#numpy Dépôts
Découvrez 146 dépôts GitHub open source actifs associés à #numpy, cumulant 765,321 étoiles au total (soit une moyenne de 5,241 étoiles par projet). Le projet en tête de ce thème est pytorch/pytorch, avec 105,764 étoiles.
146 dépôts au total
Tenseurs et réseaux de neurones dynamiques en Python avec une forte accélération GPU
Le défi de programmation « 30 Jours de Python » est un guide étape par étape pour apprendre le langage de programmation Python en 30 jours. Ce défi peut prendre plus de 100 jours. Suivez votre propre rythme. Ces vidéos peuvent également vous aider : https://www.youtube.com/channel/UC7PNRuno1rzYPb1xLa4yktw
Python Data Science Handbook : texte intégral dans les notebooks Jupyter
Visualiseur pour les modèles de réseaux de neurones, d'apprentissage profond et d'apprentissage automatique
Notebooks Python pour la science des données : Deep learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, fondamentaux de Python, AWS et diverses lignes de commande.
Matériels et carnets IPython pour "Python for Data Analysis" de Wes McKinney, publié par O'Reilly Media
🤗 Le plus grand hub de jeux de données prêts à l'emploi pour les modèles d'IA avec des outils de manipulation de données rapides, faciles à utiliser et efficaces
Système de Trading Quantitatif Abu (Actions, Options, Futures, Bitcoin, Machine Learning) Trading quantitatif open-source basé sur Python, architecture d'investissement quantitatif
Un compilateur Python hautes performances, sans surcharge et extensible, avec prise en charge NumPy intégrée
Feuille de route d'apprentissage en intelligence artificielle, compilation de près de 200 cas pratiques et projets, manuels complémentaires gratuits, entrée pour débutants absolus, pratique pour l'emploi ! Inclut : Python, mathématiques, apprentissage automatique, analyse de données, apprentissage profond, vision par ordinateur, traitement du langage naturel, PyTorch, tensorflow, machine-learning, deep-learning, data-analysis, data-mining, mathematics, data-science, artificial-intelligence, python, tensorflow, tensorflow2, caffe, keras, pytorch, algorithm, numpy, pandas, matplotlib, seaborn, nlp, cv et autres domaines populaires
Un livre à accès ouvert sur la visualisation scientifique utilisant Python et Matplotlib
Manuel scolaire en ligne gratuit de carnets Jupyter pour le cours fast.ai Computational Linear Algebra
Opérations sur les tenseurs flexibles et puissantes pour un code lisible et fiable (pour PyTorch, JAX, TF et autres)
《Analyse de données avec Python · 2e édition》
Bibliothèque JSON Python rapide et correcte prenant en charge les dataclasses, les datetimes et NumPy
Conteneurs d'apprentissage automatique pour NVIDIA Jetson et JetPack-L4T
MegEngine est un framework d'apprentissage profond rapide, évolutif, facile à utiliser et prenant en charge la différenciation automatique.
TFDS est une collection de jeux de données prêts à l'emploi avec TensorFlow, Jax, ...
Fondements de l'apprentissage automatique : Algèbre linéaire, Calcul, Statistiques et informatique
Outils rapides de visualisation de données et d'interface graphique pour applications scientifiques / d'ingénierie
Bibliothèque Python de filtrage de Kalman et d'estimation optimale. Implémente le filtre de Kalman, le filtre particulaire, le filtre de Kalman étendu, le filtre de Kalman unscented, g-h (alpha-beta), les moindres carrés, H infini, les lisseurs, et plus encore. Possède un livre d'accompagnement 'Kalman and Bayesian Filters in Python'.
100 énigmes de données pour pandas, allant de courtes et simples à super délicates (60 % terminé)
napari : un visualiseur d'images rapide, interactif et multidimensionnel pour Python
Programmation probabiliste avec NumPy alimentée par JAX pour autograd et compilation JIT vers GPU/TPU/CPU.
Mars est un cadre unifié basé sur les tenseurs pour le calcul de données à grande échelle qui met à l'échelle numpy, pandas, scikit-learn et les fonctions Python.
Code pour le livre Make Your Own Neural Network
Affinez et quantifiez le pixel art désordonné généré par l'IA en pixels propres et parfaits.
Ce dépôt vous aide à apprendre Python et l'apprentissage automatique à partir de zéro.
Maîtrisez les bases de l'apprentissage automatique, de l'apprentissage profond et de l'optimisation mathématique en construisant les concepts et modèles clés à partir de zéro avec Python.
Foire aux questions
Quel est le dépôt #numpy le plus populaire sur GitHub ?
Le projet #numpy open source le mieux classé sur GitHub est pytorch/pytorch, avec 105,764 étoiles. Tenseurs et réseaux de neurones dynamiques en Python avec une forte accélération GPU
Quels langages de programmation sont les plus utilisés dans les dépôts #numpy ?
Parmi les projets #numpy les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, C++, JavaScript.
Comment le classement des dépôts #numpy est-il calculé ?
Nous suivons 146 dépôts open source actifs associés à #numpy (500+ étoiles), totalisant 765,321 étoiles, avec une moyenne de 5,241 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.