Bibliothèques écrites en Jupyter Notebook
TensorFlow-Examples
Tutoriel TensorFlow et exemples pour les débutants (prise en charge de TF v1 et v2).
- 42.9k
- GNU General Public License v3.0
PythonDataScienceHandbook
Python Data Science Handbook: texte intégral dans Jupyter Notebooks.
- 39.0k
- MIT
segment-anything
Le référentiel fournit du code pour exécuter l'inférence avec le modèle SegmentAnything (SAM), des liens pour télécharger les points de contrôle du modèle formé et des exemples de blocs-notes qui montrent comment utiliser le modèle.
- 36.6k
- Apache License 2.0
Made-With-ML
Apprenez à concevoir, développer, déployer et itérer sur des applications ML de niveau production.
- 33.7k
- MIT
nn
🧑🏫 60 implémentations/tutoriels d'articles d'apprentissage en profondeur avec des notes côte à côte 📝; dont transformateurs (original, xl, switch, feedback, vit,...), optimiseurs (adam, adabelief, sophia,...), gans (cyclegan, stylegan2,...), 🎮 apprentissage par renforcement (ppo, dqn), capsnet, distillation,... 🧠.
- 32.2k
- 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;).
- 25.7k
- MIT
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.
- 25.3k
- Apache License 2.0
handson-ml
⛔️ DÉCONSEILLÉ - Voir https://github.com/ageron/handson-ml3 à la place..
- 25.0k
- Apache License 2.0
homemade-machine-learning
🤖 Exemples Python d'algorithmes d'apprentissage automatique populaires avec des démonstrations Jupyter interactives et des mathématiques expliquées.
- 21.6k
- MIT
pytudes
Programmes Python, généralement courts, d'une difficulté considérable, pour perfectionner des compétences particulières.
- 20.6k
- MIT
pydata-book
Matériaux et cahiers IPython pour "Python for Data Analysis" de Wes McKinney, publié par O'Reilly Media.
- 19.8k
- GNU General Public License v3.0
shap
Une approche théorique des jeux pour expliquer la sortie de tout modèle d'apprentissage automatique.
- 19.8k
- 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..
- 19.2k
- MIT
fastbook
Le livre fastai, publié sous le nom de Jupyter Notebooks.
- 18.9k
- GNU General Public License v3.0
CLIP
CLIP (Contrastive Language-Image Pretraining), Prédire l'extrait de texte le plus pertinent pour une image.
- 16.7k
- MIT
InvokeAI
InvokeAI est un moteur créatif de premier plan pour les modèles de diffusion stable, permettant aux professionnels, artistes et passionnés de générer et de créer des médias visuels à l'aide des dernières technologies basées sur l'IA. La solution offre une interface utilisateur Web à la pointe de l'industrie, prend en charge l'utilisation du terminal via une CLI et sert de base à plusieurs produits commerciaux.
- 16.7k
- Apache License 2.0
data
Données et code derrière les articles et graphiques de FiveThirtyEight.
- 16.3k
- Creative Commons Attribution 4.0
awesome-python-applications
💿 Un logiciel gratuit qui fonctionne très bien, et qui se trouve également être du Python open-source..
- 14.7k