#jupyter-notebook Repositórios
Descubra 174 repositórios ativos de código aberto no GitHub marcados com #jupyter-notebook, acumulando um total de 887,335 estrelas (uma média de 5,099 por projeto). O líder deste tópico é jackfrued/Python-100-Days, com 187,961 estrelas.
174 repositórios no total
Python Data Science Handbook: texto completo em Jupyter Notebooks
também conhecido como "Métodos Bayesianos para Hackers": Uma introdução aos métodos Bayesianos + programação probabilística com um ponto de vista focado em computação/compreensão primeiro, e matemática depois. Tudo em Python puro ;)
⛔️ DEPRECATADO – Veja https://github.com/ageron/handson-ml3 ou handson-mlp em vez disso.
Materiais e notebooks IPython para "Python para Análise de Dados" de Wes McKinney, publicado pela O'Reilly Media
🤖 Exemplos em Python de algoritmos populares de aprendizado de máquina com demos interativas no Jupyter e explicações matemáticas
✅(Concluído) Notas super completas de Deep Learning 【Tuduī PyTorch】【Li Mu Aprenda Deep Learning na Prática】【Andrew Ng Deep Learning】【Dafei Grandes Modelos Agent】
Livro Filtro de Kalman usando Jupyter Notebook. Foca em construir intuição e experiência, não em provas formais. Inclui filtros de Kalman, filtros de Kalman estendidos, filtros de Kalman sem cheiro, filtros de partículas e mais. Todos os exercícios incluem soluções.
Uma rede neural que transforma um protótipo de design em um site estático.
Desenhe mapas bonitos a partir de dados do OpenStreetMap! Construído com osmnx +matplotlib + shapely
1 Linha de perfilamento de qualidade de dados e análise exploratória de dados para DataFrames Pandas e Spark.
Mergulhe neste repositório, um recurso abrangente que cobre Estruturas de Dados, Algoritmos, 450 DSA por Love Babbar, a planilha Striver DSA, a planilha Apna College DSA e Perguntas FAANG! 🚀 Isso não é tudo! Temos Assuntos Técnicos como Sistemas Operacionais, SGBD, SQL, Redes de Computadores e Programação Orientada a Objetos, tudo esperando por você.
Exemplo de 📓 cadernos Jupyter que demonstram como construir, treinar e implantar modelos de aprendizado de máquina usando 🧠 Amazon SageMaker.
Melhores Práticas, exemplos de código e documentação para Visão Computacional.
Evidently é uma estrutura de observabilidade de ML e LLM de código aberto. Avalie, teste e monitore qualquer sistema com IA ou pipeline de dados. De dados tabulares a Gen AI. Mais de 100 métricas.
Cadernos e código para o livro "Introdução ao Aprendizado de Máquina com Python"
Uma lista selecionada de notebooks e bibliotecas de aprendizado de máquina e ciência de dados aplicados em diversas indústrias (por @firmai)
Repositório para armazenar programas de exemplo em python para aprendizado de python
Stock AI Trader: plataforma completa para aprender, fazer trading simulado e operar no mercado real. Abrange fundamentos do mercado de ações, estratégias, grandes modelos de linguagem, mineração de fatores, aprendizado de máquina/aprendizado profundo/aprendizado por reforço, redes neurais de grafos, trading de alta frequência, implantação em C++ e código JoinQuant.
Uma coleção de várias extensões de notebook para Jupyter
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
Uma lista selecionada de projetos, bibliotecas e recursos Jupyter incríveis
Fundamentos de Machine Learning: Álgebra Linear, Cálculo, Estatística e Ciência da Computação
Uma biblioteca rápida para AutoML e otimização. Junte-se ao nosso Discord: https://discord.gg/Cppx2vSPVP.
Impressione seu chefe e transforme um notebook Jupyter em um belo aplicativo web compartilhável — sem callbacks, sem frontend, sem reescrita.
Showcase de IA generativa da MongoDB: uma coleção abrangente de exemplos e aplicações de demonstração que abrangem a geração aumentada por recuperação (RAG), agentes de IA e casos de uso específicos de cada setor.
Um pacote Python para análise geoespacial interativa e visualização com o Google Earth Engine.
Deepchecks: Testes para Validação Contínua de Modelos e Dados de ML. Deepchecks é uma solução holística de código aberto para todas as suas necessidades de validação de IA e ML, permitindo testar completamente seus dados e modelos da pesquisa à produção.
Synapsa Commons: cursos gratuitos e práticos de IA que funcionam em qualquer lugar (Colab, Kaggle, Binder, Codespaces, Jupyter). Evidências de conformidade com o Regulamento de IA da UE, validação de modelos, manutenção preditiva, extração de documentos, recuperação e RAG, agentes de IA e MCP, além de um humanoide simulado. Cada lição é avaliada automaticamente. Da equipe que está construindo a Synapsa.
Uma sequência de notebooks Jupyter apresentando os "12 Passos para Navier-Stokes" http://lorenabarba.com/
Um pacote Python para mapeamento interativo e análise geoespacial com codificação mínima em um ambiente Jupyter
Perguntas Frequentes
Qual é o repositório de #jupyter-notebook mais popular no GitHub?
O projeto de código aberto de #jupyter-notebook mais bem classificado no GitHub é jackfrued/Python-100-Days, com 187,961 estrelas. Python - 100 dias de iniciante a mestre
Quais linguagens de programação são mais usadas nos repositórios de #jupyter-notebook?
Entre os projetos de #jupyter-notebook mais bem classificados no GitHub, as linguagens de programação mais comuns são Jupyter Notebook, Python, HTML, TypeScript.
Como é calculada a classificação dos repositórios de #jupyter-notebook?
Acompanhamos 174 repositórios ativos de código aberto marcados com #jupyter-notebook (com mais de 500 estrelas), totalizando 887,335 estrelas e uma média de 5,099 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.