Jupyter Notebook Dépôts
1,614 dépôts au total
Convertissez n'importe quel texte en un graphe de connaissances. Ceci peut être utilisé pour la génération augmentée par graphe ou pour des questions-réponses basés sur des graphes de connaissances.
Collection de sujets utiles en science des données avec des articles, des vidéos et du code
Une collection de guides et d'exemples pour les modèles ouverts Gemma de Google.
Une planification personnalisée Anki moderne basée sur l'algorithme Free Spaced Repetition Scheduler
Annoter ses propres ensembles de données, entraîner, évaluer, tester et déployer ses propres algorithmes d'intelligence artificielle
OmniGen2 : Exploration vers la Génération Multimodale Avancée. https://arxiv.org/abs/2506.18871
Qwen3-omni est un LLM omnimodal natif de bout en bout, développé par l'équipe Qwen d'Alibaba Cloud, capable de comprendre le texte, l'audio, les images et la vidéo, ainsi que de générer la parole en temps réel.
TimeGPT-2.1 : modèle fondamental préentraîné de séries temporelles, prêt pour la production, destiné aux prévisions et à la détection d’anomalies. Un transformeur génératif préentraîné pour les séries temporelles, entraîné sur plus de 100 milliards de points de données. Il est capable d’effectuer des prévisions précises dans divers domaines, tels que le commerce de détail, l’électricité, la finance et l’IoT, en seulement quelques lignes de code 🚀.
Qwen2.5-Omni est un modèle multimodal de bout en bout de l'équipe Qwen d'Alibaba Cloud, capable de comprendre le texte, l'audio, la vision, la vidéo et d'effectuer une génération vocale en temps réel.
Les notebooks Jupyter derrière mon rapport O'Reilly, "A Whirlwind Tour of Python"
Reconnaissance de texte (reconnaissance optique de caractères) avec des méthodes d'apprentissage profond, ICCV 2019
Ceci est un livre de la famille Phi de SLM pour débuter avec les modèles Phi. Phi est une famille de modèles d'IA open source développés par Microsoft. Les modèles Phi sont les modèles de langage réduits (SLM) les plus performants et les plus rentables disponibles, surpassant les modèles de même taille et de taille supérieure dans une variété de benchmarks de langage, de raisonnement, de codage et de mathématiques.
Livre_2_《La beauté de la visualisation》 | Livre Iris : De l'addition, de la soustraction, de la multiplication et de la division à l'apprentissage automatique, vos critiques sont les bienvenues.
Une série de notebooks Jupyter présentant les "12 Étapes vers Navier-Stokes" http://lorenabarba.com/
Tutoriel d'introduction à PyTorch, adresse de lecture en ligne : https://datawhalechina.github.io/thorough-pytorch/
Livre_5_《Statistiques simplifiées》 | Le Livre Iris : De l'arithmétique à l'apprentissage automatique ; en stock !
Solutions NLP chinoises (grands modèles, données, modèles, entraînement, inférence)
Grounded SAM 2 : Ancrez et suivez n'importe quoi dans les vidéos avec Grounding DINO, Florence-2 et SAM 2
GTSAM est une bibliothèque de classes C++ qui implémente le lissage et la cartographie (SAM) en robotique et en vision, en utilisant des graphes de facteurs et des réseaux bayésiens comme paradigme de calcul sous-jacent plutôt que des matrices creuses.
Une collection de méthodes scientifiques, de processus, d'algorithmes et de systèmes pour construire des histoires et des modèles.
🚀 Collection organisée de superbes scripts Python, des bases à l'avancé, avec des scripts de tâches d'automatisation.
Apporter des modèles de diffusion stables aux navigateurs Web. Tout s'exécute à l'intérieur du navigateur sans support serveur.
"Les mathématiques ne sont pas difficiles" - "L'algèbre linéaire n'est pas difficile", volumes 1 et 2, 66 sujets achevés ; bienvenue aux critiques et suggestions.
notes de felixge sur les différentes méthodes de profilage go disponibles.
Cours sur le calcul scientifique avec Python, sous forme de notebooks IPython.
Vidéos du cours Huggingface Transformers "pas à pas" mises à jour simultanément sur Bilibili et YouTube
Modèles de reconnaissance d'images open-source et dotés d'une base solide.
Introduction rapide à la théorie et à la pratique appliquée de l'IA : bases, Transformer, NLP, ML, DL, compétitions. Comprend de nombreux commentaires et ensembles de données, dans le but de permettre à chacun de comprendre et de reproduire.
[CVPR 2022] Modèle de Mouvement Thin-Plate Spline pour l'Animation d'Images.
Réseaux de neurones et apprentissage profond : études de cas et pratique, deuxième édition : 10 chapitres de pratique avec PyTorch, notebooks, tests et livre électronique.
Tous les supports de cours pour le cours Zero to Mastery Machine Learning and Data Science.
Cours d'initiation à l'apprentissage profond, cours avancés, cours spéciaux, cas académiques, cas de pratique industrielle, encyclopédie des connaissances en apprentissage profond et banque de questions d'entretien Le cours, le cas et les connaissances de Deep Learning et IA
🛠 IDE tout-en-un basé sur le web spécialisé en machine learning et data science.
Inférence Causale pour les Braves et les Vrais. Une approche légère mais rigoureuse pour apprendre l'estimation de l'impact et la causalité.
Un ensemble de données se compose de 15 140 invites ChatGPT provenant de Reddit, Discord, de sites Web et de jeux de données open-source (y compris 1 405 invites de contournement).