Jupyter Notebook Dépôts
1,614 dépôts au total
Un petit package pour créer des visualisations de graphes d'exécution de PyTorch
Débogage, surveillance et visualisation pour Python Machine Learning et Data Science
Base de code officielle utilisée pour développer Vision Transformer, SigLIP, MLP-Mixer, LiT et plus encore.
Un cours complet pour apprendre la programmation et l'utilisation de Bitcoin à partir de la commande
Dépôt de code MIMIC : Code partagé par la communauté de recherche pour la famille de bases de données MIMIC
Livre_7_《Machine Learning》 | Le livre sur l'iris : de l'addition et de la soustraction au machine learning ; critiques et suggestions sont les bienvenues.
IA et apprentissage automatique avec Kubeflow, Amazon EKS et SageMaker
Ce dépôt est une collection sélectionnée de projets pratiques en data science adaptés aux débutants. Que vous commenciez tout juste votre parcours en data science ou que vous souhaitiez renforcer vos compétences, ces projets offrent une manière pratique et interactive d'appliquer vos connaissances.
Ce dépôt contient le code pour entraîner et évaluer TRIBE v2, un modèle multimodal pour la prédiction de réponse cérébrale
🔅 Shapash : Explicabilité et Interprétabilité Conviviales pour Développer des Modèles d'Apprentissage Automatique Fiables et Transparents
Toutes les notes et le matériel du cours CS229 : Apprentissage automatique de la Stanford University
Un outil Python3 open-source doté de petits modèles pour reconnaître les mises en page, les tableaux, les formules mathématiques (LaTeX) et le texte dans les images, en les convertissant au format Markdown. Une alternative gratuite à Mathpix, permettant une conversion transparente du contenu visuel en représentations textuelles. Plus de 80 langues sont prises en charge.
Apprenez à concevoir, développer, déployer et itérer sur des applications ML prêtes pour la production.
Ce repository est conçu pour aider les débutants en machine learning ou ceux qui se préparent à un étude. (This repository is intended for helping those who are beginners in machine learning or preparing for study)
Simulation de physique de corps rigides massivement parallèle sur matériel accélérateur.
[CVPR 2024] "4D Gaussian Splatting für Echtzeit-Rendering dynamischer Szenen"
Implémentation de Dreambooth (https://arxiv.org/abs/2208.12242) par Textual Inversion (https://arxiv.org/abs/2208.01618) pour Stable Diffusion (https://arxiv.org/abs/2112.10752). Modifications axées sur l'entraînement de visages, d'objets et de styles.
Outil IA de doublage/traduction vidéo multilingue intelligent - Linly-Dubbing — « L'IA, sans frontières linguistiques »
Référentiel de tutoriels Jupyter notebook pour l'enseignement du cours Deep Learning à l'Université d'Amsterdam (MSc AI), Automne 2023
Génération automatique de visualisations et d'infographies à l'aide de grands modèles linguistiques
100 exemples de deep learning, deep learning DL, classification d'images, reconnaissance d'objets, détection d'objets, traitement du langage naturel NLP, classification de texte, TensorFlow, PyTorch
Le dépôt concerne plus de 100 problèmes d'exercices de programmation Python discutés, expliqués et résolus de différentes manières.
Une bibliothèque Python pour la visualisation des arbres de décision et l'interprétation de modèles.
Collecte de connaissances classiques et des technologies les plus récentes dans tous les aspects d'Android.
Laboratoires pratiques gratuits de criminalistique numérique pour les étudiants et les professeurs
Un projet open-source dédié au suivi et à la segmentation de n'importe quels objets dans les vidéos, de manière automatique ou interactive. Les principaux algorithmes utilisés comprennent le Segment Anything Model (SAM) pour la segmentation des images clés et Associating Objects with Transformers (AOT) à des fins de suivi et de propagation efficaces.
Apprenez à créer votre assistant IA Second Brain avec des LLM, des agents, RAG, le fine-tuning, LLMOps et des techniques de systèmes d'IA.
Dépôt Officiel pour "Eureka: Human-Level Reward Design via Coding Large Language Models" (ICLR 2024)
Processus de construction d'un graphe de connaissances financières à petite échelle (neo4j / python / cypher / KG)
Carnets Jupyter pour vous aider à vous familiariser avec les bases de données vectorielles Pinecone
Hands-On-Large-Language-Models (hands-on-llms) traduit en chinois, apprenez les grands modèles linguistiques
Une bibliothèque d'agents IA d'apprentissage par renforcement prête pour la production, proposée par l'équipe Applied Reinforcement Learning de Meta.
Couvre les données de préentraînement, les tokeniseurs, les Transformers, le MoE, l’entraînement distribué, les lois de mise à l’échelle, l’inférence et l’alignement. 6 exercices de programmation progressifs pour apprendre les LLM de bout en bout.