In Jupyter Notebook geschriebene Bibliotheken
h4cker
Dieses Repository wird hauptsächlich von Omar Santos (@santosomar) verwaltet und enthält Tausende von Ressourcen im Zusammenhang mit ethischem Hacking/Penetrationstests, digitaler Forensik und Reaktion auf Vorfälle (DFIR), Schwachstellenforschung, Exploit-Entwicklung, Reverse Engineering und mehr.
- 14.1k
- MIT
Kalman-and-Bayesian-Filters-in-Python
Kalman-Filterbuch mit Jupyter Notebook. Konzentriert sich auf den Aufbau von Intuition und Erfahrung, nicht auf formale Beweise. Enthält Kalman-Filter, erweiterte Kalman-Filter, unparfümierte Kalman-Filter, Partikelfilter und mehr. Alle Übungen enthalten Lösungen.
- 14.1k
- GNU General Public License v3.0
digital_video_introduction
Eine praktische Einführung in die Videotechnologie: Bild, Video, Codec (av1, vp9, h265) und mehr (ffmpeg-Kodierung). Übersetzungen: 🇺🇸 🇨🇳 🇯🇵 🇮🇹 🇰🇷 🇷🇺 🇧🇷.
- 13.8k
- BSD 3-clause "New" or "Revised"
first-order-model
Dieses Repository enthält den Quellcode für das Papier First Order Motion Model for Image Animation.
- 13.6k
- MIT
deepmind-research
Dieses Repository enthält Implementierungen und anschaulichen Code zur Begleitung von DeepMind-Veröffentlichungen.
- 12.0k
- Apache License 2.0
python-machine-learning-book
Das Buchcode-Repository und die Informationsressource „Python Machine Learning (1. Auflage)“.
- 11.9k
- MIT
DeepLearningExamples
Hochmoderne Deep-Learning-Skripte, die nach Modellen organisiert sind – einfach zu trainieren und mit reproduzierbarer Genauigkeit und Leistung auf einer Infrastruktur der Enterprise-Klasse bereitzustellen.
- 11.3k
yolov7
Implementierung von Paper - YOLOv7: Trainable Bag-of-Freebies setzt neue Maßstäbe für Echtzeit-Objektdetektoren.
- 10.8k
- GNU General Public License v3.0 only
dopamine
Dopamin ist ein Forschungsrahmen für das schnelle Prototyping von Reinforcement-Learning-Algorithmen.
- 10.2k
- Apache License 2.0
Grounded-Segment-Anything
Grounded-SAM: Verbindung von geerdetem DINO mit „Alles segmentieren“ und „stabiler Diffusion“ und „Alles erkennen“ – alles automatisch erkennen, segmentieren und generieren.
- 10.0k
- Apache License 2.0
machine-learning-for-trading
Code für maschinelles Lernen für algorithmischen Handel, 2. Auflage.
- 10.0k
prettymaps
Ein kleiner Satz von Python-Funktionen zum Zeichnen hübscher Karten aus OpenStreetMap-Daten. Basierend auf Osmnx, Matplotlib und Shapely-Bibliotheken.
- 9.9k
- GNU Affero General Public License v3.0
numerical-linear-algebra
Kostenloses Online-Lehrbuch mit Jupyter-Notizbüchern für den fast.ai-Kurs „Computational Linear Algebra“.
- 9.6k
The-Complete-FAANG-Preparation
Dieses Repository enthält alle DSA (Datenstrukturen, Algorithmen, 450 DSA von Love Babbar Bhaiya, FAANG-Fragen), technische Themen (OS + DBMS + SQL + CN + OOPs), Theorie + Fragen, FAANG-Interviewfragen und verschiedene Dinge (Programmierung). MCQs, Rätsel, Eignung, Argumentation). Die zur Demonstration verwendeten Programmiersprachen sind C++, Python und Java.
- 9.3k
- MIT
computervision-recipes
Best Practices, Codebeispiele und Dokumentation für Computer Vision.
- 9.1k
- MIT
amazon-sagemaker-examples
Beispiel 📓 Jupyter-Notebooks, die zeigen, wie man Modelle für maschinelles Lernen mit 🧠 Amazon SageMaker erstellt, trainiert und bereitstellt.
- 8.6k
- Apache License 2.0
