Bibliothèques écrites en Jupyter Notebook

paper2gui

Convert AI papers to GUI，Make it easy and convenient for everyone to use artificial intelligence technology。让每个人都简单方便的使用前沿人工智能技术.

8.2k
MIT

tortoise-tts

Un système TTS multi-voix formé en mettant l'accent sur la qualité.

8.2k
Apache License 2.0

nerf

Version de code pour NeRF (Neural Radiance Fields).

8.0k
MIT

FinRL

FinRL: apprentissage par renforcement financier. 🔥.

7.8k
MIT

TTS

:robot::speech_balloon: Apprentissage en profondeur pour la synthèse vocale (Forum de discussion: https://discourse.mozilla.org/c/tts) (par mozilla).

7.7k
Mozilla Public License 2.0

tsfresh

Extraction automatique des caractéristiques pertinentes des séries temporelles:.

7.6k
MIT

pycaret

Une bibliothèque d'apprentissage automatique open-source et low-code en Python.

7.5k
MIT

FinGPT

FinGPT centré sur les données. Open-source pour la finance ouverte! Révolutionner 🔥 Nous sortirons bientôt le modèle formé..

7.5k
MIT

mlops-zoomcamp

Cours MLOps gratuit de DataTalks. Club.

7.5k

examples

Exemples TensorFlow (par tensorflow).

7.3k
Apache License 2.0

qlora

QLoRA: réglage fin efficace des LLM quantifiés.

6.8k
MIT

Dreambooth-Stable-Diffusion

Implémentation de Dreambooth (https://arxiv.org/abs/2208.12242) avec Stable Diffusion.

6.8k
MIT

DensePose

Une approche en temps réel pour mapper tous les pixels humains d'images RVB 2D sur un modèle 3D basé sur la surface du corps.

6.6k
GNU General Public License v3.0

Stock-Prediction-Models

Rassemble des modèles d'apprentissage automatique et d'apprentissage en profondeur pour la prévision des actions, y compris des robots de trading et des simulations.

6.6k
Apache License 2.0

pytorch-Deep-Learning

Apprentissage en profondeur (avec PyTorch).

6.5k
GNU General Public License v3.0

python-docs-samples

Exemples de code utilisés sur cloud.google.com.

6.4k
Apache License 2.0

H2O est une plate-forme d'apprentissage automatique open source, distribuée, rapide et évolutive: apprentissage en profondeur, amplification des gradients (GBM) et XGBoost, forêt aléatoire, modélisation linéaire généralisée (GLM avec Elastic Net), K-Means, PCA, modèles additifs généralisés (GAM), RuleFit, Support Vector Machine (SVM), Stacked Ensembles, Automatic Machine Learning (AutoML), etc.