Jupyter Notebook Репозитории
Всего репозиториев: 1,614
Репозиторий с открытым исходным кодом для семинара «Каузальное моделирование в машинном обучении» от Altdeep.ai @ www.altdeep.ai/courses/causalAI
Репозиторий предназначен для безопасных базовых методов обучения с подкреплением.
Практическое изучение алгоритмов и систем LLM с PyTorch, Triton и CUDA. «Руководство по алгоритмам и системам LLM»: архитектуры моделей и обучение, постобучение, ускорение инференса, оптимизация производительности и операторов; включает задания в Notebook, разбор ответов, тесты и эксперименты.
Этот проект направлен на обнаружение видео-дипфейков с использованием методов глубокого обучения, таких как RestNext и LSTM. Мы достигли обнаружения дипфейков, используя трансферное обучение, где предварительно обученная RestNext CNN используется для получения вектора признаков, далее слой LSTM обучается с использованием признаков. Для получения дополнительной информации следуйте документации.
Куратированный список практических приложений бизнес-машинного обучения (BML) и бизнес-науки о данных (BDS) для бухгалтерии, клиентов, сотрудников, юридических вопросов, управления и операций (от @firmai)
Блокноты, примеры кода, демонстрационные приложения и другие ресурсы, демонстрирующие, как использовать, разрабатывать и управлять рабочими процессами машинного обучения и генеративного ИИ с помощью Google Cloud Vertex AI.
[Премия MICCAI 2019 для молодых учёных] [Премия MedIA за лучшую статью] Models Genesis: самоконтролируемое предварительное обучение для трёхмерных медицинских изображений. Модель изучает переносимые представления на основе неразмеченных объёмных данных КТ и МРТ, а затем дообучается для последующих задач сегментации и классификации. Включены веса для Keras и PyTorch.
Набор данных наборов данных для обучения обучению на основе немногих примеров
Примените диффузионные модели с помощью нового пакета Hugging Face diffusers для синтеза музыки вместо изображений.
Инженерия признаков — это процесс использования знаний в предметной области для извлечения признаков из необработанных данных с помощью методов интеллектуального анализа данных. Эти признаки можно использовать для улучшения производительности алгоритмов машинного обучения. Инженерия признаков можно рассматривать как прикладное машинное обучение само по себе.
Коллекция ноутбуков Jupyter разработана, чтобы предоставить вам исчерпывающее руководство по различным инструментам и технологиям ИИ
Путь к самообразованию в области науки о данных!
«EasyOffer» (<Сборник собеседований по большим моделям>) — это руководство по летним стажировкам в области больших моделей, специально разработанное для «малышей» LLM, в котором в основном фиксируются некоторые распространенные задачи по написанию кода от крупных компаний, опыт собеседований в крупных компаниях и распространенные вопросы для размышления при подготовке к летним стажировкам и осеннему набору в области больших моделей; я новичок, учусь...... Если у вас есть какие-либо вопросы, уважаемые мастера, не стесняйтесь указывать на них, надеюсь, все смогут получить желаемое предложение!
PyHessian — это библиотека Pytorch для анализа и обучения нейронных сетей на основе второго порядка
Блокнот Jupyter с реализацией на PyTorch нейронных обыкновенных дифференциальных уравнений
Анализ системных торговых стратегий (например, следование за трендом, карри и возврат к среднему). Результат регулярно обновляется.
:books: [.md & .ipynb] Серия по Искусственному Интеллекту & Глубокому Обучению, включая Математические Основы, Практики на Python, Применение NLP и т.д. 💫 Практика Искусственного Интеллекта и Глубокого Обучения: Глава по Математической Статистике | Глава по Машинному Обучению | Глава по Глубокому Обучению | Глава по Обработке Естественного Языка | Глава по Практике Инструментов Scikit & TensorFlow & PyTorch | Промышленные Применения & Заметки к Курсу
Все ответы на упражнения из книги «Достижения в области финансового машинного обучения» доктора Марко Лопеса де Пародо.
Это многоагентное руководство, основанное на фреймворке CAMEL, направленное на понимание того, как построить общество агентов с нуля!
[CVPR 2024] FRESCO: Пространственно-временное соответствие для межвекторного перевода видео
Реализация с нуля языковой модели "разреженная смесь экспертов", вдохновленная makemore от Андрея Карпатого :)
Книга на основе ноутбука "Введение в робототехнику и восприятие" Фрэнка Делларта и Сета Хатчинсона
Открытая библиотека для взаимодействия и обработки данных радара, специализированная для MIMO mmWave радаров
Экспортируйте плейлисты Spotify с помощью веб-API. Проанализируйте их в блокноте Jupyter.