machine-learning

Implementación independiente del framework para métodos de saliency de última generación (XRAI, BlurIG, SmoothGrad y más)

Todas las hojas de referencia de Stanford: Inteligencia Artificial, Transformers, LLMs, Deep Learning, Machine Learning, Probabilidades, Estadística, Álgebra y Cálculo.

LangKit: un kit de herramientas de código abierto para monitorear modelos de lenguaje grandes (LLM). Extrae señales de prompts y respuestas, garantizando seguridad. Incluye calidad de texto, métricas de relevancia y análisis de sentimiento. Una herramienta integral para la observabilidad de LLM.

[ICLR 2025 Spotlight] Implementación oficial de "Time-MoE: Billion-Scale Time Series Foundation Models with Mixture of Experts"

Kit de herramientas de percepción para entrenamiento y validación sim2real en Unity

Una herramienta para convertir archivos ONNX a LiteRT/TFLite/TensorFlow, código nativo de PyTorch (nn.Module), TorchScript (.pt), state_dict (.pt), Exported Program (.pt2) y Dynamo ONNX. También admite la conversión directa de LiteRT a PyTorch.

Análisis de supervivencia con PyTorch

Centro de modelos preentrenados para Keras 3.

Molecular Sets (MOSES): Una plataforma de evaluación comparativa para modelos de generación molecular

[Book-2021] Libro Practical MLOps de O'Reilly

Construya agentes de IA desde cero utilizando un LLM local: sin frameworks, sin API en la nube y sin razonamiento oculto.

Sparkling Water proporciona funcionalidad de H2O dentro de un clúster de Spark

La idea de esta lista es recopilar datos y algoritmos compartidos sobre modelos morfables 3D (3D Morphable Models). Se le invita a contribuir a esta lista mediante un pull request. La lista original surgió del seminario de Dagstuhl sobre modelos morfables 3D https://www.dagstuhl.de/19102 en marzo de 2019.

Biblioteca para operaciones especializadas de matrices densas y dispersas, y primitivas de aprendizaje profundo.

Recursos, ejemplos y tutoriales para IA multimodal, RAG y agentes que utilizan búsqueda vectorial y LLM.

OmniXAI: una biblioteca para IA explicable

Interfaz de R para Apache Spark.

Blog técnico sobre algoritmos de aprendizaje automático en Python, con contenido original y práctica de código. Para más contenido, siga la cuenta oficial de WeChat "算法进阶".

Repositorio de libros electrónicos sobre ciencia de datos. Esta colección ofrece una variedad de libros de alta calidad sobre ciencia de datos, aprendizaje automático e IA, ideales tanto para principiantes como para estudiantes avanzados.

Libro de preguntas y respuestas sobre Machine Learning.

Modelos Transformer desde BERT hasta GPT-4, entornos desde Hugging Face hasta OpenAI. Ejemplos de ajuste fino, entrenamiento e ingeniería de prompts. Incluye secciones sobre ChatGPT, GPT-3.5-turbo, GPT-4, DALL-E, conversión de voz a texto, texto a voz, generación de imágenes con DALL-E, Google Cloud AI, HuggingGPT y más

Conjuntos de datos de audio para IA (AI-ADS) 🎵, que incluyen voz, música y efectos de sonido, los cuales pueden proporcionar datos de entrenamiento para IA generativa, AIGC, entrenamiento de modelos de IA, desarrollo de herramientas de audio inteligentes y aplicaciones de audio.

Ejemplos de TensorFlow Lite en Unity

PyGCL: una biblioteca de PyTorch para aprendizaje contrastivo en grafos

Un compilador poliédrico para expresar algoritmos de procesamiento paralelo de datos rápidos y portables.

NequIP es un código para construir potenciales interatómicos E(3)-equivariantes

Un framework de Python eficiente, escalable y optimizado para Deep Forest (2021.2.1).

Un tutorial para la competición Titanic: Machine Learning from Disaster de Kaggle. Demuestra técnicas básicas de manipulación, análisis y visualización de datos, además de ejemplos de aprendizaje automático supervisado.

Código fuente para el modelo de diálogo de extremo a extremo del artículo MultiWOZ (Budzianowski et al. 2018, EMNLP)