Bibliothèques écrites en Jupyter Notebook
Mathematical_research
Recherche et programmation de divers exemples mathématiques intéressants.
- 11
- GNU General Public License v3.0 only
PixelAlchemist
Édition sémantique d'images en temps réel avec une interface multi-paramètres pour les directions globales StyleCLIP.
- 11
altair-latimes
Un thème du Los Angeles Times pour la bibliothèque de visualisation statistique Altair de Python.
- 11
- MIT
hottest-panchayats-kerala
Découvrez quels sont les villages les plus chauds du Kerala avec l'aide de l'ordinateur planétaire de Microsoft.
- 11
- The Unlicense
eip1559_analysis
Peut-on estimer l'impact économique de l'EIP-1559 sur les mineurs? Ce référentiel tente d'estimer la perte de revenus des mineurs provenant des frais de transaction, en utilisant les données historiques d'Ethereum.
- 11
- MIT
YPDL-SentimentAnalysis-LR
Alors que l'apprentissage en profondeur est un sous-ensemble de l'apprentissage automatique, la méthodologie de prédiction dans l'apprentissage en profondeur est différente et fonctionne de la même manière qu'un cerveau humain utilise des voies neuronales pour traiter les informations et en tirer des enseignements. Dans cet atelier, nous découvrirons les éléments constitutifs de l'apprentissage en profondeur, les réseaux de neurones et leur fonctionnement. Nous commencerons par la régression logistique - un algorithme de classification de réseau neuronal simple et basique, n'ayant qu'un réseau neuronal à une couche. Ce sont les ressources pour le premier se.
- 11
Gruvbox-DrakenLords
Thème sombre Basado dans la palette de Color original de Gruvbox de Morhetz pour Visual Studio Code..
- 10
- MIT
essentials-ChEng
Un référentiel avec des exemples sur les connaissances essentielles du génie chimique.
- 10
- MIT
Neural_Network_Pruning
Implémentations de différentes techniques d'élagage de réseaux de neurones.
- 10
- MIT
nlphose
Permet la création de pipelines NLP complexes en quelques secondes, pour le traitement de fichiers statiques ou de texte en continu, à l'aide d'un ensemble d'outils de ligne de commande simples. Effectuez plusieurs opérations sur du texte comme NER, Sentiment Analysis, Chunking, Language Identification, Q&A, 0-shot Classification et plus encore en exécutant une seule commande dans le terminal. Peut être utilisé comme une solution de traitement du langage naturel à faible code ou sans code. Fonctionne également avec Kubernetes et PySpark!.
- 10
- Apache License 2.0
continual-pretraining-nlp-vision
Code pour reproduire les expériences de l'article "Continual Pre-Training Mitigates Forgetting in Language and Vision" https://arxiv.org/abs/2205.09357.
- 10
- MIT
detecting-beer
Определение количества позиций товара на витрине по фотографиям. (label-studio, yolov5, torche, rabbitmq, pika, docker-compose).
- 10
AI-Hacktoberfest
Bienvenue au Hacktoberfest Challenge pour l'Intelligence Artificielle / Machine Learning! Aujourd'hui, nous évaluerons vos compétences pour prédire les zones de feux de forêt compte tenu de ses différents paramètres!.
- 10
Dreambooth-SD-optimized
Implémentation de Dreambooth (https://arxiv.org/abs/2208.12242) avec Stable Diffusion (by Arkitecc).
- 10
- MIT
D2L_Attention_Mechanisms_in_TF
Ce référentiel contient le code Tensorflow 2 pour le chapitre sur les mécanismes d'attention du livre Dive into Deep Learning (D2L).
- 10
pyspark_nlp_workshop
Instructions et code pour l'atelier "From Big Data to NLP Insights: Unlocking the Power of PySpark and Spark NLP".
- 10