awesome google colab
1.0.0
Comuníquese conmigo para hacerme cargo y renovar este repositorio (obtiene alrededor de 30.000 visitas y 200.000 clics por año), no tengo tiempo para actualizarlo ni mantenerlo: mensaje 15/03/2021
Una lista seleccionada de repositorios con cuadernos de colaboración de hacer clic y ejecutar completamente funcionales con datos, códigos y descripciones. El código de estos repositorios está en Python a menos que se indique lo contrario.
Para obtener más información sobre los porqués y los cómos de Colab, consulte esta publicación. Para conocer algunos consejos y trucos, consulte esta publicación.
Si solo tiene un cuaderno para enviar, use el sitio web https://google-colab.com/, es realmente fácil, en la esquina superior derecha haga clic en 'enviar +'. Cuanto antes publiques, más visibilidad obtendrás con el tiempo.
Precaución: Este es un trabajo en progreso, contribuya agregando funcionalidad de colaboración a sus propios proyectos de ciencia de datos en github o solicitándolo a los autores.
Si desea contribuir a esta lista (hágalo), envíeme una solicitud de extracción o contácteme en @dereknow o en linkedin. Además, un repositorio listado debe arreglarse o eliminarse:
Además de los repositorios habilitados para colab que se enumeran a continuación, también puedes, con un poco de trabajo, ejecutar cuadernos github jupyter directamente en Google Colaboratory usando tiempos de ejecución de CPU/GPU/TPU reemplazando https://github.com en la URL por https:// colab.research.google.com/github/. No se requiere instalación local de Python. Por supuesto, estos cuadernos tendrían que adaptarse para ingerir los datos y módulos necesarios.
Cuaderno de ciencia de datos de Python - Manual de ciencia de datos de Python: texto completo en cuadernos de Jupyter
ML y EDA: introducción funcional a Python centrada en la ciencia de datos.
Python Business Analytics: soluciones Python para resolver problemas comerciales prácticos.
Ejemplos de aprendizaje profundo: pruebe modelos de aprendizaje profundo en línea en Google Colab
Hvass-Labs: tutoriales de TensorFlow con vídeos de YouTube
Aprendizaje profundo del MIT: tutoriales, tareas y concursos para cursos relacionados con el aprendizaje profundo del MIT.
Tutorial de PNL: tutorial de procesamiento del lenguaje natural para investigadores de aprendizaje profundo
DeepSchool.io: tutoriales de aprendizaje profundo en cuadernos jupyter.
Curso Profundo de PNL - Un curso profundo de PNL
pyprobml - Código Python para "Aprendizaje automático: una perspectiva probabilística"
MIT 6.S191 - Materiales de laboratorio para MIT 6.S191: Introducción al aprendizaje profundo
HSE PNL - Recursos para el curso Coursera "Procesamiento del lenguaje natural"
PNL de Word real: código de ejemplo para "Procesamiento del lenguaje natural en el mundo real"
Cuadernos: cuadernos de aprendizaje automático en diferentes temas optimizados para ejecutarse en Google Collaboratory
BERT: código TensorFlow y modelos previamente entrenados para BERT
XLNet - XLNet: preentrenamiento autorregresivo generalizado para la comprensión del lenguaje
Tutoriales de DeepPavlov: una biblioteca de código abierto para chatbots y sistemas de diálogo de un extremo a otro de aprendizaje profundo.
TF NLP: proyectos, práctica, PNL, TensorFlow 2, Google Colab
SparkNLP: procesamiento de lenguaje natural de última generación
Reconocimiento de texto profundo: reconocimiento de texto (reconocimiento óptico de caracteres) con métodos de aprendizaje profundo.
BERTScore: métrica de evaluación automática para Bert.
Resumen de texto: múltiples implementaciones para resumen de texto abstracto
GPT-2 Colab - Vuelva a entrenar gpt-2 en colab
DeepFaceLab: DeepFaceLab es una herramienta que utiliza el aprendizaje automático para reemplazar caras en videos.
CycleGAN y PIX2PIX: traducción de imagen a imagen en PyTorch
DeOldify: un proyecto basado en aprendizaje profundo para colorear y restaurar imágenes antiguas (¡y vídeos!)
Detectron2: Detectron2 es la plataforma de investigación de próxima generación de FAIR para la detección y segmentación de objetos.
EfficientNet - PyTorch - Una implementación PyTorch de EfficientNet
Faceswap GAN: un codificador automático con eliminación de ruido + pérdidas adversarias y mecanismos de atención para el intercambio de caras.
Transferencia de estilo neuronal: implementación de Keras de la transferencia de estilo neuronal del artículo "Un algoritmo neuronal de estilo artístico"
Comparar GAN - Comparar código GAN
hmr - Página del proyecto para la recuperación integral de la forma y la postura humanas
Spleeter: biblioteca de separación de fuentes de Deezer que incluye modelos previamente entrenados.
TTS: aprendizaje profundo para texto a voz
Dopamina: la dopamina es un marco de investigación para la creación rápida de prototipos de algoritmos de aprendizaje por refuerzo.
Sonnet: biblioteca de redes neuronales basada en TensorFlow
OpenSpiel: colección de entornos y algoritmos para la investigación en general, aprendizaje por refuerzo y búsqueda/planificación en juegos.
TF Agents: TF-Agents es una biblioteca para el aprendizaje por refuerzo en TensorFlow
bsuite: colección de experimentos cuidadosamente diseñados que investigan las capacidades centrales de un agente de aprendizaje por refuerzo (RL)
Modelos generativos TF: implementaciones de varios modelos generativos en Tensorflow
DQN a Rainbow: un tutorial paso a paso de DQN a Rainbow
Altair: biblioteca de visualización estadística declarativa para Python
Plan de estudios de Altair: un plan de estudios de visualización de datos de cuadernos interactivos.
bertviz - Herramienta para visualizar la atención en el modelo Transformer
Gráficos TF - Gráficos TensorFlow: capas de gráficos diferenciables para TensorFlow
deepreplay: genere visualizaciones como en mi "¡Hiperparámetros en acción!"
PySyft: una biblioteca para el aprendizaje automático cifrado que preserva la privacidad
Mindsdb: marco para agilizar el uso de redes neuronales
Clasificación: aprender a clasificar en TensorFlow
TensorNetwork: una biblioteca para la manipulación fácil y eficiente de redes tensoriales.
JAX: transformaciones componibles de programas Python+NumPy
BentoML: una plataforma para servir e implementar modelos de aprendizaje automático
Transferencia de aprendizaje en PNL: código para el tutorial sobre Transferencia de aprendizaje en PNL realizado en NAACL 2019
Puntos de referencia BDL - Puntos de referencia de aprendizaje profundo bayesiano
RLTrader: un entorno de comercio de criptomonedas que utiliza el aprendizaje por refuerzo profundo y el gimnasio de OpenAI
TF Quant Finance: biblioteca TensorFlow de alto rendimiento para finanzas cuantitativas.
TensorTrade: un marco de aprendizaje reforzado de código abierto para agentes comerciales sólidos
Rapping NN: red neuronal recurrente que escribe canciones de rap entrenada en toda la discografía de Kanye West
Fotogrametría: renderice fotogrametría con las GPU en la nube de Colab con Meshroom.
dl4g - Aprendizaje profundo para gráficos
