Bibliothèques écrites en Jupyter Notebook
h4cker
Ce référentiel est principalement géré par Omar Santos (@santosomar) et comprend des milliers de ressources liées au piratage éthique / tests de pénétration, à la criminalistique numérique et à la réponse aux incidents (DFIR), à la recherche de vulnérabilités, au développement d'exploits, à l'ingénierie inverse, etc.
- 14.1k
- MIT
Kalman-and-Bayesian-Filters-in-Python
Livre de filtres de Kalman à l'aide de Jupyter Notebook. Se concentre sur la construction de l'intuition et de l'expérience, pas sur les preuves formelles. Comprend des filtres Kalman, des filtres Kalman étendus, des filtres Kalman non parfumés, des filtres à particules, etc. Tous les exercices incluent des solutions.
- 14.1k
- GNU General Public License v3.0
digital_video_introduction
Une introduction pratique à la technologie vidéo: image, vidéo, codec (av1, vp9, h265) et plus (encodage ffmpeg). Traductions: 🇺🇸 🇨🇳 🇯🇵 🇮🇹 🇰🇷 🇷🇺 🇧🇷.
- 13.8k
- BSD 3-clause "New" or "Revised"
first-order-model
Ce référentiel contient le code source du modèle papier de mouvement de premier ordre pour l'animation d'images.
- 13.6k
- MIT
nlp-tutorial
Tutoriel de traitement du langage naturel pour les chercheurs en apprentissage profond.
- 12.8k
- MIT
deepmind-research
Ce référentiel contient des implémentations et du code illustratif pour accompagner les publications DeepMind.
- 12.0k
- Apache License 2.0
python-machine-learning-book
Le référentiel de code de livre "Python Machine Learning (1ère édition)" et la ressource d'informations.
- 11.9k
- MIT
DeepLearningExamples
Scripts d'apprentissage en profondeur à la pointe de la technologie organisés par modèles - faciles à former et à déployer avec une précision et des performances reproductibles sur une infrastructure de niveau entreprise.
- 11.3k
yolov7
Implémentation du papier - YOLOv7: un sac de cadeaux pouvant être entraîné définit un nouvel état de l'art pour les détecteurs d'objets en temps réel.
- 10.8k
- GNU General Public License v3.0 only
dopamine
Dopamine est un cadre de recherche pour le prototypage rapide d'algorithmes d'apprentissage par renforcement.
- 10.2k
- Apache License 2.0
Grounded-Segment-Anything
Grounded-SAM: Marier Grounding DINO avec Segment Anything & Stable Diffusion & Recognize Anything - Détecter, segmenter et générer automatiquement n'importe quoi.
- 10.0k
- Apache License 2.0
prettymaps
Un petit ensemble de fonctions Python pour dessiner de jolies cartes à partir de données OpenStreetMap. Basé sur les bibliothèques osmnx, matplotlib et shapely.
- 9.9k
- GNU Affero General Public License v3.0
numerical-linear-algebra
Manuel en ligne gratuit de cahiers Jupyter pour le cours d'algèbre linéaire computationnelle fast.ai.
- 9.6k
The-Complete-FAANG-Preparation
Ce référentiel contient tous les DSA (Data-Structures, Algorithms, 450 DSA by Love Babbar Bhaiya, FAANG Questions), Technical Subjects (OS + DBMS + SQL + CN + OOPs) Theory+Questions, FAANG Interview questions, and Miscellaneous Stuff (Programming QCM, Puzzles, Aptitude, Raisonnement). Les langages de programmation utilisés pour la démonstration sont C++, Python et Java.
- 9.3k
- MIT
computervision-recipes
Meilleures pratiques, exemples de code et documentation pour la vision par ordinateur.
- 9.1k
- MIT
amazon-sagemaker-examples
Exemple 📓 Notebooks Jupyter qui montrent comment créer, former et déployer des modèles d'apprentissage automatique à l'aide de 🧠 Amazon SageMaker..
- 8.6k
- Apache License 2.0