neural-networks

Inteligencia Artificial, Machine Learning y Deep Learning asombrosos tal como los aprendemos. Notas de estudio y una lista curada de recursos asombrosos sobre estos temas.

Paquete de aceleración para redes neuronales en CPUs multicorte

Redes neuronales impulsadas por Nx.

MiniSom es una implementación minimalista de mapas autoorganizados (Self Organizing Maps).

Implementaciones de alta calidad de métodos estándar y SOTA en diversas tareas.

Macaw-LLM: modelado de lenguaje multimodal con integración de imagen, video, audio y texto.

Una simulación 2D en Unity donde los coches aprenden a navegar por diferentes circuitos. Los coches son dirigidos por una red neuronal feedforward. Los pesos de la red se entrenan mediante un algoritmo genético modificado.

Brevitas: cuantización de redes neuronales en PyTorch

Modelo de aprendizaje profundo de última generación para analizar sentimientos, emociones, sarcasmo, etc.

Lista de artículos que estudian el machine learning desde la perspectiva de la teoría de categorías

Una lista curada de los mejores recursos de inteligencia artificial

Cálculos y estadísticas en variedades con estructuras geométricas.

Framework de aprendizaje profundo de la Koç University.

Código para la función de pérdida Lovász-Softmax (CVPR 2018)

Una biblioteca de tensores rápida, ergonómica y portátil en Nim, enfocada en aprendizaje profundo para CPU, GPU y dispositivos embebidos mediante backends de OpenMP, Cuda y OpenCL.

Hoja de ruta y recursos para programación de bajo nivel.

Software de ML Arm NN.

Repositorio oficial para "Mish: A Self Regularized Non-Monotonic Neural Activation Function" [BMVC 2020]

Una biblioteca de JavaScript similar a PyTorch, con aceleración por GPU.

Solucionadores de redes neuronales informadas por la física (PINN) para ecuaciones diferenciales (parciales) para simulación acelerada de aprendizaje automático científico (SciML)

pyclustering es una biblioteca de minería de datos en Python y C++.

PDEBench: Un benchmark extenso para el aprendizaje automático científico.

Una introducción al aprendizaje automático construida desde los principios básicos. Para ingenieros que desean razonar sobre sistemas de ML de la misma manera que lo hacen con los sistemas de software.

Proyecto para procesar redes neuronales y renderizar para obtener información sobre la arquitectura y los parámetros de un modelo mediante una representación simplificada.

Una biblioteca de redes neuronales de alto nivel para microcontroladores.

Lista curada de recursos de PNL centrada en redes Transformer, mecanismos de atención, GPT, BERT, ChatGPT, LLMs y aprendizaje por transferencia

Biblioteca avanzada de computación evolutiva construida directamente sobre PyTorch, creada en NNAISENSE.

TensorFlow 101: Introducción al aprendizaje profundo

El paquete nnsight permite interpretar y manipular los componentes internos de modelos de aprendizaje profundo.

Una colección seleccionada de recursos e investigaciones relacionados con la geometría de las representaciones en el cerebro, redes profundas y más allá