In Jupyter Notebook geschriebene Bibliotheken

human-learn

Natürliche Intelligenz ist immer noch eine ziemlich gute Idee.
  • 724
  • MIT

PyABSA

Stimmungsanalyse, Textklassifizierung, Texterweiterung, gegnerische Textverteidigung usw.;.
  • 721
  • MIT

stylegan-encoder

StyleGAN Encoder – konvertiert reale Bilder in latenten Raum (von pbaylies).
  • 721
  • GNU General Public License v3.0

TradeMaster

TradeMaster ist eine Open-Source-Plattform für quantitativen Handel, die durch Reinforcement Learning:fire::zap::rainbow: unterstützt wird.
  • 718
  • Apache License 2.0

data-visualization

Verschiedene Datenvisualisierungsprojekte, Beispiele und Demos: hauptsächlich Python (Pandas + Matplotlib) und JavaScript (Broschüre).
  • 714

pdpipe

Einfache Pipelines für Pandas DataFrames.
  • 709
  • MIT

FinanceOps

Forschung im Bereich Investitionsfinanzierung mit Python Notebooks.
  • 699
  • MIT

ada-build

Das Ada Developers Academy Jump Start-Programm richtet sich an alle, die ihre Reise in die Programmierung beginnen möchten.
  • 699

trading-bot

Aktienhandelsbot mit Deep Q-Learning.
  • 695
  • MIT

bark

🚀 BARK INFINITY GUI CMD 🎶 Hochgefahrenes, textgesteuertes generatives Audiomodell von Bark (von JonathanFly).
  • 693
  • MIT

hate-speech-and-offensive-language

Repository für den Artikel „Automated Hate Speech Detection and the Problem of Offensive Language“, ICWSM 2017.
  • 688
  • MIT

torchxrayvision

TorchXRayVision: Eine Bibliothek mit Röntgendatensätzen und -modellen des Brustkorbs. Klassifikatoren, Segmentierung und Autoencoder.
  • 687
  • Apache License 2.0

ReAct

[ICLR 2023] ReAct: Synergisierung von Denken und Handeln in Sprachmodellen (von ysymyth).
  • 686
  • MIT

ThoughtSource

Eine zentrale, offene Ressource für Daten und Tools im Zusammenhang mit der Gedankenkettenbegründung in großen Sprachmodellen. Entwickelt in der Samwald-Forschungsgruppe: https://samwald.info/.
  • 682
  • MIT

machine-learning-notes

Sammlung nützlicher Codes und Snippets für maschinelles Lernen (ursprünglich für meinen persönlichen Gebrauch gedacht) (von rasbt).
  • 682
  • BSD 3-clause "New" or "Revised"

InstColorization

  • 682
  • MIT

Paella

Offizielle Implementierung von Paella https://arxiv.org/abs/2211.07292v1.
  • 679
  • MIT

awesome-python-projects

📱 ✅ Einige tolle Projekte in Python! 📱 ✅ (von garimasingh128).
  • 678
  • MIT

gr-satellites

GNU-Radio-Decoder für Amateursatelliten.
  • 675
  • GNU General Public License v3.0 only

evojax

  • 674
  • Apache License 2.0

colabcat

:smiley_cat: Hashcat auf Google Colab mit Sitzungssicherung und -wiederherstellung ausführen.
  • 672
  • MIT

JustEnoughScalaForSpark

Ein Tutorial zu den wichtigsten Funktionen und Redewendungen von Scala, die Sie für die Verwendung der Scala-APIs von Spark benötigen.
  • 668
  • Apache License 2.0

3Dmol.js

WebGL-beschleunigte JavaScript-Bibliothek für molekulare Grafiken.
  • 667
  • GNU General Public License v3.0

pix2seq

Pix2Seq-Codebasis: Multitasking mit generativer Modellierung (autoregressiv und Diffusion) (von Google-Research).
  • 667
  • Apache License 2.0

finance_ml

Fortschritte im maschinellen Lernen im Finanzbereich.
  • 661
  • MIT

course-content-dl

NMA-Deep-Learning-Kurs.
  • 660
  • Creative Commons Attribution 4.0

MultiDiffusion

Offizielle Pytorch-Implementierung für „MultiDiffusion: Fusing Diffusion Paths for Controlled Image Generation“ präsentiert „MultiDiffusion“ (ICML 2023).
  • 659

hands-on-rl

Kostenloser Kurs, der Sie von Null zum Reinforcement Learning PRO führt 🦸🏻‍🦸🏽.
  • 659
  • MIT

whisper-diarization

Automatische Spracherkennung mit Sprecherdiagnose basierend auf OpenAI Whisper.
  • 658
  • BSD 2-clause "Simplified"

OmniXAI

OmniXAI: Eine Bibliothek für erklärbare KI.
  • 654
  • BSD 3-clause "New" or "Revised"