Jupyter Notebook Repositórios
1,614 repositórios no total
O adaptador de prompt de imagem é projetado para permitir que um modelo de difusão pré-treinado de texto para imagem gere imagens com prompt de imagem.
Código para o Livro de Receitas de Aprendizado de Máquina do Tensorflow
Modelos Silero: modelos de conversão de texto em fala pré-treinados tornados incrivelmente simples
Orquestração de GPU tolerante a falhas e altamente escalável, e um framework de aprendizado de máquina projetado para treinar modelos com bilhões a trilhões de parâmetros
Uma biblioteca de redes neurais compatível com scikit-learn que envolve PyTorch
Otimização de portfólio financeiro em Python, incluindo a fronteira eficiente clássica, Black-Litterman e paridade de risco hierárquica
Séries Temporais Timeseries Deep Learning Machine Learning Python Pytorch fastai | Biblioteca de Deep Learning de ponta para Séries Temporais e Sequências em Pytorch / fastai
Versão chinesa do CLIP que alcança a recuperação cross-modal e a geração de representação em chinês.
Este é o código oficial para o projeto MobileSAM que torna o SAM leve para aplicações móveis e muito mais!
Uma coleção de exemplos que mostram como usar o framework CrewAI para automatizar fluxos de trabalho.
YOLOv6: uma estrutura de detecção de objetos de estágio único dedicada a aplicações industriais.
250+ Notebooks de Fine-tuning & RL para modelos de texto, visão, áudio, embedding, TTS.
Todos os materiais do curso Zero to Mastery Deep Learning com TensorFlow.
T81-558: Keras - Aplicações de Redes Neurais Profundas @Washington University in St. Louis
Reconhecimento Automático de Fala com Diarização de Locutor baseado em OpenAI Whisper
Tutoriais sobre a implementação de alguns modelos de sequência para sequência (seq2seq) com PyTorch e TorchText.
Código PyTorch para BLIP: Pré-treinamento de Bootstrapping de Linguagem-Imagem para Compreensão e Geração Unificadas de Visão-Linguagem
Projetos e exercícios do programa mais recente de Nanodegree em Aprendizado Profundo https://www.udacity.com/course/deep-learning-nanodegree--nd101
Repositório de Código para Aprendizado de Máquina com PyTorch e Scikit-Learn
Construção de grafos Neo4j a partir de dados não estruturados usando LLMs
Materiais bônus, exercícios e projetos de exemplo para nossos tutoriais de Python
Sutskever 30 implementações inspiradas em https://papercode.vercel.app/ | Para Agents, use https://github.com/pageman/Sutskever-Agent | Versão Poliglota / Multi-Backend em https://github.com/pageman/sutskever-30-beyond-numpy
CoTracker é um modelo para rastrear qualquer ponto (pixel) em um vídeo.
Repositório para o programa Nanodegree de Aprendizado por Reforço Profundo
“Guia para Construir uma Caixa Branca de Modelo Grande”: Um Tiny-Universe totalmente construído do zero
Código para o livro Deep Learning with PyTorch de Eli Stevens, Luca Antiga e Thomas Viehmann.
links para publicações de conferências em aprendizado profundo baseado em grafos
🎓 Portfólio acadêmico que impulsiona citações. IA gera páginas, você possui como Markdown. Importação automática BibTeX, Jupyter, LaTeX, slides, editor de blocos visual — hospedagem gratuita para sempre. Página acadêmica, gerada por IA, possui em Markdown 👇
Treine ou ajuste facilmente modelos de visão computacional SOTA com uma biblioteca de treinamento de código aberto. A casa do Yolo-NAS.
🚀 Um currículo de código aberto e prático que preenche a lacuna desde conceitos básicos de RL até alinhamento de LLM, RLVR e sistemas Agentic avançados.
Contêineres de Aprendizado de Máquina para NVIDIA Jetson e JetPack-L4T
Uma Maneira Infalível de Gerar JSON Estruturado a Partir de Modelos de Linguagem
ALICE (Aprendizagem e Inteligência Automatizadas para Causa e Economia) é um projeto da Microsoft Research que visa aplicar conceitos de Inteligência Artificial à tomada de decisões econômicas. Um de seus objetivos é construir um conjunto de ferramentas que combine técnicas de aprendizado de máquina de última geração com econometria, a fim de automatizar problemas complexos de inferência causal. Até o momento, o SDK Python da ALICE (econml) implementa algoritmos de aprendizado de máquina ortogonais, como o trabalho de aprendizado de máquina duplo de
Uma linguagem de programação probabilística no TensorFlow. Modelos generativos profundos, inferência variacional.