awesome google colab
1.0.0
Merci de me contacter pour reprendre et réorganiser ce repo (il génère environ 30 000 vues et 200 000 clics par an), je n'ai pas le temps de le mettre à jour ou de le maintenir - message du 15/03/2021
Une liste organisée de référentiels avec des blocs-notes Colab entièrement fonctionnels en un clic avec des données, du code et une description. Le code de ces référentiels est en Python, sauf indication contraire.
Pour en savoir plus sur le pourquoi et le comment de Colab, consultez cet article. Pour quelques trucs et astuces, consultez cet article.
Si vous n'avez qu'un seul notebook à soumettre, utilisez le site https://google-colab.com/, c'est très simple, dans le coin supérieur droit, cliquez sur « soumettre + ». Plus vous publiez tôt, plus vous obtiendrez de visibilité au fil du temps
Attention : il s'agit d'un travail en cours, veuillez contribuer en ajoutant la fonctionnalité Colab à vos propres projets de science des données sur github ou en la demandant aux auteurs.
Si vous souhaitez contribuer à cette liste (veuillez le faire), envoyez-moi une pull request ou contactez-moi @dereknow ou sur linkedin. De plus, un référentiel répertorié doit être corrigé ou supprimé :
Outre les référentiels compatibles Colab répertoriés ci-dessous, vous pouvez également, avec un peu de travail, exécuter des notebooks github jupyter directement sur Google Colaboratory à l'aide des runtimes CPU/GPU/TPU en remplaçant https://github.com dans l'URL par https:// colab.research.google.com/github/. Aucune installation locale de Python n'est requise. Bien entendu, ces notebooks devraient être adaptés pour ingérer les données et modules nécessaires.
Python Data Science Notebook - Python Data Science Handbook : texte intégral dans les notebooks Jupyter
ML et EDA – Introduction fonctionnelle et centrée sur la science des données à Python.
Python Business Analytics - Solutions Python pour résoudre des problèmes commerciaux pratiques.
Exemples de Deep Learning – Essayez des modèles de Deep Learning en ligne sur Google Colab
Hvass-Labs - Tutoriels TensorFlow avec vidéos YouTube
Apprentissage profond du MIT - Tutoriels, devoirs et concours pour les cours liés au MIT Deep Learning.
Tutoriel PNL - Tutoriel de traitement du langage naturel pour les chercheurs en apprentissage profond
DeepSchool.io - Tutoriels de Deep Learning dans les cahiers Jupyter.
Cours de PNL approfondie - Un cours de PNL approfondie
pyprobml - Code Python pour "Machine learning : une perspective probabiliste"
MIT 6.S191 - Matériel de laboratoire pour MIT 6.S191 : Introduction au Deep Learning
HSE NLP - Ressources pour le cours Coursera « Traitement du langage naturel »
Real Word NLP – Exemple de code pour le « Traitement du langage naturel dans le monde réel »
Carnets - Carnets d'apprentissage automatique sur différents sujets optimisés pour fonctionner dans la collaboration Google
BERT – Code TensorFlow et modèles pré-entraînés pour BERT
XLNet - XLNet : Pré-entraînement autorégressif généralisé pour la compréhension du langage
Tutoriels DeepPavlov - Une bibliothèque open source pour les systèmes de dialogue et les chatbots d'apprentissage profond de bout en bout.
TF NLP - Projets, Pratique, PNL, TensorFlow 2, Google Colab
SparkNLP - Traitement du langage naturel de pointe
Reconnaissance de texte approfondie - Reconnaissance de texte (reconnaissance optique de caractères) avec des méthodes d'apprentissage en profondeur.
BERTScore - Métrique d'évaluation automatique pour Bert.
Récapitulatif de texte - Implémentations multiples pour la résumation de texte abstractive
GPT-2 Colab – Recycler gpt-2 dans Colab
DeepFaceLab - DeepFaceLab est un outil qui utilise l'apprentissage automatique pour remplacer les visages dans les vidéos.
CycleGAN et PIX2PIX - Traduction image à image dans PyTorch
DeOldify - Un projet basé sur le Deep Learning pour coloriser et restaurer d'anciennes images (et vidéos !)
Detectron2 - Detectron2 est la plateforme de recherche de nouvelle génération de FAIR pour la détection et la segmentation d'objets.
EfficientNet - PyTorch - Une implémentation PyTorch d'EfficientNet
Faceswap GAN - Un auto-encodeur de débruitage + pertes contradictoires et mécanismes d'attention pour l'échange de visage.
Transfert de style neuronal - Implémentation Keras du transfert de style neuronal à partir de l'article "Un algorithme neuronal de style artistique"
Comparer GAN - Comparer le code GAN
hmr - Page du projet pour la récupération de bout en bout de la forme et de la pose humaines
Spleeter - Bibliothèque de séparation de sources Deezer comprenant des modèles pré-entraînés.
TTS - Apprentissage profond pour la synthèse vocale
Dopamine - La dopamine est un cadre de recherche pour le prototypage rapide d'algorithmes d'apprentissage par renforcement.
Sonnet - Bibliothèque de réseaux neuronaux basée sur TensorFlow
OpenSpiel - Collection d'environnements et d'algorithmes pour la recherche en apprentissage général par renforcement et la recherche/planification dans les jeux.
TF Agents - TF-Agents est une bibliothèque pour l'apprentissage par renforcement dans TensorFlow
bsuite - Collection d'expériences soigneusement conçues qui étudient les capacités de base d'un agent d'apprentissage par renforcement (RL)
Modèles génératifs TF - implémentations d'un certain nombre de modèles génératifs dans Tensorflow
DQN to Rainbow - Un tutoriel étape par étape de DQN à Rainbow
Altair - Bibliothèque de visualisation statistique déclarative pour Python
Altair Curriculum - Un programme de visualisation de données composé de blocs-notes interactifs.
bertviz - Outil de visualisation de l'attention dans le modèle Transformer
TF Graphics - TensorFlow Graphics : couches graphiques différenciables pour TensorFlow
deepreplay - Générez des visualisations comme dans mon "Hyper-paramètres en action!"
PySyft - Une bibliothèque pour un apprentissage automatique crypté et préservant la confidentialité
Mindsdb - Framework pour rationaliser l'utilisation des réseaux de neurones
Classement – Apprendre à classer dans TensorFlow
TensorNetwork - Une bibliothèque pour une manipulation simple et efficace des réseaux tenseurs.
JAX - Transformations composables de programmes Python+NumPy
BentoML - Une plateforme pour servir et déployer des modèles d'apprentissage automatique
Apprentissage par transfert PNL - code pour le didacticiel sur l'apprentissage par transfert en PNL organisé à la NAACL 2019
Benchmarks BDL - Benchmarks bayésiens d'apprentissage profond
RLTrader - Un environnement de trading de crypto-monnaie utilisant l'apprentissage par renforcement profond et la salle de sport d'OpenAI
TF Quant Finance - Bibliothèque TensorFlow hautes performances pour la finance quantitative.
TensorTrade - Un cadre d'apprentissage par renforcement open source pour les agents commerciaux robustes
Rapping NN - Réseau neuronal récurrent d'écriture de chansons rap formé sur l'ensemble de la discographie de Kanye West
Photogrammétrie - Rendu de la photogrammétrie avec les GPU Cloud de Colab avec Meshroom.
dl4g - Apprentissage profond pour les graphiques
