Este repositorio contiene pequeños proyectos relacionados con Redes Neuronales y Aprendizaje Profundo en general. Los temas están estrechamente relacionados con los artículos que publico en Medium. Te animo a leer y a comprobar cómo funciona el código en acción.
Explorar pequeños proyectos para aprender sobre redes neuronales y aprendizaje profundo a través de la codificación práctica.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quierasEste repositorio contiene pequeños proyectos relacionados con Redes Neuronales y Aprendizaje Profundo en general. Los temas están estrechamente relacionados con los artículos que publico en Medium. Te animo a leer y a comprobar cómo funciona el código en acción.
ILearnDeepLearning.py tiene 1.4k estrellas en GitHub. Se ha bifurcado 461 veces. ILearnDeepLearning.py está escrito principalmente en Jupyter Notebook. Se desarrolla activamente desde 2018. ILearnDeepLearning.py está disponible bajo la licencia MIT. Sus temas principales son: computer-vision, deep-learning, deep-learning-tutorial, neural-network.
Este repositorio contiene pequeños proyectos relacionados con Redes Neuronales y Aprendizaje Profundo en general. Los temas están estrechamente relacionados con los artículos que publico en Medium. Te animo a leer y a comprobar cómo funciona el código en acción.
ILearnDeepLearning.py es un proyecto de código abierto. Se distribuye bajo la licencia MIT.
Sí. ILearnDeepLearning.py es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
ILearnDeepLearning.py está disponible bajo la licencia MIT.
ILearnDeepLearning.py está escrito principalmente en Jupyter Notebook.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://olud.ai/project/skalskip-ilearndeeplearning-py.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.