unsupervised-learning

Una lista seleccionada de cursos, libros, conferencias en video y artículos sobre Inteligencia Artificial (IA).

Artículos, códigos, conjuntos de datos, aplicaciones y tutoriales sobre aprendizaje por transferencia, adaptación de dominios, generalización de dominios, aprendizaje multitarea, etc.

Una biblioteca de Python para la detección de anomalías en datos tabulares, de series temporales, de grafos, de texto, de imágenes y de audio. Más de 60 detectores, orquestación ADEngine respaldada por benchmarks y un flujo de trabajo agéntico para agentes de IA.

Libros, artículos, videos y cajas de herramientas relacionados con la detección de anomalías. ¡Última actualización a finales de 2025 para trabajos de LLM y VLM!

Contiene soluciones y notas para la Especialización en Machine Learning de la Universidad de Stanford y Deeplearning.ai en Coursera (2022) por el Prof. Andrew NG

Una biblioteca de detección de anomalías que incluye algoritmos de vanguardia y características como gestión de experimentos, optimización de hiperparámetros e inferencia en el borde.

Una biblioteca de módulos de extensión y ayuda para las bibliotecas de análisis de datos y machine learning de Python.

Aprendizaje no supervisado para el registro de imágenes

Algoritmos para la detección de valores atípicos, adversarios y de deriva

Implementación en PyTorch de SimCLR: Un marco simple para el aprendizaje contrastivo de representaciones visuales

Un framework para Inteligencia Artificial integrada e Inteligencia Artificial General (AGI)

Una lista seleccionada de artículos de investigación sobre detección de comunidades con sus implementaciones.

Karate Club: un framework de Python de código abierto orientado a API para aprendizaje no supervisado en grafos (CIKM 2020)

🚀 Recursos de IA GRATIS: 🎓 Cursos, 👷 Empleos, 📝 Blogs, 🔬 Investigación en IA y muchos más, ¡para todos!

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

Código para el artículo de TKDE "Aprendizaje autosupervisado en grafos: contrastivo, generativo o predictivo"

Biblioteca de detección de anomalías en series temporales no supervisada

Una lista exhaustiva de artículos destacados sobre aprendizaje autosupervisado contrastivo.

Autoencoder variacional implementado en tensorflow y pytorch (incluyendo flujo autorregresivo inverso)

AutoVC: Transferencia de estilo de voz Zero-Shot solo con pérdida de autoencoder

Implementación oficial del artículo de IJCV y BMVC 2022 "One-Pot Multi-frame Denoising".

[IEEE TIP] "EnlightenGAN: Deep Light Enhancement without Paired Supervision" por Yifan Jiang, Xinyu Gong, Ding Liu, Yu Cheng, Chen Fang, Xiaohui Shen, Jianchao Yang, Pan Zhou, Zhangyang Wang

Implementación oficial de "ADBench: Anomaly Detection Benchmark", NeurIPS 2022.

Implementación en PyTorch de SimCLR: un marco simple para el aprendizaje contrastivo de representaciones visuales de T. Chen et al.

[Premio al Joven Científico MICCAI 2019] [Premio al Mejor Artículo MEDIA 2020] Models Genesis, uno de los primeros modelos "fundacionales" en el análisis de imágenes médicas para múltiples tareas posteriores

BFM_Zero: Un modelo base conductual con prompts para el control de humanoides mediante aprendizaje por refuerzo no supervisado.

Código para Hands-on Unsupervised Learning Using Python (O'Reilly Media)

[VLDB'22] Detección de anomalías mediante Transformers, auto-condicionamiento y entrenamiento adversario.

Descomposición de voz no supervisada mediante Triple Information Bottleneck

Ciclo de vida completo de un proyecto de ciencia de datos