Ce dépôt contient de petits projets liés aux réseaux neuronaux et à l'apprentissage profond en général. Les sujets sont étroitement liés aux articles que je publie sur Medium. Je vous encourage à lire ainsi qu'à vérifier comment le code fonctionne en action.
Explorez de petits projets pour apprendre sur les réseaux neuronaux et l'apprentissage profond à travers le codage pratique.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentCe dépôt contient de petits projets liés aux réseaux neuronaux et à l'apprentissage profond en général. Les sujets sont étroitement liés aux articles que je publie sur Medium. Je vous encourage à lire ainsi qu'à vérifier comment le code fonctionne en action.
ILearnDeepLearning.py compte 1.4k étoiles sur GitHub. Il a été forké 461 fois. ILearnDeepLearning.py est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2018. ILearnDeepLearning.py est disponible sous licence MIT. Ses principaux thèmes sont : computer-vision, deep-learning, deep-learning-tutorial, neural-network.
Ce dépôt contient de petits projets liés aux réseaux neuronaux et à l'apprentissage profond en général. Les sujets sont étroitement liés aux articles que je publie sur Medium. Je vous encourage à lire ainsi qu'à vérifier comment le code fonctionne en action.
ILearnDeepLearning.py est un projet open source. Il est distribué sous licence MIT.
Oui. ILearnDeepLearning.py est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
ILearnDeepLearning.py est disponible sous licence MIT.
ILearnDeepLearning.py est écrit principalement en Jupyter Notebook.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://opensourceai.tech/project/skalskip-ilearndeeplearning-py.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.