machine-learning

Recursos de aprendizaje automático en línea.

Marco de evaluación multilingüe y bien probado para el resumen de textos.

Kaggle Data Science Bowl 2017

Construya modelos de visión artificial completamente funcionales con PyTorch

Una lista curada de herramientas, bibliotecas y recursos de IA para la investigación, enseñanza y análisis de políticas económicas. Mantenida por el equipo de OpenEcon.

Repositorio de recursos sobre machine unlearning en modelos de lenguaje de gran tamaño

Presentaciones, notas de artículos, apuntes de clase, publicaciones de blog e investigación sobre ML 📉, estadística 📊 e IA 🤖.

Procesamiento de imágenes médicas en Python.

Probabilidad y estadística para ciencia de datos: una introducción completa que incluye un PDF gratuito, 103 notebooks de Python con 23 conjuntos de datos reales, 118 videos con diapositivas y soluciones a 200 ejercicios.

Cursos completos de IA dictados por Humai

DiffSharp: Programación funcional diferenciable

Minería de datos para la ciencia de materiales

Biblioteca de adquisición de imágenes para sistemas de visión artificial basados en GenICam.

La biblioteca de AutoML más limpia del mundo. Realiza ajuste de hiperparámetros con las abstracciones de pipeline adecuadas para escribir pipelines de aprendizaje profundo en producción. Permite que los pasos de tu pipeline tengan espacios de hiperparámetros. Diseña pasos como componentes. Compatible con Scikit-Learn, TensorFlow y la mayoría de las bibliotecas, frameworks y entornos de MLOps.

Herramienta de generación de datos de entrenamiento de ML basada en visión artificial

Herramientas para comprender cómo se construyen las predicciones de los transformers capa por capa.

Un sistema de recomendación basado en contenido que sugiere películas similares a las que le gustan al usuario y analiza el sentimiento de las reseñas proporcionadas.

Biblioteca de Python para analizar rostros utilizando PyTorch.

Aprende Machine Learning con el programa Amazon ML Summer School 2026. Accede a resúmenes de sesiones, preguntas de opción múltiple de años anteriores, ejercicios de programación y material oficial. Practica tareas de codificación por módulos y construye una base sólida para entrevistas y aplicaciones reales.

Motor de inferencia LLM nativo de RDNA en Rust.

Compartir modelos actualizables (SUM) en blockchain

Biblioteca de aprendizaje profundo TinyML independiente del proveedor, compilador y framework de inferencia para microcomputadoras y microcontroladores.

Un subconjunto de módulos de redes neuronales de PyTorch, escrito en Python usando Triton de OpenAI.

Esqueleto de aplicación FastAPI para servir modelos de aprendizaje automático listos para producción.

Notas del curso Machine Learning 2021 Spring del profesor Hung-yi Lee de la Universidad Nacional de Taiwán (NTU)

TimeCopilot: el agente de pronóstico GenAI. Construido sobre LLMs y modelos base de series temporales, permite realizar pronósticos, validación cruzada y detección de anomalías utilizando múltiples modelos base a través de una única API. Desde finanzas y energía hasta analítica web, TimeCopilot convierte consultas en lenguaje natural en pronósticos listos para producción.

🎉 PILOT: Una caja de herramientas de aprendizaje continuo basada en modelos preentrenados

Documentación de Hugging Face Hub

NLP de cero a experto en solo 10 Kernels.

Código para IDS-ML: desarrollo de sistemas de detección de intrusos mediante algoritmos de aprendizaje automático (árboles de decisión, random forest, extra trees, XGBoost, stacking, k-means, optimización bayesiana, etc.).