Jupyter Notebook Repository
1,614 repository in totale
Soluzioni agli esercizi sui metodi di apprendimento automatico, indirizzo di lettura online: https://datawhalechina.github.io/statistical-learning-method-solutions-manual
Questa risorsa supporta gli articoli di scrittura dell'autore su CSDN sull'elaborazione delle immagini in Python, principalmente sull'implementazione di algoritmi per l'elaborazione delle immagini, il riconoscimento delle immagini, la classificazione delle immagini, ecc. in Python. Spero che questa risorsa ti sia d'aiuto, continuiamo a fare del nostro meglio insieme.
Un'estensione Jupyter proof-of-concept che converte le query in inglese in codice Python pertinente
Spiega, analizza e visualizza modelli linguistici NLP. Ecco crea visualizzazioni interattive direttamente nei notebook Jupyter che spiegano il comportamento dei modelli linguistici basati su Transformer (come GPT2, BERT, RoBERTa, T5 e T0).
Implementazione PyTorch per la modellazione generativa basata su punteggio attraverso equazioni differenziali stocastiche (ICLR 2021, orale)
Domande di colloquio per posizioni di algoritmi di grandi modelli (con risposte): domande frequenti e analisi dei concetti "Domande di colloquio su grandi modelli", "Colloquio per posizioni di algoritmi", "Domande frequenti ai colloqui", "Colloquio su algoritmi di grandi modelli", "Basi delle applicazioni di grandi modelli"
La libreria Classiq รจ la piรน grande raccolta di algoritmi e applicazioni quantistici. ร il modo migliore per esplorare il software di quantum computing. Diamo il benvenuto ai contributi della comunitร alla nostra libreria ๐
Questo repository presenta una selezione di progetti di machine learning intrapresi per comprendere e padroneggiare vari concetti di ML. Ogni progetto riflette l'impegno nell'applicare conoscenze teoriche a scenari pratici, dimostrando competenza nelle tecniche e negli strumenti di machine learning.
Chat Haruhi Suzumiya, un chatbot open source di Role-Playing Cheng Li, Ziang Leng e altri.
Questo รจ un tutorial in coreano scritto sulla base della documentazione ufficiale di LangChain, del Cookbook e di altri esempi pratici. Attraverso questo tutorial, puoi imparare a usare LangChain in modo piรน semplice ed efficace.
Esempi ufficiali di Azure Machine Learning guidati dalla community, testati con GitHub Actions.
Vari tipi di analisi azionaria in Excel, Matlab, Power BI, Python, R e Tableau
Un valutatore automatico per modelli linguistici che seguono istruzioni. Validato dagli esseri umani, di alta qualitร , economico e veloce.
Implementazione di tutti gli algoritmi RL in modo piรน semplice
Ricette per rimpicciolire, ottimizzare e personalizzare modelli di visione all'avanguardia. ๐
InstantStyle: Pranzo gratuito per la generazione di testo-immagine che preserva lo stile ๐ฅ
Un'introduzione concisa e adatta ai principianti alle idee fondamentali dell'algebra lineare.
Implementazione ufficiale per "Prompting automatico della catena di pensiero nei modelli linguistici di grandi dimensioni" (resta sintonizzato e verranno aggiornati altri contenuti)
Approaching (Almost) Any Machine Learning Problem versione cinese, indirizzo della documentazione online: https://ytzfhqs.github.io/AAAMLP-CN/
[CVPR 2021] Implementazione ufficiale PyTorch per Transformer Interpretability Beyond Attention Visualization, un nuovo metodo per visualizzare classificazioni da reti basate su Transformer.
OneDiff: Una libreria di accelerazione pronta all'uso per modelli di diffusione.
Esegui qualsiasi Llama 2 localmente con interfaccia grafica Gradio su GPU o CPU da qualsiasi luogo (Linux/Windows/Mac). Usa `llama2-wrapper` come tuo backend Llama2 locale per agenti/app generativi.
Repository pubblico per la specializzazione MLEP di DeepLearning.AI
100 giorni di ingegneria dellโinferenza degli LLM โ post quotidiani, esperimenti e visualizzazioni
Quaderni di esercizi per i moduli di Machine Learning su Microsoft Learn
Le conoscenze di una vita di un programmatore! Note e tutorial. Esame di ammissione post-laurea, impiego, studio. Lingue: Android, C++, Java, JavaScript, Latex, MATLAB, NodeJS, PHP, Python. Tecnologia: Docker, Git, Linux, Maven, Office, Spark, Spring, SVN. Fondamenti: Teoria dei compilatori, Sistemi operativi, Microcontrollori, Reti di computer, Laboratorio di reti di computer, Modelli architetturali, Scrittura di documentazione software, Design pattern, Strutture dati, Database, Algoritmi, Modellazione UML, Programmazione Windows. Matematica: Probabilitร e statistica matematica, Calcolo infinitesimale, Algebra lineare, Tensori. Machine learning: Machine learning, PyTorch, Sklearn, TensorFlow
Binding Python per DeepStream SDK e applicazioni di esempio
Galleria di tutorial OSMnx, esempi di utilizzo e dimostrazioni di funzionalitร .
Benchmarking del trasferimento di conoscenza nell'apprendimento robotico permanente
Implementazione in PyTorch di vari metodi per l'apprendimento continuo (XdG, EWC, SI, LwF, FROMP, DGR, BI-R, ER, A-GEM, iCaRL, Generative Classifier) in tre scenari diversi.
Adatto a principianti e intermedi in avanzamento, una volta che il sistema รจ in atto, dipende dalla padronanza.
Riduzione del rumore in Python usando spectral gating (voce, bioacustica, audio, segnali nel dominio temporale)
Una guida completa alla creazione di applicazioni LLM basate su RAG per la produzione.
GPU NVIDIA multiple o Apple Silicon per l'inferenza di Large Language Model?
Libreria Python per la visualizzazione interattiva di modelli di topic. Port del pacchetto R LDAvis.