Bibliothèques écrites en Jupyter Notebook

TensorFlow-Examples

Tutoriel TensorFlow et exemples pour les débutants (prise en charge de TF v1 et v2).
  • 42.0k
  • GNU General Public License v3.0

ML-For-Beginners

12 semaines, 26 leçons, 52 quiz, le Machine Learning classique pour tous.
  • 39.6k
  • MIT

PythonDataScienceHandbook

Python Data Science Handbook: texte intégral dans Jupyter Notebooks.
  • 35.2k
  • MIT

Made-With-ML

  • 30.4k
  • MIT

MadeWithML

Découvrez comment générer de la valeur de manière responsable avec le ML.
  • 30.2k
  • MIT

Probabilistic-Programming-and-Bayesian-Methods-for-Hackers

alias "Méthodes bayésiennes pour les hackers": Une introduction aux méthodes bayésiennes + programmation probabiliste avec un point de vue calcul/compréhension d'abord, mathématiques ensuite. Le tout en Python pur;).
  • 24.6k
  • MIT

handson-ml

Une série de cahiers Jupyter qui vous guident à travers les principes fondamentaux de l'apprentissage automatique et de l'apprentissage profond en python à l'aide de Scikit-Learn et TensorFlow.
  • 24.5k
  • Apache License 2.0

google-research

Recherche Google.
  • 24.1k
  • Apache License 2.0

fastai

La bibliothèque d'apprentissage en profondeur fastai.
  • 22.5k
  • Apache License 2.0

handson-ml2

Une série de cahiers Jupyter qui vous guident à travers les principes fondamentaux de l'apprentissage automatique et de l'apprentissage profond en Python à l'aide de Scikit-Learn, Keras et TensorFlow 2.
  • 21.0k
  • Apache License 2.0

homemade-machine-learning

🤖 Exemples Python d'algorithmes d'apprentissage automatique populaires avec des démonstrations Jupyter interactives et des mathématiques expliquées.
  • 19.4k
  • MIT

pytudes

Programmes Python, généralement courts, d'une difficulté considérable, pour perfectionner des compétences particulières.
  • 19.0k
  • MIT

reinforcement-learning

Implémentation d'algorithmes d'apprentissage par renforcement. Python, OpenAI Gym, Tensorflow. Exercices et solutions pour accompagner le livre de Sutton et le cours de David Silver..
  • 18.0k
  • MIT

shap

Une approche théorique des jeux pour expliquer la sortie de tout modèle d'apprentissage automatique.
  • 16.9k
  • MIT

learnopencv

Apprendre OpenCV: Exemples C++ et Python.
  • 16.4k

data

Données et code derrière les articles et graphiques de FiveThirtyEight.
  • 15.6k
  • Creative Commons Attribution 4.0

Data-Science-For-Beginners

10 semaines, 20 leçons, la science des données pour tous!.
  • 15.5k
  • MIT

fastbook

Le livre fastai, publié sous le nom de Jupyter Notebooks.
  • 15.2k
  • MacOS
  • GNU General Public License v3.0

DeOldify

Un projet basé sur le Deep Learning pour coloriser et restaurer d'anciennes images (et vidéo!).
  • 15.1k
  • MIT

Anime4K

Un upscaler en temps réel de haute qualité pour la vidéo animée.
  • 15.0k
  • MIT

awesome-python-applications

💿 Un logiciel gratuit qui fonctionne très bien, et qui se trouve également être du Python open-source..
  • 13.7k

digital_video_introduction

Une introduction pratique à la technologie vidéo: image, vidéo, codec (av1, vp9, h265) et plus (encodage ffmpeg).
  • 12.8k
  • BSD 3-clause "New" or "Revised"

first-order-model

Ce référentiel contient le code source du modèle papier de mouvement de premier ordre pour l'animation d'images.
  • 12.5k
  • GNU General Public License v3.0

Kalman-and-Bayesian-Filters-in-Python

Livre de filtres de Kalman à l'aide de Jupyter Notebook. Se concentre sur la construction de l'intuition et de l'expérience, pas sur les preuves formelles. Comprend des filtres Kalman, des filtres Kalman étendus, des filtres Kalman non parfumés, des filtres à particules, etc. Tous les exercices incluent des solutions.
  • 12.2k
  • GNU General Public License v3.0

h4cker

Ce référentiel est principalement géré par Omar Santos et comprend des milliers de ressources liées au piratage éthique / tests de pénétration, à la criminalistique numérique et à la réponse aux incidents (DFIR), à la recherche de vulnérabilités, au développement d'exploits, à l'ingénierie inverse, etc.

python-machine-learning-book

Le référentiel de code de livre "Python Machine Learning (1ère édition)" et la ressource d'informations.
  • 11.6k
  • MIT

PRML

Algorithmes PRML implémentés en Python.
  • 10.6k
  • MIT

deepmind-research

Ce référentiel contient des implémentations et du code illustratif pour accompagner les publications DeepMind.
  • 10.5k
  • Apache License 2.0

nn

🧑‍🏫 50! Implémentations/tutoriels d'articles d'apprentissage en profondeur avec des notes côte à côte 📝; y compris transformateurs (original, xl, switch, feedback, vit,...), optimiseurs (adam, adabelief,...), gans (cyclegan, stylegan2,...), 🎮 apprentissage par renforcement (ppo, dqn), capsnet, distillation,... 🧠.
  • 10.0k
  • MIT

dopamine

Dopamine est un cadre de recherche pour le prototypage rapide d'algorithmes d'apprentissage par renforcement.
  • 9.8k
  • Apache License 2.0