Jupyter Notebook Репозитории
Всего репозиториев: 1,614
Блокноты Jupyter для примеров кода из книги "Deep Learning with Python"
Qwen3-VL — это серия мультимодальных больших языковых моделей, разработанная командой Qwen компании Alibaba Cloud.
Репозиторий предоставляет код для выполнения инференса с помощью Meta Segment Anything Model 2 (SAM 2), ссылки для загрузки обученных чекпоинтов модели и примеры ноутбуков, демонстрирующие, как использовать модель.
Материалы для курса "Learn PyTorch for Deep Learning: Zero to Mastery".
Крошечный скалярный движок автодифференцирования и библиотека нейронных сетей поверх него с API, похожим на PyTorch
[🔥обновляется ...] AI Автоматический робот для количественной торговли (полностью локальное развертывание) Платформа для количественных исследований инвестиций на базе ИИ. 📃 онлайн-документация: https://ufund-me.github.io/Qbot ✨ :news: qbot-mini: https://github.com/Charmve/iQuant
Добро пожаловать в «Кулинарную книгу Llama»! Это ваше руководство по созданию с помощью Llama: начало работы с инференсом, дообучением, RAG. Мы также покажем вам, как решать комплексные проблемы, используя семейство моделей Llama и применяя их в различных сервисах поставщиков.
Книга по фильтру Калмана с использованием Jupyter Notebook. Фокусируется на развитии интуиции и опыта, а не на формальных доказательствах. Включает фильтры Калмана, расширенные фильтры Калмана, unscented фильтры Калмана, сглаживающие фильтры и многое другое. Все упражнения включают решения.
Начните создавать полностековые агенты с помощью Gemini 2.5 и LangGraph
[WIP] Ресурсы для инженеров ИИ. Также содержит вспомогательные материалы для книги "AI Engineering" (Chip Huyen, 2025)
💿 Бесплатное ПО, которое отлично работает, и к тому же оно является open-source Python.
Примеры кода и блокноты для генеративного ИИ в Google Cloud с платформой Gemini
Этот проект представляет собой часто встречающиеся на собеседованиях по машинному обучению (Machine Learning), глубокому обучению (Deep Learning) и НЛП пункты знаний и реализации кода, а также является обязательными теоретическими базовыми знаниями для инженера по алгоритмам.
AISystem в основном относится к системам ИИ, включая базовые технологии всего стека ИИ, такие как ИИ-чипы, ИИ-компиляторы, а также фреймворки для инференса и обучения ИИ
Этот учебный курс с открытым исходным кодом знакомит с основами протокола контекста модели (MCP) на реальных межъязыковых примерах в .NET, Java, TypeScript, JavaScript, Rust и Python. Разработанный для разработчиков, он фокусируется на практических методах создания модульных, масштабируемых и безопасных рабочих процессов ИИ от настройки сеанса до оркестрации служб.
Grounded SAM: Объединение Grounding DINO с Segment Anything & Stable Diffusion & Recognize Anything — Автоматическое обнаружение, сегментация и генерация всего
《Курс глубокого обучения Ли Хунъи》(Рекомендовано профессором Ли Хунъи 👍, Apple Books 🍎), Ссылка для скачивания PDF: https://github.com/datawhalechina/leedl-tutorial/releases
Практическое введение в видеотехнологии: изображение, видео, кодек (av1, vp9, h265) и другое (кодирование ffmpeg).
Бесплатный курс по MLOps от DataTalks.Club. Зарегистрируйтесь здесь 👇🏼, чтобы получить уведомление о следующем наборе
Этот репозиторий содержит реализации и иллюстративный код для сопровождения публикаций DeepMind.
API оффлайн-распознавания речи для Android, iOS, Raspberry Pi и серверов с Python, Java, C# и Node
Ученый ИИ: На пути к полностью автоматизированному открытому научному открытию 🧑🔬
Изучайте ML-инженерию бесплатно за 4 месяца! Зарегистрируйтесь здесь 👇🏼
Этот репозиторий содержит исходный код для статьи First Order Motion Model for Image Animation
Руководство по обучению с подкреплением на китайском языке (Книга-гриб 🍄), адрес для онлайн-чтения: https://datawhalechina.github.io/easy-rl/
Руководство по обработке естественного языка для исследователей глубокого обучения
Скрипты глубокого обучения передового уровня, организованные по моделям - легко обучать и развертывать с воспроизводимой точностью и производительностью на инфраструктуре корпоративного уровня.
Серия ноутбуков Jupyter, которые помогут вам освоить основы машинного обучения и глубокого обучения в Python с использованием Scikit-Learn, Keras и TensorFlow 2.
Этот проект представляет собой руководство по разработке приложений на основе больших моделей для начинающих разработчиков. Адрес для онлайн-чтения: https://datawhalechina.github.io/llm-universe/
Реализация статьи - YOLOv7: Обучаемый набор «bag-of-freebies» устанавливает новый стандарт для детекторов объектов в реальном времени
Синтез изображений высокого разрешения с помощью латентных диффузионных моделей