Currículo introdutório de IA da Microsoft, com 24 aulas ao longo de 12 semanas sobre IA simbólica, redes neurais, visão computacional, NLP e ética, incluindo notebooks em PyTorch e TensorFlow.
amrzv/awesome-colab-notebooks
Uma coleção selecionada, no estilo de uma lista awesome, de notebooks do Google Colaboratory para experimentos e tutoriais de machine learning.
- Estrelas
- 1,665
- Forks
- 272
- Issues abertas
- 3
- Último commit
- há 3 meses
O que é?
Este repositório reúne uma lista selecionada de notebooks do Google Colaboratory sobre experimentos de machine learning. Os links para notebooks executáveis são organizados por categoria, incluindo cursos, artigos e pacotes, para que os leitores possam abrir exemplos no navegador sem precisar configurar um ambiente local.
A lista abrange uma grande variedade de tópicos, desde cursos introdutórios de deep learning e aprendizado por reforço até notebooks relacionados a artigos de pesquisa específicos e bibliotecas populares, como TensorFlow, PyTorch e JAX. Muitas entradas incluem links para o curso ou projeto original, além de um selo Open In Colab.
A coleção é útil como ponto de partida para encontrar materiais práticos. As entradas são agrupadas em seções, e a página inclui uma lista de repositórios e pacotes em alta, selecionados do mesmo ecossistema de notebooks.
Recursos principais
- 01Agrupa notebooks do Colab em seções de cursos, artigos e pacotes.
- 02Cada entrada inclui um selo Open In Colab para executar o notebook no navegador com um clique.
- 03Abrange TensorFlow, PyTorch, JAX e outros frameworks comuns de ML.
- 04Inclui links para os materiais originais dos cursos, livros e sites dos projetos, junto aos notebooks.
Casos de uso
- Encontrar um notebook prático para aprender sobre deep learning ou aprendizado por reforço.
- Reproduzir exemplos de um artigo de pesquisa sem configurar um ambiente local com GPU.
- Explorar bibliotecas populares de ML e seus tutoriais em um só lugar.
Início rápido
- 1
Explore as tabelas Courses, Trending e outras, e clique em um selo Open In Colab para abrir um notebook no Google Colab.
Tópicos
Perguntas frequentes
- O que é awesome-colab-notebooks?
- Uma coleção selecionada, no estilo de uma lista awesome, de notebooks do Google Colaboratory para experimentos e tutoriais de machine learning. Este repositório reúne uma lista selecionada de notebooks do Google Colaboratory sobre experimentos de machine learning. Os links para notebooks executáveis são organizados por categoria, incluindo cursos, artigos e pacotes, para que os leitores possam abrir exemplos no navegador sem precisar configurar um ambiente local.
- awesome-colab-notebooks é gratuito? Qual é a licença?
- awesome-colab-notebooks é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- awesome-colab-notebooks ainda é mantido?
- Atualizado nos últimos 6 meses. O último commit de awesome-colab-notebooks foi em 6 de ago. de 2026.
- Para que posso usar awesome-colab-notebooks?
- Encontrar um notebook prático para aprender sobre deep learning ou aprendizado por reforço. Reproduzir exemplos de um artigo de pesquisa sem configurar um ambiente local com GPU. Explorar bibliotecas populares de ML e seus tutoriais em um só lugar.
- Como instalar awesome-colab-notebooks?
- Explore as tabelas Courses, Trending e outras, e clique em um selo Open In Colab para abrir um notebook no Google Colab.
- Onde consigo awesome-colab-notebooks?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/amrzv/awesome-colab-notebooks
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Sistema de alto desempenho para servir modelos de machine learning em produção, com endpoints de inferência versionados via gRPC e HTTP.
Uma lista selecionada de bibliotecas, modelos, implementações, tutoriais e artigos relacionados ao PyTorch no GitHub.
Keras 3 é um framework de deep learning que roda com JAX, TensorFlow, PyTorch ou OpenVINO para inferência.
Visualizador de modelos de redes neurais, deep learning e machine learning, com suporte a ONNX, TensorFlow, PyTorch, Core ML e muitos outros formatos.
Acelerador multiplataforma para executar modelos de ML exportados no formato ONNX, com suporte ao treinamento de scripts do PyTorch.