep Learning ; (ii) Amélioration des réseaux neuronaux profonds : réglage des hyperparamètres, régularisation et optimisation ; (iii) Structuration des projets d'apprentissage automatique ; (iv) Réseaux neuronaux convolutifs ; (v) Modèles de séquence
https://www.youtube.com/channel/UC34rW-HtPJulxr5wp2Xa04w?sub_confirmation=1
Une bibliothèque rapide pour AutoML et le réglage. Rejoignez notre Discord : https://discord.gg/Cppx2vSPVP.
Partage de connaissances AI Infra et pratique de code : PyTorch, vLLM/SGLang, introduction au framework slime/vime ⚡️, accélération des performances 🚀, bases des grands modèles 🧠, logiciels et matériels IA 🔧, etc.
Implémentations en Python pur d'algorithmes de base d'apprentissage automatique
Notebooks Python avec exemples de ML et d'apprentissage profond avec Azure Machine Learning Python SDK | Microsoft
Un RAG Agentic modulaire construit avec LangGraph — apprenez les agents de génération augmentée par récupération en quelques minutes.
Matériaux pour le cours sur les modèles de diffusion de Hugging Face
Apprenez l'IA agentique en utilisant le modèle de conception Dapr Agentic Cloud Ascent (DACA) et les technologies cloud natives pour agents : OpenAI Agents SDK, Memory, MCP, A2A, graphes de connaissances, Dapr, Rancher Desktop et Kubernetes.
Une Collection de Cheatsheets, Livres, Questions et Portfolio Pour la Préparation d'Entretien DS/ML
Une implémentation propre basée sur AlphaZero pour n'importe quel jeu dans n'importe quel framework + tutoriel + Othello/Gobang/TicTacToe/Connect4 et plus
Ce projet reproduit le livre Dive Into Deep Learning (https://d2l.ai/), en adaptant le code de MXNet vers PyTorch.
Mobile ALOHA : Apprentissage de la manipulation mobile bimanuelle avec téléopération économique du corps entier
Hunyuan-DiT : Un puissant Transformer de diffusion multi-résolution avec compréhension fine du chinois
Vitrine de l’IA générative de MongoDB : une collection exhaustive d’exemples et d’applications de démonstration couvrant la génération augmentée par récupération (RAG), les agents d’IA et les cas d’utilisation propres à chaque secteur.
Flux de travail de référence d'IA générative optimisés pour une architecture de microservices et une infrastructure accélérées.
Construisez un LLM moderne de zéro. Chaque ligne commentée. Expliqué comme à des enfants de cinq ans.