Início Projetos DL4Proteins-notebooks
DL4Proteins-notebooks
Jupyter Notebook

DL4Proteins-notebooks

Notebooks Colab cobrindo ferramentas de aprendizado profundo para previsão e design de estrutura biomolecular

por Graylab · GitHub
Estrelas
Forks
Licença
Criado
Último commit
convolutional-neural-networksdeep-learningdiffusion-modelsMITJupyter Notebook
Ver no GitHub
Em palavras simples

Explore técnicas de deep learning para prever e projetar estruturas de proteínas através de notebooks interativos.

Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
DL4Proteins-notebooks — GitHub preview card
📈 Histórico de estrelas
704703
2026-07-202026-08-31
📈 Acompanhe DL4Proteins-notebooks

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

Notebooks Colab cobrindo ferramentas de aprendizado profundo para previsão e design de estrutura biomolecular

DL4Proteins-notebooks tem 703 estrelas no GitHub. Foi bifurcado 121 vezes. DL4Proteins-notebooks é escrito principalmente em Jupyter Notebook. Está em desenvolvimento ativo desde 2024. DL4Proteins-notebooks está disponível sob a licença MIT. Os seus principais temas são: convolutional-neural-networks, deep-learning, diffusion-models, graph-neural-networks.

Frequently asked questions

O que é DL4Proteins-notebooks?

Notebooks Colab cobrindo ferramentas de aprendizado profundo para previsão e design de estrutura biomolecular

DL4Proteins-notebooks é de código aberto?

DL4Proteins-notebooks é um projeto de código aberto. É distribuído sob a licença MIT.

DL4Proteins-notebooks é gratuito?

Sim. DL4Proteins-notebooks é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Sob que licença está DL4Proteins-notebooks?

DL4Proteins-notebooks está disponível sob a licença MIT.

Em que linguagem DL4Proteins-notebooks está escrito?

DL4Proteins-notebooks é escrito principalmente em Jupyter Notebook.

🏅 Mantenedor deste projeto?
olud.ai badge — DL4Proteins-notebooks

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=graylab-dl4proteins-notebooks)](https://olud.ai/project/graylab-dl4proteins-notebooks.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →
dgl
Pacote Python criado para facilitar o aprendizado profundo em grafos, em cima de frameworks DL…
14.3k · deep-learning
partilhagraph-neural-networks
graph4nlp
Graph4nlp é a biblioteca para o uso fácil de Redes Neurais Gráficas para NLP. Bem-vindo ao noss…
1.7k · deep-learning
partilhagraph-neural-networks
awesome-semi-supervised-learning
😎 Uma lista atualizada e selecionada de artigos, métodos e recursos incríveis de aprendizado se…
1.9k · computer-vision
partilhagraph-neural-networks
ktrain
ktrain é uma biblioteca Python que torna o aprendizado profundo e a IA mais acessíveis e fáceis…
1.3k · computer-vision
partilhagraph-neural-networks
PixelLib
Visite a documentação oficial do PixelLib https://pixellib.readthedocs.io/en/latest/
1.1k · artificial-intelligence
partilhaconvolutional-neural-networks
GlueStick
Joint Deep Matcher para Pontos e Linhas 🖼️💥🖼️ (ICCV 2023)
674 · computer-vision
partilhagraph-neural-networks
quiver
Visualização interativa de recursos de convnet para Keras
1.8k · convolutional-neural-networks
partilhaconvolutional-neural-networks
torchdrug
Uma plataforma de aprendizado de máquina poderosa e flexível para descoberta de medicamentos
1.6k · deep-learning
partilhagraph-neural-networks
self-driving-car
Projetos do Nanodegree de Engenheiro de Carro Autônomo da Udacity.
2.9k · computer-vision
partilhaconvolutional-neural-networks
geospatial-machine-learning
Uma lista selecionada de recursos focados em Aprendizado de Máquina em Ciência de Dados Geoespa…
703 · classification
partilhaconvolutional-neural-networks

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.