Bibliothèques écrites en Jupyter Notebook

amazon-sagemaker-script-mode

Exemples Amazon SageMaker pour les conteneurs en mode framework prédéfinis, c'est-à-dire le mode Script, etc. (conteneurs et modèles BYO, etc.).
  • 161
  • Apache License 2.0

Coswara-Data

Référentiel de données du projet Coswara.
  • 161
  • GNU General Public License v3.0

datasets

Divers ensembles de données intéressants, principalement des données de l'Université de l'Illinois (par wadefagen).
  • 159

mstables

Scraper MorningStar.com qui consolide des dizaines de milliers d'enregistrements financiers dans une base de données relationnelle SQLite. La classe 'dataframes' convertit facilement les données SQLite en pandas DataFrames (voir le bloc-notes Jupyter pour des exemples).
  • 158
  • MIT

elastic_transformers

Rendre le BERT extensible. Recherche élastique sémantique avec transformateurs de phrases.
  • 158
  • Apache License 2.0

EfficientWord-Net

Détection de mots clés basée sur OneShot Learning.
  • 157
  • Apache License 2.0

practical-data-engineering

Pipeline de dagster immobilier.
  • 157

Introduction_to_statistical_learning_summary_python

Résumé de chaque chapitre du livre - Introduction à l'apprentissage statistique (ISL), ainsi que du code et des données Python.
  • 157

benchmarks

Outils de comparaison (par catboost).
  • 157
  • Apache License 2.0

dkt

Un tutoriel sur la cinématique différentielle du manipulateur.
  • 157
  • MIT

language-planner

Code officiel pour "Modèles de langage en tant que planificateurs Zero-Shot: extraction de connaissances exploitables pour les agents incarnés".
  • 155
  • MIT

Python-Mathematics-Handbook

Un ensemble de cahiers pour une introduction à Python pour les mathématiciens..
  • 155
  • MIT

clip-italian

CLIP (Préformation Langage Contrastant – Image) pour l'italien.
  • 155

memorize

Code et données réelles pour "Enhancing Human Learning via Spaced Repetition Optimization", PNAS 2019.
  • 155
  • MIT

causalai

Bibliothèque Salesforce CausalAI: un cadre rapide et évolutif pour l'analyse causale des séries chronologiques et des données tabulaires.
  • 155
  • BSD 3-clause "New" or "Revised"

administrative-scripting-with-julia

Guide pour écrire des scripts shell dans Julia.
  • 154

crem

CReM: cadre de mutations chimiquement raisonnables.
  • 154
  • BSD 3-clause "New" or "Revised"

generativeAgent_LLM

Implémentation de l'article "Generative Agents: Interactive Simulacra of Human Behavior" avec Guidance et Langchain. Fonctionnalités complètes et travail avec les LLM locaux.
  • 154
  • MIT

labelme2coco

Comment créer un ensemble de données COCO personnalisé pour la segmentation d'instance (par Tony607).
  • 154
  • GNU General Public License v3.0

Julia-on-Colab

Bloc-notes pour exécuter Julia sur Google Colab.
  • 153
  • MIT

mgpt

Modèle pré-entraîné génératif multilingue.
  • 153
  • Apache License 2.0

Open-Switch-Curve-Meter

  • 153
  • GNU General Public License v3.0

apple_m1_pro_python

Une collection de scripts ML pour tester le MacBook Pro M1 Pro.
  • 151

UniPC

UniPC: un cadre prédicteur-correcteur unifié pour l'échantillonnage rapide des modèles de diffusion.
  • 151
  • MIT

Local-LLM-Comparison-Colab-UI

Comparez les performances de différents LLM pouvant être déployés localement sur du matériel grand public. Exécutez-vous avec Colab WebUI..
  • 151

sanbomics_scripts

scripts et cahiers de sanbomics.
  • 150

scribepod

Certains des scripts que j'utilise pour scribepod @ https://scribepod.substack.com/, un podcast d'IA automatisé.
  • 150

ox-ipynb

exportateur en mode org vers les notebooks Jupyter.
  • 150

detr-tensorflow

Implémentation Tensorflow de DETR: Object Detection with Transformers.
  • 149
  • MIT

diffusion_models

Exemple autonome minimal de modèle de diffusion.
  • 148
  • MIT