Biblioteki napisane w Jupyter Notebook

amazon-sagemaker-script-mode

Przykłady Amazon SageMaker dla gotowych kontenerów trybu ramowego, czyli trybu skryptowego i nie tylko (kontenery i modele BYO itp.).
  • 161
  • Apache License 2.0

Coswara-Data

Repozytorium danych Projektu Coswara.
  • 161
  • GNU General Public License v3.0

datasets

Różne interesujące zestawy danych, głównie dane z University of Illinois (przez wadefagen).
  • 159

mstables

Skrobak MorningStar.com, który konsoliduje dziesiątki tysięcy rekordów finansowych w relacyjnej bazie danych SQLite. Klasa „dataframes” z łatwością konwertuje dane SQLite na pandas DataFrames (przykłady można znaleźć w notatniku Jupyter).
  • 158
  • MIT

elastic_transformers

Rozciągliwość BERT. Semantyczne wyszukiwanie elastyczne z transformatorami zdań.
  • 158
  • Apache License 2.0

EfficientWord-Net

Wykrywanie słów-kluczy oparte na OneShot Learning.
  • 157
  • Apache License 2.0

practical-data-engineering

Rurociąg sztyletu nieruchomości.
  • 157

Introduction_to_statistical_learning_summary_python

Podsumowanie każdego rozdziału książki — Wprowadzenie do nauki statystycznej (ISL) wraz z kodem i danymi w języku Python.
  • 157

benchmarks

Narzędzia do porównywania (przez catboost).
  • 157
  • Apache License 2.0

dkt

Samouczek dotyczący kinematyki różniczkowej manipulatora.
  • 157
  • MIT

language-planner

Oficjalny kod „Modele językowe jako planiści zero-shot: wydobywanie praktycznej wiedzy dla wcielonych agentów”.
  • 155
  • MIT

Python-Mathematics-Handbook

Zestaw zeszytów wprowadzających do Pythona dla matematyków.
  • 155
  • MIT

clip-italian

CLIP (Contrastive Language-Image Pre-training) dla języka włoskiego.
  • 155

memorize

Kod i rzeczywiste dane dla „Poprawa uczenia się człowieka poprzez optymalizację odstępów między powtórzeniami”, PNAS 2019.
  • 155
  • MIT

causalai

Salesforce CausalAI Library: szybka i skalowalna platforma do analizy przyczynowej szeregów czasowych i danych tabelarycznych.
  • 155
  • BSD 3-clause "New" or "Revised"

administrative-scripting-with-julia

Przewodnik po pisaniu skryptów powłoki w Julii.
  • 154

crem

CReM: ramy mutacji uzasadnionych chemicznie.
  • 154
  • BSD 3-clause "New" or "Revised"

generativeAgent_LLM

Implementacja dokumentu „Generative Agents: Interactive Simulacra of Human Behaviour” z Guidance i Langchain. Pełne funkcje i współpraca z lokalnymi LLM.
  • 154
  • MIT

labelme2coco

Jak utworzyć niestandardowy zestaw danych COCO do segmentacji instancji (autor: Tony607).
  • 154
  • GNU General Public License v3.0

Julia-on-Colab

Notatnik do prowadzenia Julii w Google Colab.
  • 153
  • MIT

mgpt

Wielojęzyczny wstępnie wytrenowany model generatywny.
  • 153
  • Apache License 2.0

Open-Switch-Curve-Meter

  • 153
  • GNU General Public License v3.0

apple_m1_pro_python

Zbiór skryptów ML do testowania MacBooka Pro M1 Pro.
  • 151

UniPC

UniPC: ujednolicona struktura predyktorów i korektorów do szybkiego próbkowania modeli dyfuzji.
  • 151
  • MIT

Local-LLM-Comparison-Colab-UI

Porównaj wydajność różnych LLM, które można wdrożyć lokalnie na sprzęcie konsumenckim. Uruchom się z Colab WebUI..
  • 151

sanbomics_scripts

skrypty i zeszyty z sanbomiki.
  • 150

scribepod

Niektóre skrypty, których używam do scribepod @ https://scribepod.substack.com/, automatycznego podcastu AI.
  • 150

ox-ipynb

Eksporter w trybie org do notatników Jupyter.
  • 150

detr-tensorflow

Implementacja Tensorflow DETR: Wykrywanie obiektów za pomocą transformatorów.
  • 149
  • MIT

diffusion_models

Minimalny samodzielny przykład modelu dyfuzji.
  • 148
  • MIT