machine-learning

Notas de clase, tareas de tutoriales con soluciones y videos en línea para el curso de aprendizaje por refuerzo de la Universidad de Paderborn.

Autoencoder variacional implementado en tensorflow y pytorch (incluyendo flujo autorregresivo inverso)

PDEBench: Un benchmark extenso para el aprendizaje automático científico.

TorchXRayVision: una biblioteca de conjuntos de datos y modelos de radiografías de tórax. Incluye clasificadores, segmentación y autoencoders.

Una introducción al aprendizaje automático construida desde los principios básicos. Para ingenieros que desean razonar sobre sistemas de ML de la misma manera que lo hacen con los sistemas de software.

Sistema de control de versiones de datos extremadamente rápido para grandes repositorios. Se siente como git, y permite hacer push y pull como oxen.

Aprendizaje automático de series temporales a escala. Construido con Polars para la extracción de características y pronósticos altamente paralelizables en datos de panel.

Un framework de Python para la evaluación de etiquetado de secuencias (reconocimiento de entidades nombradas, etiquetado gramatical, etc.)

Colección de diversos algoritmos implementados en R.

Una lista de recursos de aprendizaje sobre puertas traseras (backdoors)

Optimización de carteras con aprendizaje profundo.

Aprendizaje automático - Universidad de Stanford.

Una colección de scripts y notebooks para ayudarte a empezar rápidamente.

🌝 MLKit es un kit de herramientas potente y fácil de usar. Con ML Kit, puedes implementar fácilmente reconocimiento de texto, escaneo de códigos de barras, etiquetado de imágenes, detección de rostros y detección de objetos.

ONNXMLTools permite la conversión de modelos a ONNX

Aumentación rápida de datos de audio en PyTorch. Inspirado en audiomentations. Útil para deep learning.

Una biblioteca de redes neuronales de alto nivel para microcontroladores.

[NeurIPS 2020] Código oficial para el artículo "DeepSVG: A Hierarchical Generative Network for Vector Graphics Animation". Incluye una biblioteca de PyTorch para aprendizaje profundo con datos SVG.

Artículos interesantes sobre visión, aprendizaje y gráficos relacionados con gatos.

Un conjunto de herramientas que proporciona capacidades potentes a los agentes.

Una lista curada, aunque incompleta, de recursos de IA centrados en datos.

Investigación sobre aprendizaje profundo tabular: artículos y paquetes

GRASS: motor de procesamiento geoespacial libre y de código abierto

Una lista curada de proyectos de Blockchain para Inteligencia Artificial y Aprendizaje Automático.

:muscle: Métricas de calidad y rendimiento de modelos (R2, ICC, LOO, AIC, BF, ...)

Implementación de Plug and Play Language Model. Permite controlar el tema y los atributos de los modelos GPT-2.

Preguntas de entrevista y exámenes escritos sobre Machine Learning, Deep Learning, Python y Golang

NVTabular es una biblioteca de ingeniería de características y preprocesamiento para datos tabulares, diseñada para manipular de forma rápida y sencilla conjuntos de datos a escala de terabytes utilizados para entrenar sistemas de recomendación basados en deep learning.

JMLR: OmniSafe es un marco de infraestructura para acelerar la investigación en SafeRL.

Herramientas para gestionar datos multimodales en proyectos de machine learning.