#jupyter-notebook Dépôts
174 dépôts au total
Une liste classée d'incroyables projets Jupyter Notebook, Hub et Lab (extensions, noyaux, outils). Mis à jour chaque semaine.
Exécutez ruff, isort, pyupgrade, mypy, pylint, flake8 et plus sur les Jupyter Notebooks
Une collection d'extraits de code de la publication Daily Dose of Data Science sur Substack : http://www.dailydoseofds.com/
Jupyter Notebook alimenté par l'IA. Utilisez l'IA pour générer et modifier des cellules de code, corriger automatiquement les erreurs et discuter avec vos données
Barre de progression simple et flexible pour Jupyter Notebook et console
Apprenez Python gratuitement en utilisant des carnets open-source en hébreu.
Coloration d'images en noir et blanc avec l'apprentissage profond.
:keyboard: Une liste sélectionnée d'outils, démos et ressources géniaux pour aller au-delà de LaTeX
Aérodynamique classique du flux potentiel utilisant Python et Jupyter Notebooks
Une extension serveur pour Jupyter Notebook fournissant des interfaces de configuration pour les nbextensions.
Créez des graphiques animés dans Jupyter Notebook et des environnements similaires avec une simple syntaxe Python.
Ce dépôt héberge le code du livre en ligne "Coding for Economists".
Un livre créé par xiaolai avec l'aide de ChatGPT et de son TTS
Produisez et planifiez vos Jupyter Notebooks aussi facilement que vous les avez écrits.
Explorez l'apprentissage automatique et la science des données avec Codespaces
Un outil CLI pour convertir CSV / Excel / HTML / JSON / Jupyter Notebook / LDJSON / LTSV / Markdown / SQLite / SSV / TSV / Google Sheets vers un fichier de base de données SQLite.
Bibliothèque étendant les notebooks Jupyter pour s'intégrer à Apache TinkerPop, openCypher et RDF SPARQL.
Algorithmes et systèmes de LLM en pratique avec PyTorch, Triton et CUDA. « Tutoriel sur les algorithmes et systèmes de LLM » : architectures et entraînement des modèles, post-entraînement, accélération de l’inférence, optimisation des performances et des opérateurs, avec des exercices Notebook, des explications des réponses, des tests et des expériences.
Une liste curated d'applications pratiques d'apprentissage automatique en entreprise (BML) et de science des données en entreprise (BDS) pour la comptabilité, les clients, les employés, le juridique, la gestion et les opérations (par @firmai)
Notebook Jupyter avec implémentation PyTorch des Équations Différentielles Ordinaires Neuronales
Analyse des stratégies de trading systématiques (par exemple, suivi de tendance, carry et retour à la moyenne). Le résultat est régulièrement mis à jour.
Jupyter Notebook automatisé par Selenium et synchronisé en temps réel avec Neovim.
Livre basé sur un notebook "Introduction à la robotique et à la perception" par Frank Dellaert et Seth Hutchinson
Exportez les playlists Spotify à l'aide de l'API Web. Analysez-les dans le carnet Jupyter.
Framework pour les modes principaux multiples dans Emacs (bibliothèque principale)
Notebooks Colab pratiques et sans framework pour développer les compétences d'AI Engineer / Forward Deployed Engineer (FDE) : API de modèles, sorties structurées, appels d'outils, RAG, évaluations comme pilier central, agents (boucle créée de zéro, conception d'outils, garde-fous, MCP, compétences), fine-tuning vs LoRA, injection de prompts/sécurité, LLMOps et relation client. Fonctionne sur l'API gratuite de Groq.
Framework pour construire une plateforme no-code personnalisée. Livré avec un environnement de programmation basé sur des flux et une interface graphique.
Cahiers Jupyter pour apprendre la plateforme PyRosetta pour la prédiction et la conception de structures biomoléculaires
Tableaux croisés dynamiques et graphiques par glisser-déposer pour Jupyter/IPython Notebook, grâce à PivotTable.js
Générez par programmation des images SVG (vectorielles), des animations et des widgets Jupyter interactifs
Prédiction des cours des actions à l'aide d'un réseau neuronal LSTM (longue mémoire à court terme) TensorFlow pour la prévision de séries temporelles
Un kit de benchmark léger, plug-and-play pour les données synthétiques. Comparez Syncora à d'autres générateurs (par exemple, Gretel, MostlyAI) en déposant des CSV, puis calculez automatiquement les métriques de fidélité et de similarité. Fonctionne avec n'importe quel jeu de données via une simple nomenclature de fichiers, aucune configuration lourde nécessaire.