#notebook Repositórios
Descubra 75 repositórios ativos de código aberto no GitHub marcados com #notebook, acumulando um total de 458,289 estrelas (uma média de 6,110 por projeto). O líder deste tópico é d2l-ai/d2l-zh, com 74,659 estrelas.
75 repositórios no total
“Aprendizagem Profunda Prática” (Dive into Deep Learning): Direcionado a leitores de chinês, executável e passível de discussão. As edições em chinês e inglês são usadas para o ensino em mais de 500 universidades, em mais de 70 países.
Uma implementação de código aberto do Notebook LM com mais flexibilidade e recursos
Livro interativo de aprendizado profundo com código de múltiplos frameworks, matemática e discussões. Adotado em 500 universidades de 70 países, incluindo Stanford, MIT, Harvard e Cambridge.
✅(Concluído) Notas super completas de Deep Learning 【Tuduī PyTorch】【Li Mu Aprenda Deep Learning na Prática】【Andrew Ng Deep Learning】【Dafei Grandes Modelos Agent】
Uma alternativa ao Evernote para anotações, totalmente de código aberto e com criptografia de ponta a ponta.
Uma ferramenta de anotações pessoais com IA, de código aberto e auto-hospedável, que prioriza a privacidade, desenvolvida com TypeScript.
Anotações em texto simples, marcação e arquivamento via CLI e web local com ligação, marcação, filtragem, pesquisa, versionamento e sincronização Git, conversão Pandoc, + mais, em um único script portátil.
Aplicativo de desenho/quadro branco com tela infinita para Windows, Linux e macOS. Feito com Godot.
Um editor Markdown altamente extensível com controle de versão, AI Copilot, anotações de documentos, mapas mentais, criptografia de documentos, trechos de código executáveis, incorporação de gráficos, applets HTML, plugins e substituição de macros. Seu terminal integrado na barra lateral torna o trabalho com IA mais rápido e conveniente.
QOwnNotes é um bloco de notas de arquivos em texto puro e gerenciador de listas de tarefas com suporte a Markdown e integração com Nextcloud / ownCloud.
Plataforma de IA unificada, open source, de machine learning/deep learning/grandes modelos nativa da nuvem cube studio, fluxo de trabalho completo de MLOps para algoritmos, plataforma de aluguel de poder computacional, desenvolvimento online em notebook, orquestração de pipeline de fluxo de tarefas arrastar e soltar, treinamento distribuído multi-máquina/multi-GPU, busca de hiperparâmetros, virtualização VGPU para serviço de inferência, computação de borda, anotação automatizada pela plataforma de anotação, ajuste fino SFT de grandes modelos como deepseek/modelo de recompensa/treinamento de aprendizado por reforço, inferência multi-máquina de grandes modelos como vllm/ollama/mindie, base de conhecimento privada, mercado de modelos de IA, suporte ao ecossistema chinês de CPUs/GPUs/NPUs Ascend, suporte a RDMA, suporte a frameworks distribuídos como pytorch/tf/mxnet/deepspeed/paddle/colossalai/horovod/ray/volcano
Cadernos Python com exemplos de ML e aprendizado profundo com o SDK Python do Azure Machine Learning | Microsoft
Impressione seu chefe e transforme um notebook Jupyter em um belo aplicativo web compartilhável — sem callbacks, sem frontend, sem reescrita.
Dashboards e notebooks em um só lugar. Crie dashboards poderosos e flexíveis usando código, ou construa belos notebooks no estilo Notion e compartilhe-os com sua equipe.
Biblioteca de Modelos de Competição de Algoritmos da KTH (... ou o patch de fabricação de AC da KTH)
Uma solução de código aberto para gestão de problemas e help desk. Uma alternativa ao Zendesk e Jira
Uma plataforma de aprendizado em circuito fechado de visão computacional onde o código pode ser executado interativamente online. Livro eletrônico em chinês sobre o ciclo de aprendizado de 'Visualização Computacional em Ação: Algoritmos e Aplicações', código-fonte, comunidade de intercâmbio com leitores (em constante atualização ...) 📘 Livro eletrônico online https://charmve.github.io/computer-vision-in-action/ 👇 Página inicial do projeto
Domine as habilidades essenciais necessárias para reconhecer e resolver problemas complexos do mundo real com Machine Learning e Deep Learning, aproveitando o ecossistema Python Machine Learning altamente popular.
Querybook é uma interface de consulta de Big Data, combinando metadados de tabela colocalizados e uma interface de notebook simples.
TidGi é um aplicativo de notas para desktop de gerenciamento de conhecimento, focado na privacidade, automatizado, com backup automático via Git e de implantação livre, baseado no Tiddlywiki, e que inclui uma API REST para web-clipping e conexão com Anki. O TidGi (「太记」) é um aplicativo de desktop de gerenciamento de conhecimento baseado no TiddlyWiki (「太微 TiddlyWiki」), que protege o conteúdo privado, oferece automação avançada, backup automático na nuvem via Git, pode ser implementado como um blog e se conecta com aplicativos como o Anki via REST API. (Está em desenvolvimento ativo e convidamos você a experimentá-lo. O progresso do desenvolvimento pode ser visto no link abaixo). (Em desenvolvimento ativo, consulte o site abaixo para obter detalhes.)
Assistência de codificação para JupyterLab (navegação de código + sugestões ao pairar + linters + preenchimento automático + renomeação) usando o Protocolo do Servidor de Linguagem
Um aplicativo moderno de anotações baseado em GIT que não requer um ambiente GIT local.
Tutoriais de Apache Spark e Python (pySpark) para Análise de Big Data e Machine Learning como notebooks IPython / Jupyter
Glamorous Toolkit é o Ambiente de Desenvolvimento Moldável. Ele capacita você a tornar os sistemas explicáveis através de microferramentas contextuais.
:notebook: eLabFTW é o mais popular caderno de laboratório eletrônico de código aberto para laboratórios de pesquisa.
Magias e kernels do Jupyter para trabalhar com clusters Spark remotos
🏆 Uma lista classificada de projetos fantásticos de Jupyter Notebook, Hub e Lab (extensões, kernels, ferramentas). Atualizada semanalmente.
Perguntas Frequentes
Qual é o repositório de #notebook mais popular no GitHub?
O projeto de código aberto de #notebook mais bem classificado no GitHub é d2l-ai/d2l-zh, com 74,659 estrelas. “Aprendizagem Profunda Prática” (Dive into Deep Learning): Direcionado a leitores de chinês, executável e passível de discussão. As edições em chinês e inglês são usadas para o ensino em mais de 500 universidades, em mais de 70 países.
Quais linguagens de programação são mais usadas nos repositórios de #notebook?
Entre os projetos de #notebook mais bem classificados no GitHub, as linguagens de programação mais comuns são TypeScript, Python, Jupyter Notebook, C++.
Como é calculada a classificação dos repositórios de #notebook?
Acompanhamos 75 repositórios ativos de código aberto marcados com #notebook (com mais de 500 estrelas), totalizando 458,289 estrelas e uma média de 6,110 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.