Bibliotecas escritas em Jupyter Notebook

99-ML-Learning-Projects

Uma lista de 99 projetos de aprendizado de máquina para qualquer pessoa interessada em aprender a codificar e construir projetos.
  • 464
  • MIT

x-stable-diffusion

Inferência em tempo real para difusão estável - latência de 0,88s. Cobre AITemplate, nvFuser, TensorRT, FlashAttention..
  • 462
  • Apache License 2.0

DataScience

Data Science in Julia curso para JuliaAcademy.com, ministrado por Huda Nassar (por JuliaAcademy).
  • 461
  • MIT

jwst

Biblioteca Python para observações científicas do Telescópio Espacial James Webb.
  • 461
  • GNU General Public License v3.0

Text2Light

[SIGGRAPH Asia 2022] Text2Light: Geração de Panorama HDR Orientada a Texto Zero-Shot.
  • 458
  • GNU General Public License v3.0

swiftai

Swift para API de alto nível do TensorFlow, modelado após fastai.
  • 457
  • Apache License 2.0

what_are_embeddings

Um mergulho profundo em incorporações a partir dos fundamentos.
  • 455

controlnet-colab

  • 453
  • The Unlicense

cabrita

Afinação do InstructLLaMA com dados portugueses.
  • 453
  • Apache License 2.0

Azure-Sentinel-Notebooks

Os Notebooks interativos do Azure Sentinel fornecem informações e ações de segurança para investigar anomalias e procurar comportamentos mal-intencionados.
  • 453
  • MIT

covid19pt-data

😷️🇵🇹 Dados relativos à pandemia COVID-19 em Portugal.
  • 450
  • GNU General Public License v3.0 only

fastkafka

FastKafka é uma biblioteca Python poderosa e fácil de usar para criar serviços da Web assíncronos que interagem com tópicos Kafka. Construído sobre Pydantic, AIOKafka e AsyncAPI, o FastKafka simplifica o processo de escrever produtores e consumidores para tópicos Kafka.
  • 446
  • Apache License 2.0

concrete-ml

Concrete ML: Privacy Preservando a estrutura de ML construída sobre o Concrete, com ligações a estruturas de ML tradicionais.
  • 446
  • GNU General Public License v3.0

cleora

Cleora AI é um modelo de uso geral para aprendizado eficiente e escalável de incorporações de entidades estáveis ​​e indutivas para dados relacionais heterogêneos.
  • 444
  • GNU General Public License v3.0

blended-diffusion

Implementação oficial do "Blended Diffusion for Text-driven Editing of Natural Images" [CVPR 2022].
  • 442
  • MIT

get-started-with-JAX

O objetivo deste repositório é facilitar a introdução ao JAX, Flax e Haiku. Ele contém minha série de tutoriais "Machine Learning with JAX" (vídeos do YouTube e Jupyter Notebooks), bem como o conteúdo que achei útil ao aprender sobre o ecossistema JAX.
  • 440
  • MIT

Watermark-Removal-Pytorch

🔥 CNN para remoção de marca d'água usando Deep Image Prior com Pytorch 🔥..
  • 437
  • MIT

IDE-3D

[SIGGRAPH Asia 2022] IDE-3D: Edição Interativa Desembaraçada para Síntese de Retratos 3D de Alta Resolução.
  • 434

daam

Mapas de atribuição atentos à difusão para interpretar a difusão estável.
  • 433
  • MIT

m1-machine-learning-test

Código para testar vários benchmarks M1 Chip com TensorFlow..
  • 431
  • MIT

indonlu

O primeiro vasto benchmark de processamento de linguagem natural para o idioma indonésio. Fornecemos várias tarefas downstream, modelos IndoBERT pré-treinados e um código inicial! (AACL-IJCNLP 2020).
  • 431
  • Apache License 2.0

Sharing_ISL_python

Uma introdução ao aprendizado estatístico com aplicativos em PYTHON.
  • 431

machine-learning-and-simulation

Todas as notas manuscritas 📝 e arquivos de código-fonte 🖥️ usados ​​em meus vídeos do YouTube sobre aprendizado de máquina e simulação (https://www.youtube.com/channel/UCh0P7KwJhuQ4vrzc3IRuw4Q).
  • 430
  • MIT

afinn

Análise de sentimento AFINN em Python.
  • 429
  • Apache License 2.0

FinBERT

Um modelo BERT pré-treinado para comunicações financeiras. https://arxiv.org/abs/2006.08097 (por yya518).
  • 428
  • Apache License 2.0

covid19-forecast-hub

Projeções do COVID-19, em formato padronizado.
  • 427
  • GNU General Public License v3.0

18335

18.335 - Curso de Introdução aos Métodos Numéricos.
  • 426

alpaca_eval

Um avaliador automático para modelos de linguagem de seguimento de instrução. Validado por humanos, de alta qualidade, barato e rápido.
  • 425
  • Apache License 2.0

geospatial-data-catalogs

Uma lista de conjuntos de dados geoespaciais abertos disponíveis na AWS, Earth Engine, Planetary Computer, NASA CMR e STAC Index.
  • 423
  • MIT