Jupyter Notebook Repositorios
1,614 repositorios en total
Domando Transformers para la síntesis de imágenes de alta resolución
El adaptador de indicaciones de imagen está diseñado para permitir que un modelo de difusión preentrenado de texto a imagen genere imágenes con una indicación de imagen.
Modelos Silero: modelos de texto a voz preentrenados hechos increíblemente sencillos
Orquestación de GPU tolerante a fallos, altamente escalable, y un marco de aprendizaje automático diseñado para entrenar modelos con miles de millones a billones de parámetros
Una biblioteca de redes neuronales compatible con scikit-learn que envuelve PyTorch
Optimización de carteras financieras en Python, incluyendo la frontera eficiente clásica, Black-Litterman y paridad de riesgo jerárquica
Series temporales Timeseries Deep Learning Machine Learning Python Pytorch fastai | Biblioteca de Deep Learning de vanguardia para Series Temporales y Secuencias en Pytorch / fastai
Versión china de CLIP que logra la recuperación intermodal y la generación de representaciones en chino.
¡Este es el código oficial del proyecto MobileSAM que hace que SAM sea liviano para aplicaciones móviles y más allá!
Implementar un LLM de razonamiento en PyTorch desde cero, paso a paso
Una colección de ejemplos que muestran cómo utilizar el framework CrewAI para automatizar flujos de trabajo.
YOLOv6: un framework de detección de objetos de una sola etapa dedicado a aplicaciones industriales.
250+ Notebooks de Fine-tuning & RL para modelos de texto, visión, audio, embedding, TTS.
Todos los materiales del curso Zero to Mastery Deep Learning with TensorFlow.
T81-558: Keras - Aplicaciones de Redes Neuronales Profundas @Washington University in St. Louis
Reconocimiento automático de voz con diarización del hablante basado en OpenAI Whisper
Tutoriales sobre la implementación de algunos modelos sequence-to-sequence (seq2seq) con PyTorch y TorchText.
Código PyTorch para BLIP: Bootstrapping Language-Image Pre-training para la Comprensión y Generación Unificada Visión-Lenguaje
Proyectos y ejercicios del programa más reciente de Nanodegree en Aprendizaje Profundo https://www.udacity.com/course/deep-learning-nanodegree--nd101
Repositorio de código para aprendizaje automático con PyTorch y Scikit-Learn
Construcción de grafos Neo4j a partir de datos no estructurados utilizando LLM
Tacotron 2 - Implementación en PyTorch con inferencia más rápida que en tiempo real
Materiales adicionales, ejercicios y proyectos de ejemplo para nuestros tutoriales de Python
Sutskever 30 implementaciones inspiradas en https://papercode.vercel.app/ | Para Agents, usa https://github.com/pageman/Sutskever-Agent | Versión Políglota / Multi-Backend en https://github.com/pageman/sutskever-30-beyond-numpy
CoTracker es un modelo para rastrear cualquier punto (píxel) en un video.
Repositorio para el programa Nanodegree de Aprendizaje por Refuerzo Profundo
"Guía para la construcción de la caja blanca de modelos grandes": Un Tiny-Universe completamente hecho a mano
Código para el libro Deep Learning with PyTorch de Eli Stevens, Luca Antiga y Thomas Viehmann.
Enlaces a publicaciones de conferencias en aprendizaje profundo basado en grafos
🎓 Portafolio académico que aumenta las citas. IA genera páginas, tú las posees como Markdown. Importación automática BibTeX, Jupyter, LaTeX, diapositivas, editor de bloques visual — alojamiento gratuito para siempre. Página académica, generada por IA, posee en Markdown 👇
Entrena o ajusta fácilmente modelos SOTA de visión por computadora con una única biblioteca de entrenamiento de código abierto. El hogar de Yolo-NAS.
🚀 Un currículo de código abierto y práctico que cierra la brecha desde conceptos básicos de RL hasta alineación de LLM, RLVR y sistemas Agentic avanzados.
Contenedores de aprendizaje automático para NVIDIA Jetson y JetPack-L4T
Una forma infalible de generar JSON estructurado a partir de modelos de lenguaje
ALICE (Automated Learning and Intelligence for Causation and Economics) es un proyecto de Microsoft Research dirigido a aplicar conceptos de Inteligencia Artificial en la toma de decisiones económicas. Uno de sus objetivos es construir un kit de herramientas que combine técnicas de aprendizaje automático de vanguardia con econometría para llevar la automatización a problemas complejos de inferencia causal. Hasta la fecha, el SDK de Python de ALICE (econml) implementa algoritmos de aprendizaje automático ortogonal, como el trabajo de aprendizaje automático doble de
Un lenguaje de programación probabilístico en TensorFlow. Modelos generativos profundos, inferencia variacional.