Librerie scritte in Jupyter Notebook

data-engineering-zoomcamp

Corso gratuito di ingegneria dei dati!.
  • 14.3k

h4cker

Questo repository è gestito principalmente da Omar Santos (@santosomar) e include migliaia di risorse relative a hacking etico / test di penetrazione, digital forensics e incident response (DFIR), ricerca sulle vulnerabilità, sviluppo di exploit, reverse engineering e altro ancora..
  • 14.1k
  • MIT

Kalman-and-Bayesian-Filters-in-Python

Kalman Filter book con Jupyter Notebook. Si concentra sulla costruzione di intuizione ed esperienza, non prove formali. Include filtri Kalman, filtri Kalman estesi, filtri Kalman non profumati, filtri antiparticolato e altro ancora. Tutti gli esercizi includono soluzioni..
  • 14.1k
  • GNU General Public License v3.0

digital_video_introduction

Un'introduzione pratica alla tecnologia video: immagine, video, codec (av1, vp9, h265) e altro (codifica ffmpeg). Traduzioni: 🇺🇸 🇨🇳 🇯🇵 🇮🇹 🇰🇷 🇷🇺 🇧🇷.
  • 13.8k
  • BSD 3-clause "New" or "Revised"

first-order-model

Questo repository contiene il codice sorgente per il documento First Order Motion Model for Image Animation.
  • 13.6k
  • MIT

stable-diffusion-webui-colab

diffusione stabile webui colab.
  • 13.0k
  • The Unlicense

nlp-tutorial

Tutorial sull'elaborazione del linguaggio naturale per ricercatori di deep learning.
  • 12.8k
  • MIT

deepmind-research

Questo repository contiene implementazioni e codice illustrativo per accompagnare le pubblicazioni di DeepMind.
  • 12.0k
  • Apache License 2.0

python-machine-learning-book

Il repository di codice del libro "Python Machine Learning (1a edizione)" e la risorsa informativa.
  • 11.9k
  • MIT

guidance

Un linguaggio guida per il controllo di modelli linguistici di grandi dimensioni.
  • 11.8k
  • MIT

DeepLearningExamples

Script di deep learning all'avanguardia organizzati per modelli: facili da addestrare e distribuire con accuratezza e prestazioni riproducibili su un'infrastruttura di livello aziendale.
  • 11.3k

community

Contenuto della community di Kubernetes.
  • 11.1k
  • Apache License 2.0

PRML

Algoritmi PRML implementati in Python.
  • 11.0k
  • MIT

yolov7

Implementazione della carta - YOLOv7: Trainable bag-of-freebies stabilisce un nuovo stato dell'arte per i rilevatori di oggetti in tempo reale.
  • 10.8k
  • GNU General Public License v3.0 only

notebook

Blocco note interattivo Jupyter.
  • 10.3k
  • BSD 3-clause "New" or "Revised"

dopamine

La dopamina è un framework di ricerca per la prototipazione rapida di algoritmi di apprendimento per rinforzo.
  • 10.2k
  • Apache License 2.0

Grounded-Segment-Anything

Grounded-SAM: Sposare Grounding DINO con Segment Anything e Stable Diffusion & Recognize Anything - Rileva automaticamente, segmenta e genera qualsiasi cosa.
  • 10.0k
  • Apache License 2.0

machine-learning-for-trading

Codice per l'apprendimento automatico per il trading algoritmico, 2a edizione..
  • 10.0k

prettymaps

Un piccolo set di funzioni Python per disegnare graziose mappe dai dati di OpenStreetMap. Basato su librerie osmnx, matplotlib e shapely..
  • 9.9k
  • GNU Affero General Public License v3.0

code_snippets

  • 9.9k
  • MIT

numerical-linear-algebra

Libro di testo online gratuito di quaderni Jupyter per il corso di algebra lineare computazionale fast.ai.
  • 9.6k

The-Complete-FAANG-Preparation

Questo repository contiene tutti i DSA (strutture dati, algoritmi, 450 DSA di Love Babbar Bhaiya, domande FAANG), argomenti tecnici (OS + DBMS + SQL + CN + OOP) Teoria + domande, domande di intervista FAANG e cose varie (programmazione MCQ, Puzzle, Attitudine, Ragionamento). I linguaggi di programmazione utilizzati per la dimostrazione sono C++, Python e Java.
  • 9.3k
  • MIT

TensorFlow-Tutorials

Tutorial TensorFlow con video di YouTube.
  • 9.2k
  • MIT

pandas_exercises

Allena le tue abilità di panda!.
  • 9.2k
  • BSD 3-clause "New" or "Revised"

computervision-recipes

Best practice, esempi di codice e documentazione per Computer Vision..
  • 9.1k
  • MIT

nlp_course

Corso YSDA in Natural Language Processing.
  • 8.8k
  • MIT

amazon-sagemaker-examples

Esempio 📓 Notebook Jupyter che dimostrano come creare, addestrare e distribuire modelli di machine learning utilizzando 🧠 Amazon SageMaker..
  • 8.6k
  • Apache License 2.0

nn-zero-to-hero

Reti neurali: da zero a eroe.
  • 8.5k
  • MIT

Caffe2

  • 8.4k

latent-diffusion

Sintesi di immagini ad alta risoluzione con modelli di diffusione latente.
  • 8.3k
  • MIT