Jupyter Notebook Репозитории
Всего репозиториев: 1,614
Проекты компьютерного зрения | Забавные ИИ-проекты, связанные с компьютерным зрением (Python, C++, встраиваемые системы)
Расширения Jupyter, которые помогут вам быстрее писать код: контекстно-зависимый чат с ИИ, автозаполнение и электронная таблица
LeetCode для PyTorch — 65 задач по машинному обучению и ИИ из реальных собеседований в Google, Meta и Anthropic. Jupyter-ноутбуки, автопроверка и ИИ-репетитор на базе MCP.
Apache Hamilton помогает специалистам по данным и инженерам определять тестируемые, модульные, самодокументируемые потоки данных, которые кодируют происхождение/отслеживание и метаданные. Работает и масштабируется везде, где работает python.
Блокноты, примеры кода и справочные материалы по машинному обучению и генеративному ИИ в Google Cloud для буткемпов Advanced Solutions Lab (ASL).
Интерактивные панели Python для изучения науки о данных
Практическое изучение Ollama: развертывание больших моделей на CPU, адрес для онлайн-чтения: https://datawhalechina.github.io/handy-ollama/
Face Depixelizer на основе репозитория «PULSE: Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models».
Этот репозиторий содержит список проектов скриптов Python, медленно развивающихся с начального уровня. Скоро будет добавлено больше фрагментов кода. Не стесняйтесь клонировать этот репозиторий.
Образовательная система программного обеспечения с крошечным самостоятельно компилируемым компилятором C, крошечным самостоятельно исполняемым эмулятором RISC-V и крошечным самостоятельно хостящимся гипервизором RISC-V.
Этот репозиторий содержит различные передовые методы для систем генерации с дополненной выборкой (RAG).
Конспекты лекций по линейной алгебре с использованием Python. Эта серия конспектов лекций проведет вас через все необходимые концепции, которые закладывают основу для науки о данных или продвинутых количественных навыков. Подходит для статистиков/эконометристов, количественных аналитиков, специалистов по данным и т. д. для быстрого освежения знаний по линейной алгебре с помощью вычислений и визуализации на Python.
Это репозиторий для нашего нового проекта Highly Accurate Dichotomous Image Segmentation
Учебные пособия Jupyter Notebook по решению реальных проблем с помощью Machine Learning & Deep Learning с использованием PyTorch. Темы: Обнаружение лиц с Detectron 2, Обнаружение аномалий в временных рядах с LSTM Autoencoders, Обнаружение объектов с YOLO v5, Создайте свою первую Neural Network, Прогнозирование временных рядов для ежедневных случаев Coronavirus, Анализ настроений с BER
Реализация SimCLR на PyTorch: Простая структура для контрастного обучения визуальных представлений
Этот репозиторий содержит упражнения и их решения, представленные в книге "An Introduction to Statistical Learning" на языке Python.
О выпуске кода для «Autoformer: Decomposition Transformers with Auto-Correlation for Long-Term Series Forecasting» (NeurIPS 2021), https://arxiv.org/abs/2106.13008
EfficientSAM: Использовано предварительное обучение изображений с маскированием для эффективного Segment Anything
Создайте помощник электронной почты с участием человека и памятью
Работа со всеми неструктурированными данными, такими как обратный поиск изображений, поиск аудио, молекулярный поиск, анализ видео, системы вопросов и ответов, NLP и т. д.
SDK для взаимодействия с API stability.ai (например, вывод Stable Diffusion)
3D U-Net модель для объемной семантической сегментации, написанная на PyTorch
Qwen-UI-Agent: На пути к следующему поколению фундаментальных GUI-агентов, ориентированных на реальный мир
Сценарии, руководства и демонстрации для автономного вождения
Machine Learning University: Ускоренный курс по обработке естественного языка
Решения по Reinforcement Learning: Введение
Современные модели CLIP для изображений и видео, мультимодальные большие языковые модели и многое другое!
Интерактивный инструмент визуализации данных, который выводит графику matplotlib в браузер с помощью D3.
Выполнение простого извлечения данных из моделей LLM при различных длинах контекста для измерения точности