#numpy Repositórios
146 repositórios no total
Código-fonte do PyGAD, uma biblioteca Python 3 para construir o algoritmo genético e treinar algoritmos de aprendizado de máquina (Keras e PyTorch).
🚀 Mais de 500 recursos selecionados para Análise de Dados e Ciência de Dados: Python, SQL, Estatística, ML, IA, Visualização, Folhas de dicas (Cheatsheets), Mapas de progresso (Roadmaps), Preparação para entrevistas. Para iniciantes e especialistas.
Um livro de acesso aberto sobre técnicas de vetorização numpy, Nicolas P. Rougier, 2017
Algoritmos de ML implementados e derivados a partir de primeiros princípios em Jupyter Notebooks e NumPy
Matemática de precisão mista e kernels de álgebra linear e recuperação, mais de 4000 símbolos, de números de 4 bits a números complexos de 128 bits, para x86, Arm, RISC-V, LoongArch, Power e WASM, incluindo AMX e SME 📐
🤖 Experimentos interativos de Machine Learning: 🏋️treinamento de modelos + 🎨demonstração de modelos
Uma biblioteca Python fácil de usar para processar e manipular nuvens de pontos 3D e malhas.
Integração do Home Assistant para monitoramento de eletrodomésticos via tomada inteligente: detecta ciclos, corresponde programas, estima o tempo restante. Suporta máquinas de lavar, secadoras, lava-louças e mais.
Computação de alto desempenho para tensores N-dimensionais no .NET, com uma API idêntica à do NumPy.
Métricas comuns de risco financeiro e desempenho. Usado por zipline e pyfolio.
Teoria de processamento digital de sinais (DSP): sinais, filtragem (IIR, FIR, CIC, MAF), transformadas (FFT, DFT, Hilbert, Transformada Z) etc.
Uma coleção de trechos de código da publicação Daily Dose of Data Science no Substack: http://www.dailydoseofds.com/
DS e ML escaláveis em Python, de forma compatível com API e extremamente rápida.
Operações de Kernel, em CPUs e GPUs, com autodiferenciação e sem transbordamentos de memória
Aprendizado de máquina, estatística e mineração de dados para astronomia e astrofísica
Gerador de mundo usando simulação de placas, sombra orográfica, erosão, etc.
Introdução ao PyTorch, abordando a inicialização de tensores, operações, indexação e reformatação.
Gráficos 3D WebGL para Jupyter: malhas, isossuperfícies, volumes, voxels e nuvens de pontos a partir de arrays NumPy, com um renderizador cinematográfico baseado em path tracing.
Framework personalizável de processamento multimídia/vídeo multiplataforma. Com forte aceleração de GPU, design heterogêneo, suporte a vários idiomas, fácil de usar, compatível com várias estruturas e alto desempenho, o framework é ideal para transcodificação, inferência de IA, integração de algoritmos, streaming de vídeo ao vivo e muito mais.
Biblioteca de Análise de Sensibilidade em Python. Contém métodos Sobol, Morris, FAST e outros.
Manipule dados semelhantes a JSON com expressões idiomáticas semelhantes a NumPy.
Um curso de métodos numéricos com Python para engenheiros e cientistas: atualmente 5 módulos de aprendizagem, com trabalhos para os alunos.
Curso de 'Introdução à Modelagem Matemática', a série de tutoriais de modelos e algoritmos de modelagem matemática mais completa de toda a web, que o guiará para o mundo da modelagem matemática!
Análise Exploratória de Dados Prática com Python, publicado pela Packt