machine-learning

Caja de herramientas basada en Python con diversos métodos para la toma de decisiones, cuantificación de incertidumbre y emulación estadística: multi-fidelidad, diseño experimental, optimización bayesiana, cuadratura bayesiana, etc.

Biblioteca para entrenar, evaluar, interpretar y poner en producción modelos de bosque de decisión, como Random Forest y Gradient Boosted Decision Trees.

Software de reconocimiento automático de matrículas (ALPR o ANPR) que funciona con cualquier cámara.

Este repositorio incluye tutoriales sobre cómo utilizar las API de TensorFlow estimator para realizar diversas tareas de ML de forma sistemática y estandarizada.

Noticias: el conjunto de datos de 10k está listo para su descarga.

Un descompilador y analizador estático para pickling de Python.

Procesamiento y cuadrícula de datos espaciales al estilo de aprendizaje automático

MOA es un framework de código abierto para la minería de flujos de Big Data. Incluye una colección de algoritmos de aprendizaje automático (clasificación, regresión, clustering, detección de valores atípicos, detección de deriva de conceptos y sistemas de recomendación) y herramientas para su evaluación.

Implementación de fragmentos de código, ejercicios y aplicación a datos en vivo de Machine Learning for Asset Managers (Elements in Quantitative Finance) escrito por el Prof. Marcos López de Prado.

Realice un seguimiento de su ciencia de datos. La biblioteca de Python de código abierto de Skore acelera el desarrollo de modelos de ML con informes de evaluación automatizados, orientación metodológica inteligente y análisis exhaustivo de validación cruzada.

Sistema cuantitativo para acciones A (A-share)

Framework ultrarrápido para el ajuste fino de modelos de aprendizaje por similitud

(AAAI' 20) A Python Toolbox for Machine Learning Model Combination

Procesos gaussianos en JAX y Equinox.

Implementación en C++ y paquete de Python para BanditPAM.

Formatea rápidamente tus notas con ChatGPT en Obsidian.

CAIRI: Caja de herramientas y benchmark para aprendizaje de representación visual supervisado, semi-supervisado y auto-supervisado

BenchMARL es una biblioteca para realizar evaluaciones comparativas de aprendizaje por refuerzo multiagente (MARL). BenchMARL permite comparar rápidamente diferentes algoritmos, tareas y modelos de MARL, basándose sistemáticamente en sus dos principios fundamentales: reproducibilidad y estandarización.

Awesome-LLM-Eval: una lista curada de herramientas, conjuntos de datos/benchmarks, demos, tablas de clasificación, artículos, documentación y modelos, enfocada principalmente en la evaluación de LLMs.

Código para el proyecto de interpretabilidad de ML TCAV

Un repositorio de conjuntos de datos interesantes recopilados para la investigación en ciencia de redes y aprendizaje automático.

Divide automáticamente tus modelos de PyTorch en múltiples GPUs para entrenamiento e inferencia

Aceleradores de soluciones Azure MLOps (v2). Plantillas listas para empresas para implementar sus modelos de aprendizaje automático en la plataforma Azure.

Ciclo de vida completo de un proyecto de ciencia de datos

Un paquete de aprendizaje por refuerzo para Julia

Motor de inferencia ONNX ligero, portátil y en C99 puro para dispositivos integrados con soporte de aceleración por hardware.

Una biblioteca para modelar datos multivariados mediante cópulas.

Código simple y flexible para arquitecturas de computación de reservorio como Echo State Networks.

Biblioteca de análisis de datos oneAPI (oneDAL)

MICA: Hacia la reconstrucción métrica de rostros humanos [ECCV2022].