Librerie scritte in Jupyter Notebook
Interactive Parallel Computing with IPython
IPython Parallel: Calcolo parallelo interattivo in Python.
- 2.4k
- GNU General Public License v3.0
stable-diffusion
Questa versione di CompVis/stable-diffusion presenta uno script interattivo della riga di comando che combina le funzionalità text2img e img2img in un'interfaccia in stile "dream bot", una WebGUI e molteplici funzionalità e altri miglioramenti. [Spostato in: https://github.com/invoke-ai/InvokeAI] (da lstein).
- 2.4k
- GNU General Public License v3.0
100-plus-Python-programming-exercises-extended
Il repository contiene oltre 100 problemi di esercizi di programmazione Python discussi, spiegati e risolti in modi diversi.
- 2.4k
diffusion-models-class
Materiali per il corso Abbracciare i modelli di diffusione del viso.
- 2.4k
- Apache License 2.0
mlops-course
Scopri come progettare, sviluppare, distribuire e mantenere un'applicazione ML end-to-end su larga scala.
- 2.4k
- MIT
shapash
🔅 Shapash: spiegabilità e interpretabilità user-friendly per sviluppare modelli di machine learning affidabili e trasparenti.
- 2.4k
- Apache License 2.0
diff-svc
Conversione della voce cantata tramite modello di diffusione.
- 2.4k
- GNU Affero General Public License v3.0
3D-printed-mirror-array
Array di specchi esagonali stampabili in 3D in grado di riflettere la luce solare in schemi arbitrari.
- 2.3k
- MIT
leetcode-company-wise-problems-2022
Elenchi di domande sagge aziendali disponibili su leetcode premium. Ogni file csv nella directory delle aziende corrisponde a un elenco di domande su leetcode per una specifica azienda in base ai tag aziendali leetcode. Aggiornato a maggio 2022..
- 2.3k
- MIT
whylogs
Una libreria di data logging open source per modelli di machine learning e pipeline di dati. 📚 Fornisce visibilità sulla qualità dei dati e sulle prestazioni del modello nel tempo. 🛡️ Supporta la raccolta dei dati nel rispetto della privacy, garantendo sicurezza e solidità. 📈.
- 2.3k
- Apache License 2.0
stability-sdk
SDK per l'interazione con le API stability.ai (ad es. inferenza di diffusione stabile).
- 2.3k
- MIT
Learning-Bitcoin-from-the-Command-Line
Un corso completo per imparare la programmazione e l'utilizzo di Bitcoin dal comando [Spostato in: https://github.com/BlockchainCommons/Learning-Bitcoin-from-the-Command-Line] (di ChristopherA).
- 2.3k
ML-foundations
Fondamenti di machine learning: algebra lineare, calcolo, statistica e informatica.
- 2.3k
- MIT
selfie
Un sistema software educativo di un minuscolo compilatore C auto-compilante, un minuscolo emulatore RISC-V auto-eseguibile e un minuscolo hypervisor RISC-V auto-hosting..
- 2.3k
- BSD 2-clause "Simplified"
Kandinsky-2
Kandinsky 2 — modello di diffusione latente multilingue testo2immagine.
- 2.3k
- Apache License 2.0
Promptify
Ingegneria rapida | Utilizza GPT o altri modelli basati su prompt per ottenere un output strutturato. Unisciti alla nostra discordia per Prompt-Engineering, LLM e altre ricerche più recenti.
- 2.3k
- Apache License 2.0
qiskit-tutorials
Una raccolta di notebook Jupyter che mostrano come utilizzare Qiskit SDK.
- 2.2k
- Apache License 2.0
An-Introduction-to-Statistical-Learning
Questo repository contiene gli esercizi e la relativa soluzione contenuti nel libro "An Introduction to Statistical Learning" in python..
- 2.2k
datasets
🎁 Oltre 4.800.000 immagini Unsplash rese disponibili per la ricerca e l'apprendimento automatico (da unsplash).
- 2.1k
machine-learning-book
Repository di codice per l'apprendimento automatico con PyTorch e Scikit-Learn.
- 2.1k
- MIT
coursera-deep-learning-specialization
Note, incarichi di programmazione e quiz di tutti i corsi all'interno della specializzazione Coursera Deep Learning offerti da deeplearning.ai: (i) Reti neurali e Deep Learning; (ii) Miglioramento delle reti neurali profonde: ottimizzazione, regolarizzazione e ottimizzazione degli iperparametri; (iii) Strutturazione di progetti di Machine Learning; (iv) Reti Neurali Convoluzionali; (v) Modelli di sequenza.
- 2.1k
pytorch-GAT
La mia implementazione del documento GAT originale (Veličković et al.). Ho inoltre incluso il file playground.py per visualizzare il set di dati Cora, incorporamenti GAT, un meccanismo di attenzione e istogrammi di entropia. Ho supportato entrambi gli esempi Cora (trasduttivo) e PPI (induttivo)!.
- 2.1k
- MIT