#google-colab Dépôts
Découvrez 31 dépôts GitHub open source actifs associés à #google-colab, cumulant 57,735 étoiles au total (soit une moyenne de 1,862 étoiles par projet). Le projet en tête de ce thème est roboflow/notebooks, avec 9,749 étoiles.
31 dépôts au total
Une collection de tutoriels sur les modèles et techniques de vision par ordinateur à la pointe de la technologie. Explorez tout, des architectures fondamentales comme ResNet aux modèles de pointe comme RF-DETR, YOLO11, SAM 3 et Qwen3-VL.
Synapsa Commons : des cours d’IA gratuits et pratiques, exécutables partout (Colab, Kaggle, Binder, Codespaces, Jupyter). Éléments probants de conformité à la législation européenne sur l’IA, validation des modèles, maintenance prédictive, extraction de documents, recherche et RAG, agents d’IA et MCP, ainsi qu’un humanoïde simulé. Chaque leçon est évaluée automatiquement. Par l’équipe qui développe Synapsa.
Exécutez les modèles Mixtral-8x7B dans Colab ou sur des ordinateurs de bureau grand public
Ce dépôt vous aide à apprendre Python et l'apprentissage automatique à partir de zéro.
Ce dépôt contient toutes les ressources relatives à la série d'apprentissage automatique des codeurs massifs.
Collection de notebooks Google Colaboratory pour des expériences rapides et faciles
Un framework sans code basé sur PyTorch pour mener des études d’apprentissage profond reproductibles. Écosystème PyTorch. 🏆 À ce jour, 28 méthodes de distillation des connaissances présentées à TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV, AAAI, etc. ont été implémentées. 🎁 Des modèles entraînés, des journaux d’entraînement et des configurations sont disponibles pour garantir la reproductibilité et faciliter l’évaluation comparative.
Un tutoriel montrant comment entraîner, convertir et exécuter des modèles de détection d'objets TensorFlow Lite sur des appareils Android, Raspberry Pi, et plus encore !
Tutoriels liés à l'IA. Accédez-y gratuitement → https://towardsai.net/editorial
Mon cours de 'Python pour l'analyse de données' sur YouTube
Image unique, un clic, échange de visage vidéo ! Utilisez les scripts Colab, pas besoin de faire griller la carte graphique, pas besoin d'aller au sauna !
Carnets Google Colab accessibles pour la formation de Lora Stable Diffusion, basés sur le travail de kohya-ss et Linaqruf
Cahiers Jupyter pour apprendre la plateforme PyRosetta pour la prédiction et la conception de structures biomoléculaires
ZeroCostDL4Mic : une boîte à outils gratuite basée sur Google Colab pour explorer l'apprentissage profond en microscopie
Manuel chinois pour le traitement des données EEG avec Python - A Chinese handbook for EEG data analysis based on Python
Référentiel du cours d'apprentissage automatique de A à Z avec R et Python
Ceci est le code pour la vidéo YouTube de Siraj Raval intitulée "I Built a Sports Betting Bot with ChatGPT" (J'ai construit un bot de paris sportifs avec ChatGPT).
Foire aux questions
Quel est le dépôt #google-colab le plus populaire sur GitHub ?
Le projet #google-colab open source le mieux classé sur GitHub est roboflow/notebooks, avec 9,749 étoiles. Une collection de tutoriels sur les modèles et techniques de vision par ordinateur à la pointe de la technologie. Explorez tout, des architectures fondamentales comme ResNet aux modèles de pointe comme RF-DETR, YOLO11, SAM 3 et Qwen3-VL.
Quels langages de programmation sont les plus utilisés dans les dépôts #google-colab ?
Parmi les projets #google-colab les mieux classés sur GitHub, les langages de programmation les plus courants sont Jupyter Notebook, Python.
Comment le classement des dépôts #google-colab est-il calculé ?
Nous suivons 31 dépôts open source actifs associés à #google-colab (500+ étoiles), totalisant 57,735 étoiles, avec une moyenne de 1,862 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.