machine-learning

Un repositorio que enumera posibles fuentes que te ayudarán a prepararte para una entrevista de Data Science / Machine Learning. Se añaden nuevos recursos frecuentemente.

Towhee es un framework dedicado a hacer que los pipelines de procesamiento de datos neuronales sean simples y rápidos.

PennyLane es una plataforma de software cuántico de código abierto para computación cuántica, aprendizaje automático cuántico y química cuántica. Crea algoritmos cuánticos significativos, desde la inspiración hasta la implementación.

Implementación en PyTorch limpia, robusta y unificada de algoritmos populares de Aprendizaje por Refuerzo Profundo (DRL) (Q-learning, Duel DDQN, PER, C51, Noisy DQN, PPO, DDPG, TD3, SAC, ASL)

🦦 Otter, un modelo multimodal basado en OpenFlamingo (versión de código abierto de Flamingo de DeepMind), entrenado en MIMIC-IT y que muestra una capacidad mejorada de seguimiento de instrucciones y aprendizaje en contexto.

:fire: Notebooks de Machine Learning

Aprende a diseñar, desarrollar, desplegar e iterar aplicaciones de ML listas para producción.

Enlaces de .NET Standard para TensorFlow de Google para desarrollar, entrenar y desplegar modelos de Machine Learning en C# y F#.

OP Vault ChatGPT: Dale memoria a largo plazo a ChatGPT usando el OP Stack (OpenAI + Pinecone Vector Database). Sube tus propios archivos de base de conocimientos personalizados (PDF, txt, epub, etc.) usando un frontend simple de React.

Investigación y desarrollo de deep learning acelerado

Una biblioteca para análisis de audio y música, y extracción de características.

Book_7_《机器学习》 | Libro de las flores de iris: de la aritmética elemental al Machine Learning; se agradecen críticas y correcciones.

Lazy Predict ayuda a construir muchos de modelos básicos sin mucho código y ayuda a comprender qué modelos funcionan mejor sin ningún ajuste de parámetros

Reemplazo directo de Apache Spark escrito en Rust, que unifica el procesamiento por lotes, el procesamiento de flujos y las cargas de trabajo de IA intensivas en computación.

Lista de programas de residencia en IA

De la serie "Las matemáticas no son difíciles", "El álgebra lineal no es difícil" volúmenes 1 y 2, 66 temas completos; las críticas y correcciones son bienvenidas.

El repositorio oficial de ROOT: análisis, almacenamiento y visualización de grandes datos de forma científica

Paquete de Python para AutoML en datos tabulares con ingeniería de características, ajuste de hiperparámetros, explicaciones y documentación automática

Biblioteca de redes neuronales basada en JAX

Un repositorio creado para ayudar a quienes se están iniciando en el machine learning o se están preparando para estudiar. (Este repositorio está destinado a ayudar a quienes estén interesados en el estudio del machine learning)

Construye un LLM moderno desde cero. Cada línea comentada. Explicado como si tuviéramos cinco años.

🔅 Shapash: Explicabilidad e interpretabilidad fáciles de usar para desarrollar modelos de Machine Learning fiables y transparentes

Determined es una plataforma de machine learning de código abierto que simplifica el entrenamiento distribuido, el ajuste de hiperparámetros, el seguimiento de experimentos y la gestión de recursos. Funciona con PyTorch y TensorFlow.

Enlaces de recursos cuidadosamente seleccionados para ciencia de datos en un solo lugar

Framework de código abierto de deep-learning para construir, entrenar y ajustar modelos de aprendizaje profundo utilizando métodos de Physics-ML de última generación.

📚 Tutoriales de Jupyter notebook para OpenVINO™

Implementación de Dreambooth (https://arxiv.org/abs/2208.12242) mediante Textual Inversion (https://arxiv.org/abs/2208.01618) para Stable Diffusion (https://arxiv.org/abs/2112.10752). Ajustes enfocados en entrenar rostros, objetos y estilos.

Compute Library es un conjunto de funciones de visión por computador y aprendizaje automático optimizadas para CPU y GPU Arm utilizando tecnologías SIMD.

El toolkit de machine learning para el análisis de series temporales en Python

Lista de herramientas y conjuntos de datos para la detección de anomalías en datos de series temporales.