Jupyter Notebookben írt könyvtárak

data-engineering-zoomcamp

Ingyenes adatmérnöki tanfolyam!
  • 14.3k

h4cker

Ezt az adattárat elsősorban Omar Santos (@santosomar) karbantartja, és több ezer erőforrást tartalmaz, amelyek az etikus hackelés/penetrációs teszteléshez, a digitális kriminalisztikai elemzéshez és az incidensekre való reagáláshoz (DFIR), a sebezhetőségi kutatáshoz, a kihasználások fejlesztéséhez, a visszafejtéshez és még sok máshoz kapcsolódnak.
  • 14.1k
  • MIT

Kalman-and-Bayesian-Filters-in-Python

Kalman Filter könyv a Jupyter Notebook használatával. Az intuíció és a tapasztalat építésére összpontosít, nem a formális bizonyítékokra. Tartalmazza a Kalman-szűrőket, a kiterjesztett Kalman-szűrőket, az illatmentes Kalman-szűrőket, a részecskeszűrőket és még sok mást. Minden gyakorlat megoldásokat tartalmaz..
  • 14.1k
  • GNU General Public License v3.0

digital_video_introduction

Gyakorlati bevezetés a videotechnológiába: kép, videó, kodek (av1, vp9, h265) és még sok más (ffmpeg kódolás). Fordítások: 🇺🇸 🇨🇳 🇯🇵 🇮🇹 🇰🇷 🇷🇺 🇧🇷.
  • 13.8k
  • BSD 3-clause "New" or "Revised"

first-order-model

Ez a lerakat tartalmazza a papír First Order Motion Model for Image Animation forráskódját.
  • 13.6k
  • MIT

stable-diffusion-webui-colab

stabil diffúziós webui colab.
  • 13.0k
  • The Unlicense

nlp-tutorial

Természetes nyelvi feldolgozás oktatóanyag a mély tanulással foglalkozó kutatóknak.
  • 12.8k
  • MIT

deepmind-research

Ez a tárház implementációkat és szemléltető kódot tartalmaz a DeepMind kiadványokhoz.
  • 12.0k
  • Apache License 2.0

python-machine-learning-book

A "Python Machine Learning (1. kiadás)" könyvkód-tárház és információs forrás.
  • 11.9k
  • MIT

guidance

Útmutató nyelv nagy nyelvi modellek vezérléséhez.
  • 11.8k
  • MIT

DeepLearningExamples

A legmodernebb Deep Learning szkriptek modellek szerint rendezve – könnyen betanítható és reprodukálható pontossággal és teljesítménnyel üzembe helyezhető vállalati szintű infrastruktúrán.
  • 11.3k

community

Kubernetes közösségi tartalom.
  • 11.1k
  • Apache License 2.0

PRML

Pythonban implementált PRML algoritmusok.
  • 11.0k
  • MIT

yolov7

Papír megvalósítása – YOLOv7: A betanítható ingyenes ajándékcsomagok új csúcstechnológiát állítanak fel a valós idejű tárgydetektorok számára.
  • 10.8k
  • GNU General Public License v3.0 only

notebook

Jupyter interaktív jegyzetfüzet.
  • 10.3k
  • BSD 3-clause "New" or "Revised"

dopamine

A dopamin egy kutatási keretrendszer megerősítő tanulási algoritmusok gyors prototípusainak elkészítéséhez.
  • 10.2k
  • Apache License 2.0

Grounded-Segment-Anything

Grounded-SAM: A földelési DINO és a bármi szegmentálása, stabil diffúzió és bármi felismerése – bármit automatikusan észlel, szegmentál és generál.
  • 10.0k
  • Apache License 2.0

machine-learning-for-trading

A gépi tanulás kódja az algoritmikus kereskedéshez, 2. kiadás...
  • 10.0k

prettymaps

Egy kis Python-függvénykészlet szép térképek rajzolásához az OpenStreetMap adatokból. osmnx, matplotlib és shapely könyvtárak alapján..
  • 9.9k
  • GNU Affero General Public License v3.0

code_snippets

  • 9.9k
  • MIT

numerical-linear-algebra

Ingyenes online tankönyv Jupyter notebookokhoz a fast.ai Computational Lineáris Algebra kurzushoz.
  • 9.6k

The-Complete-FAANG-Preparation

Ez a tárház tartalmazza az összes DSA-t (adatstruktúrák, algoritmusok, 450 DSA, Love Babbar Bhaiya, FAANG-kérdések), műszaki tárgyakat (OS + DBMS + SQL + CN + OOP-k) elmélet + kérdések, FAANG interjúkérdések és egyéb dolgok (programozás) MCQ-k, rejtvények, alkalmasság, érvelés). A demonstrációhoz használt programozási nyelvek a C++, Python és Java.
  • 9.3k
  • MIT

TensorFlow-Tutorials

TensorFlow oktatóanyagok YouTube-videókkal.
  • 9.2k
  • MIT

pandas_exercises

Gyakorold a panda készségeidet!
  • 9.2k
  • BSD 3-clause "New" or "Revised"

computervision-recipes

A Computer Vision bevált gyakorlatai, kódminták és dokumentáció...
  • 9.1k
  • MIT

nlp_course

YSDA természetes nyelvi feldolgozás tanfolyam.
  • 8.8k
  • MIT

amazon-sagemaker-examples

Példa 📓 Jupyter notebookok, amelyek bemutatják, hogyan lehet gépi tanulási modelleket készíteni, betanítani és telepíteni az 🧠 Amazon SageMaker segítségével.
  • 8.6k
  • Apache License 2.0

nn-zero-to-hero

Neurális hálózatok: Zero to Hero.
  • 8.5k
  • MIT

Caffe2

  • 8.4k

latent-diffusion

Nagy felbontású képszintézis látens diffúziós modellekkel.
  • 8.3k
  • MIT