Jupyter Notebook Репозитории
Всего репозиториев: 1,614
Jupyter-ноутбуки для книги «Обработка естественного языка с помощью трансформеров»
Добыча данных, Компьютерное зрение, Обработка естественного языка, Знания о конкурсах систем рекомендаций, Код, Идеи
35 агентных ИИ-архитектур промышленного уровня (Reflexion, LATS, GraphRAG, MemGPT, Voyager, BrowserAgent и др.) — библиотека Python и исполняемый учебник с поддержкой LLM от различных провайдеров и таблицей лидеров по 17 задачам.
🔥 LeetCode для PyTorch — практикуйте реализацию softmax, attention, GPT-2 и многого другого с нуля с мгновенной автоматической проверкой. На базе Jupyter, само-хостинг или попробуйте онлайн.
Примеры кода из книги Web Scraping with Python http://shop.oreilly.com/product/0636920034391.do
Система преобразования текста в речь с открытым исходным кодом, созданная путем инвертирования Whisper.
Реализация модели Whisper от OpenAI на JAX для ускорения до 70 раз на TPU.
Независимо от того, являетесь ли вы абсолютным новичком, применяете проекты в области CV, NLP, LLM или стремитесь к продвинутому инженерному развертыванию и внедрению, здесь вы найдете все в «Практическом руководстве по Pytorch» (2-е издание). Мы верим, что с помощью этой книги читатели смогут легко освоить использование PyTorch и стать отличными инженерами глубокого обучения.
Код на Python для распространённых алгоритмов машинного обучения
Учебники по началу работы с PyTorch и TorchText для анализа настроений.
Только с базовыми знаниями Python постройте своего собственного робота с воплощённым интеллектом с нуля; постройте шаг за шагом VLA/OpenVLA/SmolVLA/Pi0 с нуля, глубоко поймите воплощённый интеллект
Технические ресурсы для разработчиков ИИ, позволяющие создавать приложения, агентов и системы с использованием Oracle AI Database и сервисов OCI
Основы машинного обучения: линейная алгебра, исчисление, статистика и информатика
Требуются только базовые знания Python, создайте большие языковые модели с нуля; Поэтапно создайте GLM4\Llama3\RWKV6 с нуля, глубоко поймите принципы больших моделей.
Заметки, задания по программированию и викторины по всем курсам специализации Deep Learning от Coursera, предлагаемой deeplearning.ai: (i) Нейронные сети и глубокое обучение; (ii) Улучшение глубоких нейронных сетей: настройка гиперпараметров, регуляризация и оптимизация; (iii) Структурирование проектов машинного обучения; (iv) Сверточные нейронные сети; (v) Модели последовательностей
https://www.youtube.com/channel/UC34rW-HtPJulxr5wp2Xa04w?sub_confirmation=1
Быстрая библиотека для AutoML и тюнинга. Присоединяйтесь к нашему Discord: https://discord.gg/Cppx2vSPVP.
Обмен знаниями об AI Infra и практика кода: PyTorch, vLLM/SGLang, введение в фреймворк slime/vime ⚡️, ускорение производительности 🚀, основы больших моделей 🧠, программное и аппаратное обеспечение ИИ 🔧 и т.д.
Простые реализации на чистом Python базовых алгоритмов машинного обучения
Python-блокноты с примерами ML и глубокого обучения с использованием Azure Machine Learning Python SDK | Microsoft
Модульный Agentic RAG, построенный с помощью LangGraph — изучите агенты Retrieval-Augmented Generation за минуты.
Изучите Agentic AI, используя шаблон проектирования Dapr Agentic Cloud Ascent (DACA) и облачные технологии, нативные для агентов: OpenAI Agents SDK, Memory, MCP, A2A, Knowledge Graphs, Dapr, Rancher Desktop и Kubernetes.
Коллекция шпаргалок, книг, вопросов и портфолио для подготовки к собеседованиям по DS/ML
Чистая реализация на основе AlphaZero для любой игры в любом фреймворке + руководство + Othello/Гобанг/TicTacToe/Connect4 и многое другое
Этот проект воспроизводит книгу Dive Into Deep Learning (https://d2l.ai/), адаптируя код из MXNet в PyTorch.
Mobile ALOHA: Обучение бимануальной мобильной манипуляции с помощью недорогой полнотелой телеоперации
Hunyuan-DiT: Мощный многорезолюционный диффузионный трансформер с детализированным пониманием китайского языка
Витрина генеративного ИИ MongoDB: исчерпывающая коллекция примеров и демонстрационных приложений, посвящённых генерации с дополненной выборкой (RAG), ИИ-агентам и отраслевым вариантам использования.
Референсные рабочие процессы генеративного ИИ, оптимизированные для ускоренной инфраструктуры и архитектуры микросервисов.
Создайте современную LLM с нуля. Каждая строка с комментарием. Объяснено так, как будто нам пять лет.