Bibliotecas escritas en Jupyter Notebook
Interactive Parallel Computing with IPython
IPython Parallel: Cómputo paralelo interactivo en Python.
- 2.4k
- GNU General Public License v3.0
stable-diffusion
Esta versión de CompVis/stable-diffusion presenta un script de línea de comandos interactivo que combina la funcionalidad text2img e img2img en una interfaz de estilo "dream bot", una WebGUI y múltiples funciones y otras mejoras. [Movido a: https://github.com/invoke-ai/InvokeAI] (por lstein).
- 2.4k
- GNU General Public License v3.0
100-plus-Python-programming-exercises-extended
El repositorio contiene más de 100 problemas de ejercicios de programación de Python discutidos, explicados y resueltos de diferentes maneras.
- 2.4k
diffusion-models-class
Materiales para el Curso de Modelos de Difusión de Rostro Abrazado.
- 2.4k
- Apache License 2.0
mlops-course
Aprenda a diseñar, desarrollar, implementar y mantener una aplicación de ML de extremo a extremo a escala.
- 2.4k
- MIT
shapash
🔅 Shapash: explicabilidad e interpretación fáciles de usar para desarrollar modelos de aprendizaje automático fiables y transparentes.
- 2.4k
- Apache License 2.0
diff-svc
Conversión de voz cantada a través del modelo de difusión.
- 2.4k
- GNU Affero General Public License v3.0
3D-printed-mirror-array
Conjunto de espejos hexagonales imprimibles en 3D capaces de reflejar la luz solar en patrones arbitrarios.
- 2.3k
- MIT
leetcode-company-wise-problems-2022
Listas de preguntas sabias de la empresa disponibles en leetcode premium. Cada archivo csv en el directorio de empresas corresponde a una lista de preguntas sobre leetcode para una empresa específica basada en las etiquetas de empresa de leetcode. Actualizado a mayo de 2022..
- 2.3k
- MIT
whylogs
Una biblioteca de registro de datos de código abierto para modelos de aprendizaje automático y canalizaciones de datos. 📚 Brinda visibilidad de la calidad de los datos y el rendimiento del modelo a lo largo del tiempo. 🛡️ Admite la recopilación de datos para preservar la privacidad, lo que garantiza la seguridad y la solidez. 📈.
- 2.3k
- Apache License 2.0
stability-sdk
SDK para interactuar con las API de la estabilidad.ai (por ejemplo, inferencia de difusión estable).
- 2.3k
- MIT
Learning-Bitcoin-from-the-Command-Line
Un curso completo para aprender a programar y usar Bitcoin desde el comando [Movido a: https://github.com/BlockchainCommons/Learning-Bitcoin-from-the-Command-Line] (por ChristopherA).
- 2.3k
ML-foundations
Fundamentos del aprendizaje automático: álgebra lineal, cálculo, estadística e informática.
- 2.3k
- MIT
selfie
Un sistema de software educativo de un diminuto compilador C autocompilador, un diminuto emulador RISC-V autoejecutable y un diminuto hipervisor RISC-V autohospedado.
- 2.3k
- BSD 2-clause "Simplified"
Kandinsky-2
Kandinsky 2: modelo de difusión latente texto2imagen multilingüe.
- 2.3k
- Apache License 2.0
Promptify
Ingeniería Rápida | Utilice GPT u otros modelos basados en avisos para obtener resultados estructurados. Únase a nuestra discordia para obtener ingeniería rápida, LLM y otras investigaciones más recientes.
- 2.3k
- Apache License 2.0
qiskit-tutorials
Una colección de cuadernos de Jupyter que muestra cómo usar el SDK de Qiskit.
- 2.2k
- Apache License 2.0
An-Introduction-to-Statistical-Learning
Este repositorio contiene los ejercicios y su solución contenidos en el libro "An Introduction to Statistical Learning" en python..
- 2.2k
datasets
🎁 Más de 4,800,000 imágenes de Unsplash disponibles para investigación y aprendizaje automático (por unsplash).
- 2.1k
machine-learning-book
Repositorio de código para aprendizaje automático con PyTorch y Scikit-Learn.
- 2.1k
- MIT
coursera-deep-learning-specialization
Notas, tareas de programación y cuestionarios de todos los cursos dentro de la especialización de aprendizaje profundo de Coursera que ofrece deeplearning.ai: (i) Redes neuronales y aprendizaje profundo; (ii) Mejora de las redes neuronales profundas: ajuste, regularización y optimización de hiperparámetros; (iii) Estructuración de Proyectos de Aprendizaje Automático; (iv) Redes Neuronales Convolucionales; (v) Modelos de secuencia.
- 2.1k
pytorch-GAT
Mi implementación del documento GAT original (Veličković et al.). Además, he incluido el archivo playground.py para visualizar el conjunto de datos de Cora, las incrustaciones de GAT, un mecanismo de atención e histogramas de entropía. ¡He admitido ejemplos de Cora (transductivo) y PPI (inductivo)!.
- 2.1k
- MIT