machine-learning

Herramienta de código abierto para la anotación de audio

Un centro de conocimiento sobre ingeniería de datos y aprendizaje automático

Kit de herramientas de modelado de secuencias FAIR 2

Biblioteca de modelos hipergráficos termodinámicos en JAX

Un framework y kit de herramientas de AutoML para aprendizaje automático en grafos.

Proyectos relacionados con IA confiable.

El sistema de autocodificación para su aplicación: Alan AI SDK para Cordova.

El motor de aprendizaje automático para hackers

Una lista de recursos de ciencia de datos y aprendizaje automático (principalmente gratuitos)

Una biblioteca ligera de solo cabecera para usar modelos de Keras (TensorFlow) en C++.

:computer: Aprende a hacer que las máquinas aprendan para que no tengas que esforzarte en programarlas; La lista definitiva

Modifica código Python mientras se ejecuta sin perder el estado.

Una lista de conjuntos de datos de Twitter y recursos relacionados.

Ejemplos y herramientas para Windows ML.

Plataforma de bioinformática que incluye aprendizaje de representación a gran escala y aprendizaje profundo multitarea.

Z80-μLM es un modelo de lenguaje cuantizado a 2 bits lo suficientemente pequeño como para ejecutarse en un procesador Z80 de 8 bits. Entrena modelos conversacionales en Python, expórtalos como binarios .COM de CP/M y chatea con tu computadora antigua.

DataDreamer: Escribe prompts, genera datos sintéticos, entrena y alinea modelos.

Incrustaciones latentes aprendibles para análisis conductual y neuronal conjunto. Implementación oficial de CEBRA

Bosques Aleatorios Generalizados

Los proyectos de fin de carrera son una parte crucial de la trayectoria académica de un estudiante, particularmente en los campos de la ingeniería, la informática y otras disciplinas técnicas. Incluye 50 proyectos de fin de carrera con código fuente, PPT, sinopsis, informe, documentos, artículo de investigación base y videotutoriales

PyCIL: Una caja de herramientas en Python para el aprendizaje incremental de clases

TensorFlow 101: Introducción al aprendizaje profundo

Implementación simple de transformer desde cero en pytorch. (archivado, la última versión está en codeberg)

Biblioteca de código abierto basada en Qiskit para tareas de aprendizaje automático cuántico a escala en hardware cuántico y simuladores clásicos

Biblioteca modular de aprendizaje por refuerzo (RL) (implementada en PyTorch, JAX y NVIDIA Warp) con soporte para Gymnasium/Gym, NVIDIA Isaac Lab, MuJoCo Playground y otros entornos.

Un análisis profundo de los embeddings comenzando desde los fundamentos.

Código oficial de TimeCraft: un framework de generación de series temporales para aplicaciones del mundo real

El paquete nnsight permite interpretar y manipular los componentes internos de modelos de aprendizaje profundo.

Una biblioteca de PyTorch para métodos de ataque y defensa adversarios en imágenes y grafos

Libro de algoritmos de datos con MapReduce, Spark, Java y Scala