machine-learning

Deep Learning Simplified es un repositorio de código abierto que contiene proyectos de aprendizaje profundo desde nivel principiante hasta avanzado para colaboradores que deseen comenzar su trayectoria en el área.

AI-in-a-Box aprovecha la experiencia global de Microsoft para desarrollar y proporcionar soluciones de IA y ML a la comunidad técnica. Nuestro objetivo es presentar una colección curada de aceleradores de soluciones que ayuden a los ingenieros a establecer sus entornos y soluciones de IA/ML de forma rápida y con una fricción mínima.

Yet Another Language Model: inferencia de LLM en C++/CUDA, sin bibliotecas excepto para E/S

Estima poses humanas 3D absolutas a partir de imágenes RGB.

Una biblioteca de Python para la detección de eventos sociales

conocimiento

Una lista curada de recursos sobre estrategias de inversión y trading cuantitativo, centrada en aplicaciones de inteligencia artificial y aprendizaje automático en finanzas.

Este repositorio contiene el código de evaluación para el artículo "MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark for Expert AGI".

OBSOLETO, ahora integrado en sktime: paquete complementario para aprendizaje profundo basado en TensorFlow.

MatterSim: un modelo atomístico de aprendizaje profundo para diversos elementos, temperaturas y presiones.

Incrustación con distorsión mínima mediante PyTorch.

Utiliza modelos de PyTorch con CasADi para optimización basada en datos o control óptimo basado en aprendizaje. Compatible con Acados.

Artículos de AAAI 2024: Explore una colección completa de artículos de investigación innovadores presentados en una de las principales conferencias de inteligencia artificial. Integre fácilmente implementaciones de código para una mejor comprensión. ¡Experimente la vanguardia del progreso en inteligencia artificial con este repositorio!

Colección de artículos y proyectos de código abierto de ICLR de años anteriores, incluyendo ICLR2021, ICLR2022, ICLR2023, ICLR2024 e ICLR2025.

Bindings de Julia para el diferenciador automático Enzyme.

Artículos de investigación recientes sobre modelos fundacionales para optimización combinatoria.

Materiales del curso de aprendizaje automático

Framework de implementación rápida para procesamiento de datos y ejecución de pipelines

Modeltime integra modelos de pronóstico de series temporales y machine learning en un solo framework

QKeras: una biblioteca de aprendizaje profundo con cuantización para Tensorflow Keras.

Monty es un framework de aprendizaje sensoriomotor basado en la teoría de los mil cerebros del neocórtex.

💭 Análisis de sentimiento basado en aspectos: Transformer y ML explicable (TensorFlow).

Repositorio oficial del artículo "Grokfast: Accelerated Grokking by Amplifying Slow Gradients"

Paquete de Python para conformal prediction

Label Objects and Save Time (LOST): diseña tu propio proceso inteligente de anotación de imágenes en un entorno web.

Enlaces a publicaciones de conferencias/revistas sobre verificación automática de hechos (recursos para el artículo de TACL22/EMNLP23).

Un framework y utilidades simplificadas para PyTorch

TOROS Buffalo: Un proyecto de código abierto rápido, escalable y listo para producción para sistemas de recomendación

Motor de búsqueda de modelos de lenguaje construido sobre una base de datos vectorial y un almacén de clave/valor genérico

Pipeline de aumento para renderizar procesos sintéticos de impresión, envío de fax, escaneo y fotocopiado de documentos