Jupyter Notebook Repositórios
1,614 repositórios no total
Implementação do XFeat (CVPR 2024). Você precisa de extração de características locais robustas e rápidas? Você está no lugar certo!
Este repositório fornece uma solução avançada de Geração Aumentada por Recuperação (RAG) para resposta a perguntas complexas. Ele utiliza algoritmos sofisticados baseados em grafos para lidar com as tarefas.
Unofficial Parallel WaveGAN (+ MelGAN & Multi-band MelGAN & HiFi-GAN & StyleMelGAN) com Pytorch
Treinamento Unificado de Transformers Universais de Previsão de Séries Temporais
Pacote de ML Interpretável 🔍 para modelagem preditiva concisa, transparente e precisa (compatível com sklearn).
[ICLR'24] Implementação oficial em PyTorch do Magic123: Geração de objetos 3D de alta qualidade a partir de uma única imagem usando priors de difusão 2D e 3D
Código oficial para "FeatUp: A Model-Agnostic Frameworkfor Features at Any Resolution" ICLR 2024
Uma biblioteca de notebooks Jupyter e palestras correspondentes no YouTube por Roman Paolucci
Uma ferramenta poderosa para fuzzing automatizado de LLM. Ela foi projetada para ajudar desenvolvedores e pesquisadores de segurança a identificar e mitigar possíveis jailbreaks em suas APIs de LLM.
Machine Learning University: Aula Acelerada de Visão Computacional
[ACM MM 2024] Este é o código oficial para "AniTalker: Animar Rostos Falantes Vívidos e Diversos Através da Codificação de Movimento Facial Desacoplada da Identidade"
Um tutorial mostrando como treinar, converter e executar modelos de detecção de objetos TensorFlow Lite em dispositivos Android, Raspberry Pi e mais!
O Kernl permite que você execute modelos de transformadores PyTorch várias vezes mais rápido em GPU com uma única linha de código, e foi projetado para ser facilmente modificável (hackable).
KoAlpaca: Um modelo de linguagem de código aberto para entender comandos em coreano (KoAlpaca: An open-source language model to understand Korean instructions)
Seed1.5-VL, um modelo fundamental de visão e linguagem projetado para avançar a compreensão e o raciocínio multimodal de propósito geral, alcançando o estado da arte em 38 de 60 benchmarks públicos.
Derivação matemática e implementação de código puramente Python de algoritmos de aprendizado de máquina.
Uma biblioteca PyTorch inteiramente dedicada a equações diferenciais neurais, modelos implícitos e métodos numéricos relacionados
Robyn é um pacote de Modelagem de Mix de Marketing (MMM) experimental, com tecnologia de IA/ML e de código aberto da Meta Marketing Science. Nossa missão é democratizar o conhecimento de modelagem, inspirar a indústria através da inovação, reduzir o viés humano no processo de modelagem e construir uma forte comunidade de ciência de marketing de código aberto.
Este repositório contém exemplos para que os clientes comecem a usar o Serviço Amazon Bedrock. Ele inclui exemplos para todos os modelos de base disponíveis.
Este repositório foi criado para servir simulação e análise dos dados coletados na pesquisa de dissertação de Jiuyang Bai.
Este projeto projetou e implementou um sistema inteligente de perguntas e respostas médicas baseado em RAG (Geração Aumentada por Recuperação) com grafos de conhecimento e grandes modelos de linguagem. Com base no conjunto de dados médico DiseaseKG e utilizando o Neo4j, o sistema constrói um grafo de conhecimento de domínio contendo 44.000 entidades e 310.000 relações. Ao combinar o reconhecimento de entidades nomeadas BERT com o reconhecimento de intenção por um modelo 32B, o sistema mitiga efetivamente as alucinações dos grandes modelos em cenários médicos através de uma recuperação precisa no grafo e geração controlada de respostas, aumentando significativamente a precisão e a confiabilidade das respostas.
Repositório oficial do meu livro: "Aprendizado Profundo com PyTorch Passo a Passo: Um Guia para Iniciantes"
Tutoriais e material de treinamento para a Plataforma de Aprendizado de Máquina H2O
Coleção de playbooks passo a passo para configurar cargas de trabalho de IA/ML em dispositivos NVIDIA DGX Spark com arquitetura Blackwell.
Portfólio de projetos de ciência de dados concluídos por mim para fins acadêmicos, de autoaprendizagem e hobby.
Truques e Ferramentas Eficientes do Python para Cientistas de Dados
Avalie LLMs lutando em Street Fighter 3! A nova maneira de avaliar a qualidade de um LLM
Demonstrações Python bem documentadas para análise de dados espaciais, geoestatística e aprendizado de máquina para apoiar meus cursos.
Um grupo de notebooks e outros arquivos que podem ajudá-lo a aprender IA do zero.
fire-smoke-detect-yolov4-yolov5 e fire-smoke-detection-dataset detecção de incêndio, detecção de fumaça
TextWorld é um ambiente de aprendizado sandbox para o treinamento e avaliação de agentes de aprendizado por reforço (RL) em jogos baseados em texto.
Pacote Python de código aberto para a extração de recursos de Radiômica de imagens 2D e 3D e máscaras binárias. Suporte: https://discourse.slicer.org/c/community/radiomics