Awesome GitHub RepositoriesComputational Performance Optimizations

هذا المشروع عبارة عن برنامج تعليمي شامل لتحليل بيانات pandas ودليل تعليمي مصمم لتعلم معالجة البيانات وتحليلها. يعمل كدليل لمعالجة البيانات الجدولية ودليل لتحليل السلاسل الزمنية، مما يوفر نهجاً منظماً لتنظيف ودمج وتحويل مجموعات البيانات. يعمل المستودع كدورة هندسة ميزات البيانات، حيث يوفر برامج تعليمية حول بناء واختيار ميزات مجموعة البيانات لتحسين أداء نموذج التعلم الآلي. كما يتضمن دليل عمليات البيانات المتجهة لإجراء حسابات رياضية على مستوى العناصر ومعالجات المصفوفة. تغطي المادة مجموعة واسعة من القدرات بما في ذلك سير عمل تنظيف البيانات، ومهام تكامل البيانات، وتحليل البيانات الجدولية. يوفر توجيهاً حول معالجة المعلومات النصية، والتعامل مع البيانات الفئوية، وتحسين سرعة التنفيذ لمجموعات البيانات الكبيرة. يتم تسليم المشروع كسلسلة من Jupyter Notebooks التي تحتوي على تمارين عملية ومشاكل ممارسة مستهدفة.

هذا المشروع عبارة عن مورد تعليمي شامل ودليل تدريبي لبناء وتدريب ونشر نماذج تعلم الآلة باستخدام TensorFlow 2. يعمل كدليل تعليمي منظم يغطي مفاهيم التعلم العميق الأساسية، بما في ذلك معماريات الشبكات العصبية، والاشتقاق التلقائي، وعمليات الموترات (Tensors). يوفر الدليل توجيهات تقنية حول تحسين كفاءة التنفيذ من خلال إدارة ذاكرة GPU، والتدريب الموزع، وتكميم النماذج (Model Quantization). كما يتضمن أدلة مفصلة لبناء خطوط معالجة بيانات عالية الأداء وتصدير النماذج لخوادم الإنتاج، والأجهزة المحمولة، ومتصفحات الويب. تغطي المادة مجموعة واسعة من القدرات، بما في ذلك تطوير النماذج باستخدام الشبكات التلافيفية (CNN) والمتكررة (RNN)، وتنفيذ دوال خسارة وطبقات مخصصة، واستخدام النماذج المدربة مسبقاً للتعلم بنقل المعرفة (Transfer Learning). كما يتناول استراتيجيات النشر للأجهزة الطرفية (Edge Devices) واستخدام بيئات التشغيل السحابية لتسريع العتاد. تم تنفيذ المادة كمجموعة من دفاتر Jupyter Notebooks.

هذا المشروع عبارة عن نظام رؤية حاسوبية مصمم للتعرف على الوجوه وتتبع الهوية في الوقت الفعلي باستخدام بث الكاميرا المباشر. يوفر إطار عمل لالتقاط وتسجيل وتحديد هوية أفراد متعددين في وقت واحد من خلال مقارنة مدخلات الفيديو المباشرة بقاعدة بيانات محلية من واصفات الوجه المسجلة مسبقاً. يتميز النظام بخط معالجة موجه نحو الأداء يوازن بين الحمل الحسابي أثناء التحليل المباشر. من خلال الجمع بين استخراج ميزات الشبكة العصبية العميقة وتتبع الكائنات القائم على المركز (centroid-based)، يحافظ البرنامج على تسميات هوية متسقة عبر إطارات الفيديو مع تقليل تكرار العمليات الحسابية المكلفة للتعرف. يسمح هذا النهج بتتبع وتحديد هوية أشخاص متعددين بشكل مستقر دون الحاجة إلى معالجة كاملة في كل إطار. تدعم المكتبة مجموعة من مهام إدارة الهوية، بما في ذلك إنشاء قواعد بيانات للوجوه قابلة للبحث وتسجيل الأفراد آلياً. يتعامل النظام مع دورة حياة البيانات البيومترية بالكامل، بدءاً من الاستخراج الأولي للمتجهات الرقمية الفريدة من صور الكاميرا وصولاً إلى التخزين الدائم لهذه الواصفات على نظام الملفات المحلي للتحقق منها مستقبلاً.