machine-learning

TensorLayerX: un marco unificado de aprendizaje profundo y aprendizaje por refuerzo para todo tipo de hardware, backends y sistemas operativos.

Mapa mental de arquitectura de software e ingeniería de software: una visión general de terminologías y conceptos.

Entrena modelos de aprendizaje automático dentro de un contenedor Docker usando Amazon SageMaker.

Código para probar varios benchmarks del chip M1 con TensorFlow.

Un modelo de difusión euclidiana para el diseño de fármacos basado en estructuras.

Una lista curada de recursos dedicados a aplicaciones de Machine Learning para piezas de LEGO

Fuente para quienes están interesados en los datos

Proyecto completo de deep learning desarrollado en Full Stack Deep Learning, edición 2022. Generado automáticamente desde https://github.com/full-stack-deep-learning/fsdl-text-recognizer-2022

Explora una colección completa de recursos, tutoriales, artículos, herramientas y mejores prácticas para el ajuste fino de modelos de lenguaje extensos (LLM). ¡Ideal para investigadores y profesionales del aprendizaje automático!

skops es una biblioteca de Python que ayuda a compartir modelos basados en scikit-learn y ponerlos en producción

Notas sobre sistemas de aprendizaje profundo, incluyendo fundamentos matemáticos, componentes de redes neuronales, estrategias de entrenamiento y algoritmos de compresión de modelos.

pytextclassifier es un kit de herramientas para la clasificación de textos. Incluye implementaciones listas para usar de modelos como LR, Xgboost, TextCNN, FastText, TextRNN y BERT.

Kit de herramientas para la generación de música simbólica.

Una API extremadamente sencilla para crear aplicaciones impulsadas por LLM

🌲 Implementación del algoritmo Robust Random Cut Forest para la detección de anomalías en flujos de datos.

El primer framework de aprendizaje federado de código abierto implementado en C++ y Python.

PromptInject es un marco que ensambla prompts de forma modular para proporcionar un análisis cuantitativo de la robustez de los LLM frente a ataques adversarios. 🏆 Premio al mejor artículo en el NeurIPS ML Safety Workshop 2022

¡Detecciones oportunas para acciones más proactivas y efectivas en pozos petrolíferos marinos!

learning-Journey-AI es una recopilación actualizada de recursos de aprendizaje de IA para 2025, que incluye teoría básica, libros, artículos y documentos, además de proyectos prácticos y herramientas para la práctica.

Visualizador de actividad de modelos.

Aprendizaje profundo bayesiano: un estudio.

Analiza datos no estructurados con Towhee, como búsqueda inversa de imágenes, búsqueda inversa de video, clasificación de audio, sistemas de preguntas y respuestas, búsqueda molecular, etc.

Paquete de Python para identificación de sistemas mediante modelos NARMAX.

Modelo de temas guiado semisupervisado con guidedLDA personalizado.

Estado actual de los métodos de completado de profundidad supervisados y no supervisados

El camino para hackear SysML y convertirse en un experto en sistemas

Un módulo sencillo de coche autónomo para humanos 🚘 🛣️

Un framework de análisis de comportamiento de usuarios y entidades (UEBA) robusto y flexible, utilizado para análisis de seguridad. Desarrollado con dedicación por científicos de datos y analistas de seguridad de la industria de la ciberseguridad. [BETA]

Entrena modelos de difusión de texto a imagen de alta calidad de manera eficiente en datos y cómputo.

Código para FLAVR: una técnica de interpolación de fotogramas rápida y eficiente.