Bibliotecas escritas en Jupyter Notebook
amazon-sagemaker-script-mode
Ejemplos de Amazon SageMaker para contenedores de modo de marco prediseñados, también conocido como modo de secuencia de comandos, y más (contenedores y modelos BYO, etc.).
- 161
- Apache License 2.0
datasets
Varios conjuntos de datos interesantes, en su mayoría datos de la Universidad de Illinois (por wadefagen).
- 159
mstables
Raspador de MorningStar.com que consolida decenas de miles de registros financieros en una base de datos relacional SQLite. La clase 'marcos de datos' convierte fácilmente los datos de SQLite en marcos de datos de pandas (consulte el cuaderno de Jupyter para ver ejemplos).
- 158
- MIT
elastic_transformers
Haciendo BERT elástico. Búsqueda elástica semántica con transformadores de oraciones.
- 158
- Apache License 2.0
Introduction_to_statistical_learning_summary_python
Resumen de cada capítulo del libro: Introducción al aprendizaje estadístico (ISL), junto con el código y los datos de Python.
- 157
language-planner
Código oficial para "Modelos de lenguaje como planificadores de tiro cero: extracción de conocimiento procesable para agentes incorporados".
- 155
- MIT
Python-Mathematics-Handbook
Un conjunto de cuadernos para una introducción a Python para matemáticos.
- 155
- MIT
memorize
Código y datos reales para "Mejorar el aprendizaje humano a través de la optimización de la repetición espaciada", PNAS 2019.
- 155
- MIT
causalai
Biblioteca CausalAI de Salesforce: un marco rápido y escalable para el análisis causal de series temporales y datos tabulares.
- 155
- BSD 3-clause "New" or "Revised"
generativeAgent_LLM
Implementación del paper "Agentes Generativos: Simulacros Interactivos del Comportamiento Humano" con Guidance y Langchain. Funciones completas y trabajo con LLM locales.
- 154
- MIT
labelme2coco
Cómo crear un conjunto de datos COCO personalizado para la segmentación de instancias (por Tony607).
- 154
- GNU General Public License v3.0
UniPC
UniPC: un marco predictor-corrector unificado para el muestreo rápido de modelos de difusión.
- 151
- MIT
Local-LLM-Comparison-Colab-UI
Compare el rendimiento de diferentes LLM que se pueden implementar localmente en hardware de consumo. Ejecútese usted mismo con Colab WebUI..
- 151
scribepod
Algunos de los scripts que uso para scribepod @ https://scribepod.substack.com/, un podcast automatizado de IA.
- 150
detr-tensorflow
Implementación de Tensorflow de DETR: detección de objetos con transformadores.
- 149
- MIT