40 रिपॉजिटरी
Awesome GitHub RepositoriesNotebook Execution Environments
Interactive environments that allow for the execution of code snippets directly within documentation or notebook interfaces.
Distinct from Code Execution Environments: Focuses on notebook-style interactive documentation, distinct from general-purpose code runners.
Explore 40 awesome GitHub repositories matching development tools & productivity · Notebook Execution Environments. Refine with filters or upvote what's useful.
Awesome Notebook Execution Environments GitHub Repositories
AI के साथ बेहतरीन रिपॉजिटरी खोजें।हम AI का उपयोग करके सबसे सटीक रिपॉजिटरी खोजेंगे।
- awesome-selfhosted/awesome-selfhosted
awesome-selfhosted/awesome-selfhosted
299,516GitHub पर देखेंयह प्रोजेक्ट निजी सर्वर वातावरण और होम लैब में डिप्लॉयमेंट के लिए डिज़ाइन किए गए ओपन-सोर्स सॉफ्टवेयर की एक समुदाय-क्यूरेटेड निर्देशिका है। यह मुख्यधारा की क्लाउड सेवाओं के स्वतंत्र, स्व-होस्ट किए गए विकल्पों को खोजने के लिए एक व्यापक संसाधन के रूप में कार्य करता है, जिससे उपयोगकर्ता अपने डिजिटल इंफ्रास्ट्रक्चर पर पूर्ण डेटा स्वामित्व और नियंत्रण बनाए रख सकते हैं। निर्देशिका को एक पदानुक्रमित वर्गीकरण के माध्यम से संरचित किया गया है जो अनुप्रयोगों के एक विशाल संग्रह को तार्किक श्रेणियों में व्यवस्थित करता है, जो मीडिया प्रबंधन और डेटा एनालिटिक्स से लेकर निजी संचार और टीम उत्पादकता टूल तक फैला हुआ है। यह एक सहयोगात्मक पीयर-रिव्यू प्रक्रिया के माध्यम से खुद को अलग करती है, जहाँ समुदाय के सदस्य निर्देशिका को सटीक और विश्वसनीय सुनिश्चित करने के लिए प्रत्येक सबमिशन की गुणवत्ता और प्रासंगिकता को मान्य करते हैं। प्रोजेक्ट इंफ्रास्ट्रक्चर ऑटोमेशन, कंटेनर-आधारित सर्विस डिप्लॉयमेंट और घोषणात्मक कॉन्फ़िगरेशन प्रबंधन सहित क्षमताओं के एक व्यापक क्षेत्र को कवर करता है। ये टूल उपयोगकर्ताओं को पुनरुत्पादनीय सर्वर वातावरण बनाए रखने और निजी हार्डवेयर पर जटिल सर्विस निर्भरताओं को प्रबंधित करने में सहायता करते हैं। निर्देशिका को एक वर्ज़न-कंट्रोल रिपॉजिटरी के रूप में बनाए रखा जाता है, यह सुनिश्चित करते हुए कि सभी अपडेट और समुदाय-संचालित परिवर्तन ट्रैक किए जाते हैं और पारदर्शी हैं।
Executes interactive code snippets within shared documentation and notebook environments.
awesomeawesome-listcloud - fastai/fastai
fastai/fastai
27,862GitHub पर देखेंFastai is a high-level deep learning library built on PyTorch that provides a unified interface for managing the entire machine learning lifecycle. It functions as a comprehensive training toolkit, abstracting hardware management and automating complex training loops to simplify the construction and execution of neural network models. The framework is distinguished by its notebook-centric development environment and a type-dispatching data pipeline that automatically applies transformations based on input data formats. It emphasizes transfer learning through discriminative layer-wise optimiza
Designed for interactive use within Jupyter Notebooks to manage experiments and end-to-end workflows.
Jupyter Notebookcolabdeep-learningfastai - dask/dask
dask/dask
13,746GitHub पर देखेंDask एक पैरेलल कंप्यूटिंग फ्रेमवर्क और डिस्ट्रीब्यूटेड टास्क शेड्यूलर है जिसे Python डेटा साइंस वर्कफ़्लो को सिंगल मशीनों से बड़े क्लस्टर्स तक स्केल करने के लिए डिज़ाइन किया गया है। यह एक क्लस्टर रिसोर्स मैनेजर के रूप में कार्य करता है जो कार्यों और उनकी डिपेंडेंसी को डायरेक्टेड एसाइक्लिक ग्राफ (DAGs) के रूप में प्रस्तुत करके कम्प्यूटेशनल लॉजिक को व्यवस्थित करता है। यह आर्किटेक्चर सिस्टम को जटिल निष्पादन आवश्यकताओं का प्रबंधन करते हुए उपलब्ध हार्डवेयर पर वर्कलोड के वितरण को स्वचालित करने की अनुमति देता है। यह प्रोजेक्ट एक लेज़ी इवैल्यूएशन इंजन के माध्यम से खुद को अलग करता है जो डेटा ऑपरेशन्स को तब तक स्थगित कर देता है जब तक कि उन्हें स्पष्ट रूप से अनुरोध न किया जाए, जिससे ग्लोबल ग्राफ ऑप्टिमाइज़ेशन और कुशल संसाधन आवंटन सक्षम होता है। इसमें उपलब्ध मेमोरी से अधिक डेटासेट को प्रोसेस करते समय सिस्टम क्रैश को रोकने के लिए मेमोरी-अवेयर डेटा स्पिलिंग शामिल है, और यह टास्क ग्राफ फ्यूजन का उपयोग ऑपरेशन्स के अनुक्रमों को एकल निष्पादन चरणों में संयोजित करने के लिए करता है, जिससे शेड्यूलिंग ओवरहेड और इंटर-नोड संचार कम हो जाता है। यह प्लेटफॉर्म बड़े पैमाने पर डेटा एनालिटिक्स के लिए एक व्यापक क्षमता सतह प्रदान करता है, जिसमें डिस्ट्रीब्यूटेड मशीन लर्निंग, उच्च-प्रदर्शन कंप्यूटिंग एकीकरण, और पैरेलल डेटा प्रोसेसिंग के लिए समर्थन शामिल है। यह क्लस्टर लाइफसाइकिल मैनेजमेंट, परफॉरमेंस प्रोफाइलिंग, और टास्क निष्पादन की रीयल-टाइम मॉनिटरिंग के लिए व्यापक उपकरण प्रदान करता है। उपयोगकर्ता इन वातावरणों को स्थानीय हार्डवेयर, क्लाउड प्रदाताओं, कंटेनरीकृत सिस्टम, और उच्च-प्रदर्शन कंप्यूटिंग क्लस्टर्स सहित विविध बुनियादी ढांचे पर तैनात कर सकते हैं।
Integrates live performance monitoring plots directly into notebook interfaces for real-time cluster health tracking.
Pythondasknumpypandas - ageron/handson-ml3
ageron/handson-ml3
13,463GitHub पर देखेंThis repository serves as a comprehensive educational resource for mastering machine learning and deep learning through a series of interactive Jupyter Notebooks. It provides a structured collection of tutorials and code examples designed to guide users through the fundamental and advanced techniques of the Python data science ecosystem. The project distinguishes itself by offering hands-on exercises that demonstrate the full lifecycle of machine learning projects. Users can explore end-to-end data pipelines, ranging from initial data loading and preprocessing to the training and deployment o
Renders interactive notebook content in a browser interface for reference and educational walkthroughs.
Jupyter Notebook - guipsamora/pandas_exercises
guipsamora/pandas_exercises
12,180GitHub पर देखेंThis repository is a collection of structured coding challenges designed to build proficiency in data manipulation, cleaning, and transformation using the Python data analysis library. It functions as a hands-on tutorial for learning how to process and analyze tabular datasets through a series of practical, real-world exercises. The project utilizes interactive documents that combine live code cells with narrative text, allowing users to execute data manipulation logic in a persistent environment. The content is organized into modular, progressive units that increase in complexity, enabling u
Utilizes interactive notebook environments to combine narrative text with executable code for hands-on learning.
Jupyter Notebookjupyter-notebookspandaspandas-tutorial - hangtwenty/dive-into-machine-learning
hangtwenty/dive-into-machine-learning
11,395GitHub पर देखेंThis project is a comprehensive collection of machine learning educational resources, featuring a Python-based curriculum, study guides for deep learning, and a specialized knowledge base for machine learning operations. It provides structured learning paths that guide users from foundational programming through to advanced neural network implementations. The repository focuses on interactive learning by providing a directory of executable notebooks and cloud-hosted experiments. It maps theoretical research papers and textbooks to practical code implementations and maintains a curated directo
Uses interactive notebooks to combine mathematical theory, documentation, and live Python code execution.
- prql/prql
PRQL/prql
10,703GitHub पर देखेंPRQL is a functional, modular data transformation language that serves as a compiler for relational data pipelines. It allows developers to write expressive, pipelined queries that are translated into standard SQL dialects. By abstracting complex data manipulation into a readable, sequential syntax, the project enables the construction of maintainable workflows that remain independent of specific database engines. The language distinguishes itself through a robust compilation infrastructure that performs type validation and relational algebra analysis before generating target-specific code. I
Enables interactive data transformation scripts within notebook environments for immediate analysis.
Rustdatapipelinesql - microsoft/computervision-recipes
microsoft/computervision-recipes
9,866GitHub पर देखेंThis project is a collection of educational resources and implementation frameworks providing deep learning model recipes, code samples, and step-by-step guides for computer vision tasks. It organizes complex workflows into modular recipes and implementation guides to facilitate the building of image and video analysis models. The framework focuses on specialized vision capabilities, including an image similarity framework for fast retrieval and re-ranking, human pose estimation, and video action recognition. It also provides specific tools for crowd density estimation and document image clea
Uses notebook-driven prototyping to iteratively develop and validate computer vision algorithms.
Jupyter Notebookartificial-intelligenceazurecomputer-vision - netflix/metaflow
Netflix/metaflow
9,764GitHub पर देखेंMetaflow is a Python machine learning framework and MLOps workflow orchestrator designed to manage the lifecycle of data pipelines from local prototyping to production. It serves as a distributed compute manager and an experiment tracking system, enabling the creation of reproducible pipelines that transition between development and high-availability production environments. The framework distinguishes itself through an integrated checkpointing system that automatically persists intermediate data artifacts to remote storage, allowing failed runs to be resumed from the last successful step. It
Runs defined workflows directly within a notebook cell and returns a run object for inspection.
Pythonagentsaiaws - huggingface/accelerate
huggingface/accelerate
9,725GitHub पर देखेंAccelerate is a PyTorch distributed training library that abstracts the boilerplate required to run models across multiple GPUs, TPUs, and CPUs. It functions as a deep learning model scaler and distributed hardware orchestrator, allowing the same training script to run on different hardware backends without modifying the core logic. The project provides a distributed training command line interface for configuring compute environments and launching jobs across single or multi-node clusters. It includes a mixed precision training framework to implement FP16 and BF16 precision, reducing memory
Enables the triggering of distributed training loops directly from interactive notebook environments.
Python - microsoft/vscode-copilot-chat
microsoft/vscode-copilot-chat
9,493GitHub पर देखेंThis project is an AI-powered IDE extension and LLM coding assistant that provides a conversational interface for generating, refactoring, and debugging code. It functions as an AI agent framework and a Model Context Protocol client, connecting AI models to external data sources and tools to automate complex development tasks. The system is distinguished by its use of autonomous AI agents capable of multi-step task execution, including the ability to read files, modify code, and run terminal commands iteratively. It supports recursive agent orchestration through subagent delegation and employ
Executes code, visualizations, and markdown side-by-side for interactive data exploration.
TypeScript - udlbook/udlbook
udlbook/udlbook
9,099GitHub पर देखेंudlbook is a deep learning educational repository and a collection of interactive learning notebooks designed for studying neural network architectures. It serves as a digital repository of formatted mathematical equations and guided examples for learning deep learning concepts. The project provides a mathematical reference for supervised learning and neural network theory using LaTeX rendering. It includes interactive technical documentation and executable notebooks covering gradients, convolutions, and transformers. The system manages educational materials through a file-system based organ
Provides an environment for executing Python code cells directly within the educational deep learning documentation.
Jupyter Notebook - iamseancheney/python_for_data_analysis_2nd_chinese_version
iamseancheney/python_for_data_analysis_2nd_chinese_version
8,937GitHub पर देखेंThis project is an educational resource and a collection of instructional materials for performing data manipulation and statistical analysis using Python. It provides a comprehensive set of guides and code examples for using the Pandas, NumPy, and Matplotlib libraries to analyze structured data. The resource includes a dedicated guide for reshaping, cleaning, and aggregating tabular data and time series via Pandas, alongside a reference for high-performance vectorized operations and linear algebra using NumPy. It also features tutorials for creating publication-quality charts, distribution p
Guides the use of notebook environments to combine executable code, rich text, and visualizations in an iterative workflow.
matplotlibnumpypandas - answerdotai/fasthtml
AnswerDotAI/fasthtml
6,846GitHub पर देखेंFastHTML is a full-stack Python web framework designed for building interactive web applications using pure Python. It functions as an HTMX integration framework and a Python HTML domain-specific language, allowing developers to generate HTML structures using native objects and functions instead of external templating files. The framework is distinguished by its native support for real-time bidirectional communication via WebSockets and Server-Sent Events, enabling server-side updates to be pushed to the browser without full page reloads. It further integrates identity management through OAut
Enables the execution of web servers and rendering of applications within iframes inside interactive notebooks.
Jupyter Notebook - nteract/papermill
nteract/papermill
6,451GitHub पर देखेंPapermill is a Jupyter notebook execution engine and parameterization framework designed to run notebooks programmatically. It allows users to inject custom input values into notebooks to execute the same logic across different datasets, transforming interactive notebooks into reproducible data science pipelines. The project functions as a language-agnostic notebook runner and orchestrator, supporting kernels for Python, R, Julia, and Scala. It is distinguished by its cloud-integrated runner capabilities, featuring built-in handlers to read and write notebooks directly to storage providers su
Runs notebooks using specific input parameters via API or CLI to generate new output files.
Python - microsoft/nlp-recipes
microsoft/nlp-recipes
6,436GitHub पर देखेंnlp-recipes is a collection of implementation guides and reference templates for applying natural language processing techniques to real-world tasks. It provides standardized workflows and code examples for developing NLP pipelines, from dataset preparation and model training to performance evaluation. The project focuses on the practical application of transformer-based models, offering patterns for fine-tuning pretrained architectures for tasks such as text classification, named entity recognition, and question answering. It also includes a toolkit for model interpretability, allowing users
Organizes implementation guides as interactive documents combining executable code with descriptive documentation.
Python - pkmital/tensorflow_tutorials
pkmital/tensorflow_tutorials
5,668GitHub पर देखेंयह प्रोजेक्ट शैक्षिक Jupyter Notebooks का एक संग्रह है जो TensorFlow फ्रेमवर्क का उपयोग करके न्यूरल नेटवर्क निर्माण और टेंसर ऑपरेशंस पर ट्यूटोरियल प्रदान करता है। यह मशीन लर्निंग के छात्रों के लिए एक शैक्षिक रिपॉजिटरी और इम्प्लीमेंटेशन गाइड के रूप में कार्य करता है। यह सूट विशिष्ट उन्नत आर्किटेक्चर पर केंद्रित है, जिसमें इमेज क्लासिफिकेशन के लिए कन्वेन्शनल नेटवर्क, ट्रेनिंग स्टेबिलिटी के लिए स्किप कनेक्शन वाले रेजिडुअल नेटवर्क, और जेनरेटिव मॉडलिंग व डेटा सिंथेसिस के लिए वेरिएशनल ऑटोएनकोडर शामिल हैं। इसमें फीचर एक्सट्रैक्शन और डाइमेंशनलिटी रिडक्शन करने के लिए डीनोइजिंग और डीप ऑटोएनकोडर बनाने के लिए गाइड भी शामिल हैं। रिपॉजिटरी प्रेडिक्टिव मॉडलिंग के व्यापक दायरे को कवर करती है, जिसमें निरंतर मानों और बाइनरी परिणामों की भविष्यवाणी के लिए लीनियर, पॉलिनोमियल और लॉजिस्टिक रिग्रेशन के इम्प्लीमेंटेशन शामिल हैं।
Organizes educational machine learning experiments within interactive Jupyter notebook execution environments.
Jupyter Notebook - alibaba/alisql
alibaba/AliSQL
5,706GitHub पर देखेंAliSQL is a fork of MySQL by Alibaba that extends the relational database management system with enhancements for high performance, scalability, and enterprise-grade availability. It retains the core MySQL identity as a SQL-based database for storing, organizing, and retrieving structured data, while adding optimizations for large-scale transactional and analytical workloads. The project differentiates itself through a set of Alibaba-specific improvements, including a columnar engine for accelerating analytical queries directly on MySQL tables, and a distributed, shared-nothing NDB Cluster en
MySQL provides an interactive document that merges executable Python and SQL cells with markdown text and rich output.
C++alisqldatabaseduckdb - lmoroney/dlaicourse
lmoroney/dlaicourse
5,638GitHub पर देखेंयह प्रोजेक्ट TensorFlow डीप लर्निंग कोर्स के लिए इंटरैक्टिव नोटबुक का एक संग्रह है। यह न्यूरल नेटवर्क आर्किटेक्चर, सुपरवाइज्ड लर्निंग और ट्रांसफर लर्निंग को लागू करने के लिए निर्देशित शिक्षण संसाधन और व्यावहारिक ट्यूटोरियल प्रदान करता है। सामग्री में एक कंप्यूटर विज़न लर्निंग पाथ और ट्रांसफर लर्निंग के लिए विशिष्ट गाइड शामिल हैं, जो यह प्रदर्शित करते हैं कि प्री-ट्रेंड मॉडल को नए कार्यों के अनुकूल कैसे बनाया जाए। इसमें Keras हाई-लेवल API का उपयोग करके रिग्रेशन मॉडल और इमेज क्लासिफायर बनाने के लिए ट्यूटोरियल शामिल हैं। दायरा बाइनरी और मल्टीक्लास क्लासिफिकेशन, रिग्रेशन मॉडलिंग, और हस्तलिखित टेक्स्ट पहचान के लिए कन्वेन्शनल न्यूरल नेटवर्क के निर्माण के लिए सुपरवाइज्ड लर्निंग पाइपलाइनों को कवर करता है।
Ships an interactive environment pairing executable code cells with rich text documentation.
Jupyter Notebook - juliapluto/pluto.jl
JuliaPluto/Pluto.jl
5,346GitHub पर देखेंPluto.jl is a reactive computing environment for Julia that functions as a programmable document format. It serves as an interactive data science IDE and a polyglot computational notebook that stores Julia code and environment dependencies as versionable source files. The system is distinguished by its reactive execution model, which uses a directed acyclic graph to track variable dependencies and automatically re-evaluate affected downstream cells when a value changes. It ensures reproducibility by integrating isolated package environments directly within the notebook file and persisting con
Provides controls to reset, update, or activate the embedded package environment and dependency files within a notebook.
JavaScriptdesigned-for-teacherseducationexploration
