该存储库托管一个基于jupyter笔记本的评论生成工具，探索从输入数据中的自动化，上下文相关的评论生成的高级NLP技术。 NLP和自动化文本生成的开发人员和研究人员的理想选择。

LLM驱动的增强生成套件利用Langchain，Ollama和Vector数据库通过缓存，上下文记忆和基于检索的方法来增强响应质量。这本jupyter笔记本的集合展示了用于构建具有实时语义意识的智能记忆生成系统的模块化技术。

✭Magnetron™✭：这是一本Google Colab/Jupyter笔记本，用于使用人工智能2.0™（人工智能2.0™是Magnetron™Technology的一部分）时，用于开发想象力（G2）的前提。

对于学期最终的团队项目，我和我的朋友们建立了一个CNN模型，将胸部X射线图像分类为正常的Covid-19和肺炎（病毒/细菌）病例。

该存储库全部是关于流行的人工智能实验室概念及其变化。这有助于机器学习。我尝试使用Prolog，Python编程语言和Jupyter Notebook程序的所有问题解决方案。

✭Magnetron™™：这是一本Google Colab/Jupyter笔记本，用于使用人工智能2.0™（人工智能2.0™是Magnetron™Technology的一部分）时，用于开发想象力（D）proxia。

糖尿病预测系统使用幼稚的贝叶斯分类模型根据输入数据预测糖尿病。它包括用于模型培训的Jupyter笔记本，用于部署的烧瓶应用程序（APP.PY）和一个腌制文件（Model.pkl），以加载训练有素的模型。该系统处理用户输入并预测糖尿病的可能性。

✭Magnetron™✭：这是一本Google Colab/Jupyter笔记本，用于使用人工智能2.0™（人工智能2.0™是Magnetron™技术的一部分）时，用于开发脑前置（B）。

具有简化仪表板，神经网络模型和Jupyter笔记本的全面MNIST数字识别项目。包括所有必要的文件，用于培训，测试和部署模型。

我所有的所有笔记本和相关工作的记录。

该存储库在Jupyter笔记本中具有基本的神经网络实现，包括逻辑门和简单预测模型等示例，以及用于AI逻辑编程的Prolog代码。

实施Udacity的人工智能Nanodegree（v3.0）的前式计划代理。该项目是课堂上笔记本的解决方案（主题：古典计划）。

在此数据科学课程中，您将获得有关机器学习理论的明确解释，并结合实际场景和实践经验建立，验证和部署机器学习模型。您将学习如何使用Python和Azure Notebook从这些模型中构建和获得见解。

这是一个机器学习项目，对体育名人的形象进行了分类。要求：Jupyter Notebook（用于使用各种Python库进行数据清洁和图像分类），Pycharm（用于创建Python Flask flask Server的Python IDE），Visual Studio Code（使用HTML，CSS和JavaScript创建UI）。

“ Hand on Eda” Github Repo：您的探索性数据分析的最终指南（EDA）最佳实践，灵感来自“与Python的Eda”书。潜入策划的代码片段和jupyter笔记本电脑，用于使用Python掌握EDA。非常适合所有技能水平！

该项目展示了使用MNIST数据集识别手写数字的完整管道。该项目使用Jupyter笔记本在Python中实施，并且涵盖了完全连接的神经网络（FCNN）的数据加载，预处理，模型培训和性能评估。

该项目涉及分析NVIDIA与AI技术之间的关系。笔记本涵盖了数据预处理步骤，包括导入必要的库和加载数据。提供了对NVIDIA对AI和相关趋势的影响的进一步分析和见解。

基于机器学习实验室的项目。该项目是使用Jupyter笔记本，Ipython，Python，Anaconda，Spyder Ide和Jetbrains Pycharm构建的。该存储库是基于与机器学习相关的一些实验实验室练习和示例，使用了一些库，例如Numpy，Matplotlib，Scipy，Pandas和Tensorflow在某些数据集上工作！