machine-learning

Kodezi Chronos es un modelo de lenguaje centrado en la depuración que logra resultados de vanguardia en SWE-bench Lite (80.33%) y un 67% de precisión en correcciones del mundo real, más de seis veces mejor que GPT-4. Construido con Recuperación Guiada por Grafos Adaptativos y Memoria de Depuración Persistente. Modelo disponible en el primer trimestre de 2026 a través de Kodezi OS.

Ajusta LLMs desde un solo YAML. El streaming de capas entrena un modelo de 8B en una GPU de laptop de 4 GB.

Recursos, prácticas e investigación en Aprendizaje Automático e IA Agéntica

La tercera edición del curso course.fast.ai

Torchreid: Reidentificación de personas mediante aprendizaje profundo en PyTorch.

Creo firmemente que ustedes, los estudiantes de posgrado y buscadores de empleo a quienes está dirigido principalmente el libro, se beneficiarán de su lectura; sin embargo, espero que incluso los investigadores más experimentados lo encuentren fascinante.

Predicción ultrarrápida con modelos estadísticos y econométricos.

Una biblioteca en C para analizar y normalizar direcciones postales en todo el mundo. Impulsada por PLN estadístico y datos geográficos abiertos.

Fundamentos de aprendizaje automático: álgebra lineal, cálculo, estadística y ciencias de la computación.

Un framework de deep learning independiente del motor en Java

«Machine Learning Systems: Design and Implementation» (la V2 se lanzará próximamente)

Un lenguaje de programación probabilística en TensorFlow. Modelos generativos profundos e inferencia variacional.

Contenedores de Machine Learning para NVIDIA Jetson y JetPack-L4T

🌟 ¡Más de 100 mapas de algoritmos de LLM / RL originales 📚, una gran obra del autor de "Algoritmos de Grandes Modelos"! 💥 (100+ LLM/RL Algorithm Maps)

MegEngine es un framework de aprendizaje profundo rápido, extensible, fácil de usar y compatible con diferenciación automática

Biblioteca de alto nivel para ayudar a entrenar y evaluar redes neuronales en PyTorch de manera flexible y transparente.

Un framework MLOps para empaquetar, implementar, monitorear y gestionar miles de modelos de aprendizaje automático en producción

ALICE (Automated Learning and Intelligence for Causation and Economics) es un proyecto de Microsoft Research cuyo objetivo es aplicar conceptos de inteligencia artificial a la toma de decisiones económicas. Uno de sus objetivos es crear un conjunto de herramientas que combine técnicas de aprendizaje automático de vanguardia con la econometría para automatizar problemas complejos de inferencia causal. Hasta la fecha, el SDK de Python de ALICE (e

Un repositorio para el entrenamiento distribuido de modelos de lenguaje con aprendizaje por refuerzo a partir de retroalimentación humana (RLHF)

Una colección de hojas de trucos, libros, preguntas y portafolio para la preparación de entrevistas de DS/ML

Un framework de machine learning en Rust.

¡Relájate! Flux es la biblioteca de ML que no te hace tensar

Librería en puro Go para detección rápida de rostros, localización de pupilas/ojos y puntos de referencia faciales.

Guía de Prompt Engineering, Generative AI y LLMs de Learn Prompting | Únete a nuestro discord para la comunidad de aprendizaje de Prompt Engineering más grande

Crea videos 🔥 con Stable Diffusion explorando el espacio latente y haciendo morphing entre prompts de texto

Ejemplos para ML.NET, un marco de aprendizaje automático de código abierto y multiplataforma para .NET.

Nueva generación de plataforma automatizada de análisis exploratorio de datos y visualización.

Pila de software de Google DeepMind para simulación basada en física y entornos de Aprendizaje por Refuerzo, utilizando MuJoCo.

Aumento de datos para NLP

Lista seleccionada de recursos de Python para ciencia de datos.