#notebook Dépôts
Découvrez 75 dépôts GitHub open source actifs associés à #notebook, cumulant 458,289 étoiles au total (soit une moyenne de 6,110 étoiles par projet). Le projet en tête de ce thème est d2l-ai/d2l-zh, avec 74,659 étoiles.
75 dépôts au total
《Plongez dans l'apprentissage profond》 : Pour les lecteurs chinois, exécutable et discutables. Les versions chinoise et anglaise sont utilisées pour l'enseignement dans plus de 500 universités de plus de 70 pays.
Une implémentation open source de Notebook LM avec plus de flexibilité et de fonctionnalités
Livre interactif sur l'apprentissage profond avec code multi-frameworks, mathématiques et discussions. Adopté dans 500 universités de 70 pays, dont Stanford, MIT, Harvard et Cambridge.
✅(Terminé) Notes super complètes sur l'apprentissage profond 【Tuduī PyTorch】【Li Mu Apprentissage profond pratique】【Andrew Ng Deep Learning】【Dafei Agents de grands modèles】
Une alternative à Evernote pour la prise de notes entièrement open source et cryptée de bout en bout.
Un outil de notes IA personnel open-source, auto-hébergé, axé sur la confidentialité, construit avec TypeScript.
CLI et web local pour prise de notes en texte brut, signets et archivage avec liens, étiquetage, filtrage, recherche, versionnage et synchronisation Git, conversion Pandoc, + plus, dans un seul script portable.
Application de dessin/tableau blanc sur toile infinie pour Windows, Linux et macOS. Réalisé avec Godot.
Un éditeur Markdown hautement extensible offrant le contrôle de version, AI Copilot, les annotations de documents, les cartes mentales, le chiffrement des documents, les extraits de code exécutables, l’intégration de graphiques, les applets HTML, les plugins et le remplacement de macros. Son terminal intégré dans la barre latérale rend le travail avec l’IA plus rapide et plus pratique.
QOwnNotes est un bloc-notes pour fichiers texte brut et un gestionnaire de listes de tâches avec prise en charge de Markdown et intégration Nextcloud / ownCloud.
cube studio Plateforme IA Open-Source Cloud Native Tout-en-un pour Machine Learning/Deep Learning/Grands Modèles, Flux complet du pipeline d'algorithmes MLOps, Plateforme de location de puissance de calcul, Développement en ligne Notebook, Orchestration de pipeline de flux de tâches par glisser-déposer, Entraînement distribué multi-machines multi-GPU, Recherche d'hyperparamètres, Virtualisation VGPU du service d'inférence, Edge Computing, Annotation automatisée de la plateforme d'annotation, Ajustement fin SFT de grands modèles/Modèle de récompense/Entraînement par apprentissage par renforcement de Deepseek, Inférence multi-machines de grands modèles tels que vLLM/Ollama/MindSpore, Base de connaissances privée, Marché de modèles IA, Support pour l'écosystème CPU/GPU/NPU Ascend domestiques, Support RDMA, Support pour les frameworks distribués tels que PyTorch/TF/MXNet/DeepSpeed/Paddle/ColossalAI/Horovod/Ray/Volcano
Notebooks Python avec exemples de ML et d'apprentissage profond avec Azure Machine Learning Python SDK | Microsoft
Impressionnez votre patron et transformez un notebook Jupyter en une application web magnifique et partageable — sans callbacks, sans frontend, sans réécriture.
Tableaux de bord et blocs-notes en un seul endroit. Créez des tableaux de bord puissants et flexibles à l'aide de code, ou créez de magnifiques blocs-notes de type Notion et partagez-les avec votre équipe.
Bibliothèque de Modèles pour Compétitions d'Algorithmique KTH (... ou le patch de KTH générant des AC)
Une solution open source de gestion des problèmes et du service d'assistance. Une alternative à Zendesk & Jira
Une plateforme d'apprentissage en boucle fermée pour la vision par ordinateur où le code peut être exécuté interactivement en ligne. Apprentissage en boucle fermée "Vision par ordinateur en action : algorithmes et applications" livre électronique chinois, code source, communauté d'échange pour les lecteurs (mise à jour continue ...) 📘 E-book en ligne https://charmve.github.io/computer-vision-in-action/ 👇Page d'accueil du projet
Maîtrisez les compétences essentielles nécessaires pour reconnaître et résoudre des problèmes complexes du monde réel avec l'apprentissage automatique et l'apprentissage profond en tirant parti de l'écosystème Python Machine Learning très populaire.
Querybook est une interface utilisateur de requêtes Big Data, combinant des métadonnées de tables colocalisées et une interface de notebook simple.
TidGi est une application de bureau de gestion des connaissances axée sur la confidentialité, automatisée, avec sauvegarde automatique Git, déployable librement, basée sur Tiddlywiki, avec une API REST pour le web-clipping et la connexion Anki. 「 太记 」是一个基于「 太微 TiddlyWiki 」的知识管理桌面应用,能保护隐私内容、高级自动化、自动Git云备份、部署为博客,且可通过RESTAPI与Anki等应用连接。(迭代开发中欢迎试用,开发进度见下方链接)(Under active development, see website below for details)
Assistance au codage pour JupyterLab (navigation de code + suggestions au survol + linters + autocomplétion + renommage) à l'aide du Language Server Protocol
Une application moderne de prise de notes basée sur GIT qui ne nécessite pas d'environnement GIT local.
Tutoriels Apache Spark & Python (pySpark) pour l'analyse de Big Data et l'apprentissage automatique sous forme de carnets IPython / Jupyter
Glamorous Toolkit est l'Environnement de Développement Moldable. Il vous permet de rendre les systèmes explicables grâce à des micro-outils contextuels.
:notebook: eLabFTW est le cahier de laboratoire électronique open source le plus populaire pour les laboratoires de recherche.
Magics et kernels Jupyter pour travailler avec des clusters Spark distants
Kit complet d'outils de pénétration et d'exploitation de Vcenter | Vcenter Comprehensive Penetration and Exploitation Toolkit
Une liste classée d'incroyables projets Jupyter Notebook, Hub et Lab (extensions, noyaux, outils). Mis à jour chaque semaine.
Foire aux questions
Quel est le dépôt #notebook le plus populaire sur GitHub ?
Le projet #notebook open source le mieux classé sur GitHub est d2l-ai/d2l-zh, avec 74,659 étoiles. 《Plongez dans l'apprentissage profond》 : Pour les lecteurs chinois, exécutable et discutables. Les versions chinoise et anglaise sont utilisées pour l'enseignement dans plus de 500 universités de plus de 70 pays.
Quels langages de programmation sont les plus utilisés dans les dépôts #notebook ?
Parmi les projets #notebook les mieux classés sur GitHub, les langages de programmation les plus courants sont TypeScript, Python, Jupyter Notebook, C++.
Comment le classement des dépôts #notebook est-il calculé ?
Nous suivons 75 dépôts open source actifs associés à #notebook (500+ étoiles), totalisant 458,289 étoiles, avec une moyenne de 6,110 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.