Librerie scritte in Jupyter Notebook
alpha-mind
analisi quantitativa del portafoglio titoli. La pipeline di analisi include l'astrazione dell'archiviazione dei dati, il calcolo dell'alfa, la combinazione dell'alfa basata su ML e il calcolo del portafoglio.
- 212
- MIT
huggingpics
🤗🖼️ HuggingPics: Ottimizza Vision Transformers per qualsiasi cosa utilizzando le immagini trovate sul web..
- 210
OpenEDU
:books: The Open Source Education Initiative – un archivio con risorse per oltre 60 materie di ingegneria. Rendiamo l'istruzione più aperta e accessibile!:razzo::scintille:.
- 209
- MIT
MoViNet-pytorch
Implementazione MoViNets PyTorch: reti video mobili per un riconoscimento video efficiente;.
- 209
- MIT
tensorflow_Realtime_Multi-Person_Pose_Estimation
Progetto Multi-Person Pose Estimation per Tensorflow 2.0 con un modello piccolo e veloce basato su MobilenetV3.
- 209
- GNU General Public License v3.0
Optimization-Python
Ottimizzazione generale (LP, MIP, QP, ottimizzazione continua e discreta ecc.) utilizzando Python.
- 209
- MIT
Multi-Type-TD-TSR
Estrazione di tabelle da immagini di documenti utilizzando una pipeline a più fasi per il rilevamento della tabella e il riconoscimento della struttura della tabella:.
- 208
- MIT
tf-metal-experiments
Backend TensorFlow Metal su Apple Silicon Experiments (solo per divertimento).
- 207
- MIT
examples
Analizza i dati non strutturati con Towhee, come ricerca di immagini inversa, ricerca di video inversa, classificazione audio, sistemi di domande e risposte, ricerca molecolare, ecc. (di towhee-io).
- 207
- Apache License 2.0
CenterSnap
Codice Pytorch per il documento ICRA'22: "Ricostruzione della forma 3D multi-oggetto a colpo singolo e stima categorica della posa e delle dimensioni 6D".
- 206
Awesome_Satellite_Benchmark_Datasets
Viene fornito materiale supplementare per il nostro articolo "NON CI SONO DATI COME PIÙ DATI".
- 205
TradingGym
Trading Gym è un progetto open source per lo sviluppo di algoritmi di apprendimento per rinforzo nel contesto del trading. (di cove9988).
- 204
- MIT
EasyEdit
Un framework facile da usare per modificare modelli linguistici di grandi dimensioni.
- 202
- MIT
r
Utilizzo di R con Jupyter/RStudio su Binder (per esempi di binder).
- 202
- BSD 3-clause "New" or "Revised"
fraud-detection-using-machine-learning
Configura un'architettura demo end-to-end per prevedere gli eventi di frode con Machine Learning utilizzando Amazon SageMaker.
- 202
- Apache License 2.0
Best-Deep-Learning-Optimizers
Raccolta degli ultimi, più grandi, ottimizzatori di deep learning (per Pytorch) - CNN, NLP adatti.
- 197
- Apache License 2.0