reproducible-research

Una colección de autocodificadores variacionales (VAE) en PyTorch.

Sacred es una herramienta para ayudar a configurar, organizar, registrar y reproducir experimentos desarrollada en IDSIA.

Banco de trabajo de investigación de IA de código abierto con agentes científicos para investigación y descubrimientos reproducibles.

🔬 Una colección seleccionada de más de 23,000 habilidades de agentes para investigación empírica en 8 disciplinas de ciencias sociales. | Mantenido por CoPaper.AI de Stanford REAP.

Un DSL para pipelines computacionales basados en datos

:cloud: :rocket: :bar_chart: :chart_with_upwards_trend: Evaluando el estado del arte en IA

Unificación de implementaciones de Variational Autoencoder (VAE) en PyTorch (NeurIPS 2022)

Insight Toolkit (ITK) -- Repositorio oficial. ITK se basa en una arquitectura probada y orientada espacialmente para el procesamiento, segmentación y registro de imágenes científicas en dos, tres o más dimensiones.

Sionna: una biblioteca de código abierto para la investigación en sistemas de comunicación

Open Science Desktop: banco de trabajo de investigación de IA local, independiente del modelo, para macOS, Windows y Linux. Alternativa de código abierto a Claude Science de escritorio construida sobre Tauri + MCP + habilidades de agente.

Una plantilla de Claude Code lista para usar para académicos que utilizan LaTeX/Beamer + R. Incluye revisión multi-agente, controles de calidad, QA adversarial y protocolos de replicación.

Un kit de herramientas de pipeline centrado en R para la reproducibilidad y la computación de alto rendimiento.

Tablas de resumen de datos y resultados analíticos listos para presentación

Métricas de rendimiento de alta fidelidad para modelos generativos en PyTorch

Entorno de trabajo de escritorio de código abierto, local-first, para investigación en computación científica con Python/R, herramientas bioinformáticas MCP, entornos de ejecución SSH/WSL/GPU y modelos de OpenAI/Anthropic.

PyCIL: Una caja de herramientas en Python para el aprendizaje incremental de clases

Flujos de trabajo declarativos orientados a funciones similares a Make para R.

Código que acompaña nuestro artículo Chen y Zimmermann (2020), "Open source cross-sectional asset pricing"

Informes científicos y programación literaria para Julia.

Una herramienta de investigación para el dilema del prisionero iterado

GPU-Jupyter: Su JupyterLab acelerado por GPU con un completo conjunto de herramientas de ciencia de datos, TensorFlow y PyTorch para sus experimentos de aprendizaje profundo reproducibles.

rrtools: Herramientas para escribir investigación reproducible en R

papaja (Preparación de artículos para revistas APA) es un paquete de R que proporciona formatos de documento para producir manuscritos APA completos a partir de archivos RMarkdown (documentos PDF y Word) y funciones auxiliares que facilitan la presentación de estadísticas, tablas y gráficos.

Un flujo de trabajo para artículos científicos abiertos y reproducibles

Una elegante interfaz de Python para visualización en la plataforma web que permite generar de forma interactiva información sobre imágenes multidimensionales, conjuntos de puntos y geometría.

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

Pipeline de análisis para detectar variantes germinales o somáticas (preprocesamiento, llamada de variantes y anotación) a partir de WGS o secuenciación dirigida.

A platform-neutral analytical Skill that profiles messy data, selects case-adaptive methods, and produces source-backed visual reports for high-stakes decisions.