Jupyter Notebook Repositórios
1,614 repositórios no total
Respostas aos exercícios de métodos de aprendizado de máquina, endereço para leitura online: https://datawhalechina.github.io/statistical-learning-method-solutions-manual
Este recurso é o suporte para os artigos de processamento de imagens em Python escritos pelo autor no CSDN, e principalmente contém a implementação do código para algoritmos como processamento de imagem, reconhecimento de imagem e classificação de imagem em Python. Espero que este recurso seja útil para você, vamos em frente juntos.
Uma extensão jupyter de prova de conceito que converte consultas em inglês em código Python relevante
Explique, analise e visualize modelos de linguagem NLP. O Ecco cria visualizações interativas diretamente em notebooks Jupyter, explicando o comportamento de modelos de linguagem baseados em Transformer (como GPT2, BERT, RoBERTA, T5 e T0).
Implementação PyTorch para Modelagem Generativa Baseada em Pontuação através de Equações Diferenciais Estocásticas (ICLR 2021, Oral)
Perguntas de Entrevista para Posições de Algoritmo em Modelos Grandes (com Respostas): Perguntas Frequentes e Análise de Conceitos "Perguntas de Entrevista para Modelos Grandes", "Entrevista para Posição de Algoritmo", "Perguntas Comuns de Entrevista", "Entrevista de Algoritmo para Modelos Grandes", "Fundamentos de Aplicações de Modelos Grandes"
A Classiq Library é a maior coleção de algoritmos e aplicações quânticas. É a melhor forma de explorar software de computação quântica. Damos as boas-vindas a contribuições da comunidade para a nossa Biblioteca 🙌
Este repositório apresenta uma seleção de projetos de aprendizado de máquina realizados para compreender e dominar diversos conceitos de ML. Cada projeto reflete o compromisso de aplicar o conhecimento teórico a cenários práticos, demonstrando proficiência em técnicas e ferramentas de aprendizado de máquina.
Chat凉宫春日, Um chatbot de Role-Playing de código aberto Cheng Li, Ziang Leng, e outros.
Este é um tutorial em coreano elaborado com base nos documentos oficiais do LangChain, no Cookbook e em outros exemplos práticos. Através deste tutorial, você pode aprender a usar o LangChain de forma mais fácil e eficaz.
Exemplos oficiais de Azure Machine Learning impulsionados pela comunidade, testados com o GitHub Actions.
Vários Tipos de Análise de Ações no Excel, Matlab, Power BI, Python, R e Tableau
Um avaliador automático para modelos de linguagem que seguem instruções. Validado por humanos, de alta qualidade, barato e rápido.
Implementação de todos os algoritmos de RL de uma forma mais simples
Receitas para reduzir, otimizar e personalizar modelos de visão de ponta. 💜
InstantStyle: Almoço Grátis rumo à Preservação de Estilo na Geração de Texto para Imagem 🔥
Uma introdução concisa e amigável para iniciantes aos conceitos centrais da álgebra linear.
Implementação oficial para "Prompting Automático de Cadeia de Pensamento em Grandes Modelos de Linguagem" (fique ligado e mais será atualizado)
A versão traduzida para chinês de "Approaching (Almost) Any Machine Learning Problem", endereço do documento online: https://ytzfhqs.github.io/AAAMLP-CN/
[CVPR 2021] Implementação oficial em PyTorch para a Interpretabilidade de Transformers Além da Visualização de Atenção, um método inovador para visualizar classificações por redes baseadas em Transformer.
OneDiff: Uma biblioteca de aceleração pronta para uso para modelos de difusão.
Execute qualquer Llama 2 localmente com a interface de usuário gradio em GPU ou CPU, a partir de qualquer lugar (Linux/Windows/Mac). Utilize `llama2-wrapper` como seu backend local do Llama 2 para Agentes/Aplicativos Generativos.
Repositório público para a Especialização MLEP da DeepLearning.AI
100 dias de engenharia de inferência de LLM — publicações diárias, experimentos e visualizações
Cadernos de exercícios para módulos de Machine Learning no Microsoft Learn
Cadernos sobre métodos Bayesianos para aprendizado de máquina
A aprendizagem de uma vida inteira de um programador! Notas & Tutoriais. Exames de Pós-Graduação, Emprego, Estudos. Seção de Linguagens: Android, C++, Java, JavaScript, Latex, MATLAB, NodeJS, PHP, Python. Seção de Tecnologia: docker, git, Linux, Maven, office, Spark, Spring, SVN. Seção de Fundamentos: Princípios de Compilação, Sistemas Operacionais, Microcontroladores, Redes de Computadores, Laboratório de Redes de Computadores, Padrões de Arquitetura, Escrita de Documentação de Software, Padrões de Projeto, Estrutura de Dados, Banco de Dados, Algoritmos, Modelagem UML, Programação Windows. Seção de Matemática: Teoria da Probabilidade e Estatística Matemática, Cálculo, Álgebra Linear, Tensores. Seção de Aprendizado de Máquina: Aprendizado de Máquina, pytorch, sklearn, TensorFlow
Galeria de tutoriais do OSMnx, exemplos de uso e demonstrações de funcionalidades.
Benchmarking Transferência de Conhecimento em Aprendizagem Robótica ao Longo da Vida
Implementação PyTorch de vários métodos para aprendizado contínuo (XdG, EWC, SI, LwF, FROMP, DGR, BI-R, ER, A-GEM, iCaRL, Classificador Generativo) em três cenários diferentes.
Adequado para iniciantes a intermediários em ascensão, depois de ter o sistema, tudo se resume à proficiência.
Redução de ruído em python usando filtragem espectral (fala, bioacústica, áudio, sinais no domínio do tempo)
Um guia completo para construir aplicações LLM baseadas em RAG para produção.
Múltiplas GPUs NVIDIA ou Apple Silicon para Inferência de Modelos de Linguagem Grandes?
Biblioteca Python para visualização interativa de modelagem de tópicos. Porto do pacote LDAvis do R.