Jupyter Notebook Репозитории
Всего репозиториев: 1,614
Реализация XFeat (CVPR 2024). Вам нужна надежная и быстрая экстракция локальных признаков? Вы оказались в нужном месте!
Этот репозиторий предоставляет продвинутое решение Retrieval-Augmented Generation (RAG) для сложных ответов на вопросы. В нем используется сложный графовый алгоритм для выполнения задач.
Неофициальный Parallel WaveGAN (+ MelGAN & Multi-band MelGAN & HiFi-GAN & StyleMelGAN) с PyTorch
Единое обучение универсальных трансформеров для прогнозирования временных рядов
Интерпретируемый пакет ML 🔍 для краткого, прозрачного и точного предиктивного моделирования (совместим с sklearn).
Курс по Data Science от General Assembly 2015 года в Вашингтоне, округ Колумбия
[ICLR'24] Официальная реализация Magic123 на PyTorch: генерация высококачественных 3D-объектов по одному изображению с использованием 2D и 3D диффузионных априорных моделей
Официальный код для "FeatUp: Модельно-независимая структура для признаков любого разрешения" ICLR 2024
Библиотека Jupyter-ноутбуков и соответствующих лекций на YouTube от Романа Паолуччи
Мощный инструмент для автоматизированного фаззинга LLM. Он разработан, чтобы помочь разработчикам и исследователям безопасности выявлять и смягчать потенциальные обходы защиты (jailbreaks) в их LLM API.
Machine Learning University: Ускоренный курс по компьютерному зрению
[ACM MM 2024] Это официальный код для "AniTalker: Animate Vivid and Diverse Talking Faces through Identity-Decoupled Facial Motion Encoding"
Учебник, показывающий, как обучать, конвертировать и запускать модели обнаружения объектов TensorFlow Lite на устройствах Android, Raspberry Pi и не только!
Kernl позволяет вам запускать модели трансформеров PyTorch в несколько раз быстрее на GPU с помощью одной строки кода, и разработан так, чтобы его было легко модифицировать.
KoAlpaca: Модель языка с открытым исходным кодом для понимания корейских инструкций
Seed1.5-VL, фундаментальная модель обработки изображений и языка, разработанная для продвижения общего мультимодального понимания и рассуждений, достигающая передовых результатов по 38 из 60 общедоступных эталонных тестов.
Математическое выведение и реализация на чистом Python коде алгоритмов машинного обучения.
Библиотека PyTorch, полностью посвященная нейронным дифференциальным уравнениям, неявным моделям и связанным с ними численным методам
Robyn — это экспериментальный пакет для моделирования маркетинговой смеси (MMM) с открытым исходным кодом от Meta Marketing Science, работающий на базе ИИ/МО. Наша миссия — демократизировать знания в области моделирования, вдохновлять отрасль через инновации, уменьшать человеческие предубеждения в процессе моделирования и создавать сильное сообщество маркетинговых наук с открытым исходным кодом.
Этот репозиторий содержит примеры для клиентов, чтобы начать использовать сервис Amazon Bedrock. Он содержит примеры для всех доступных базовых моделей.
Этот репозиторий создан для проведения симуляций и анализа данных, собранных в диссертационном исследовании Цзююна Бай.
В рамках данного проекта была разработана и реализована интеллектуальная система медицинских вопросов и ответов, основанная на RAG (генерации с дополнением поиском) на базе графов знаний и больших языковых моделей. Используя медицинский набор данных DiseaseKG и Neo4j, система строит предметно-ориентированный граф знаний, содержащий 44 000 сущностей и 310 000 связей. Сочетая распознавание именованных сущностей с помощью BERT и распознавание намерений с помощью модели 32B, система эффективно снижает проблему галлюцинаций больших моделей в медицинских сценариях за счет точного поиска по графу и контролируемой генерации ответов, что значительно повышает точность и надежность предоставляемой информации.
Официальный репозиторий моей книги: «Глубокое обучение с PyTorch шаг за шагом: Руководство для начинающих»
Сборник пошаговых руководств по настройке AI/ML-нагрузок на устройствах NVIDIA DGX Spark с архитектурой Blackwell.
Портфолио проектов по науке о данных, выполненных мной в академических целях, для самообучения и в качестве хобби.
Эффективные трюки и инструменты Python для специалистов по данным
Тестируйте LLM, сражаясь в Street Fighter 3! Новый способ оценить качество LLM
Хорошо задокументированные демонстрации на Python для пространственного анализа данных, геостатистики и машинного обучения для поддержки моих курсов.
Группа ноутбуков и других файлов, которые могут помочь вам изучить ИИ с нуля.
fire-smoke-detect-yolov4-yolov5 и fire-smoke-detection-dataset обнаружение пожара, обнаружение дыма
TextWorld — это песочница для обучения, предназначенная для тренировки и оценки агентов обучения с подкреплением (RL) в текстовых играх.
Открытый пакет Python для извлечения признаков Radiomics из 2D- и 3D-изображений и бинарных масок. Поддержка: https://discourse.slicer.org/c/community/radiomics