machine-learning

Extractor de características multimedia a gran escala de código abierto de Múnich.

cuVS: una biblioteca para búsqueda vectorial y clustering en la GPU

Una colección curada de herramientas de IA, API, conjuntos de datos y recursos de aprendizaje gratuitos y de alta calidad que cubren aprendizaje automático, aprendizaje profundo, IA generativa, PLN y ciencia de datos. Diseñado para ayudar a desarrolladores, investigadores y creadores a explorar y construir con IA más rápido.

La forma más atómica de entrenar e inferir un GPT en C puro, sin dependencias.

El codificador y decodificador BPE Tokenizer de JavaScript más rápido para los modelos GPT de OpenAI (gpt-5, gpt-o*, gpt-4o, etc.). Puerto de tiktoken de OpenAI con funciones adicionales.

Un módulo de Redis para servir tensores y ejecutar grafos de aprendizaje profundo.

Una lista curada de DATASETS, CODEBASES y PAPERS sobre Multi-Task Learning (MTL), desde la perspectiva del Machine Learning.

Ejemplos de agentes creados utilizando el SDK de Strands Agents.

Paquete de Python para análisis de inferencia causal modular y evaluaciones de modelos

DIPY es la biblioteca de referencia en Python para imágenes médicas 3D/4D+. Contiene métodos genéricos para normalización espacial, procesamiento de señales, aprendizaje automático, análisis estadístico y visualización de imágenes médicas. Además, incluye métodos especializados en anatomía computacional, incluyendo difusión, perfusión e imágenes estructurales.

Cree aplicaciones web de voz a texto en tiempo real utilizando Whisper de OpenAI https://openai.com/blog/whisper/

La inteligencia natural sigue siendo una idea bastante buena.

Herramienta para la extracción de datos e interacción programática con Lean.

Dinámica molecular mediante unidades de procesamiento gráfico (GPU)

Kit de herramientas de minería de datos ELKI

Un sistema RAG basado en grafos para la recuperación de información médica basada en evidencia [ACL 2025].

Un framework flexible de aprendizaje federado basado en PyTorch que simplifica la investigación en aprendizaje federado.

Implementaciones de variantes de NeRF basadas en Taichi + PyTorch.

Este repositorio contiene una colección de encuestas, conjuntos de datos, artículos y códigos para la estimación de incertidumbre predictiva en modelos de aprendizaje profundo.

Aprendizaje profundo descriptivo.

Lista de proveedores de nube para Deep Learning.

Lista curada de aplicaciones prácticas de machine learning (BML) y ciencia de datos (BDS) para contabilidad, clientes, empleados, legal, gestión y operaciones (por @firmai).

Aprendizaje profundo con redes neuronales de impulsos (SNN) en PyTorch.

Sistema de ML de grado de producción para la detección automática de errores en unidades de medida | 88-92% de precisión | 94% de autonomía | Flujo de trabajo en KNIME.

Artículos sobre la explicabilidad de las GNN

Biblioteca de visión de alto rendimiento en Python. Escala tu investigación, no el código repetitivo.

Biblioteca de C++ solo de cabecera para optimización numérica.

Este proyecto utiliza una combinación de estadística y teoría financiera para demostrar una estrategia de trading popular en los mercados de renta variable: el Pairs Trading.

Tutorial de la API de C++ para TensorRT.

Consejos de programación en R para limpieza de datos, visualización de datos, modelado estadístico y aprendizaje automático.