#deep-learning Repositorios
2,273 repositorios en total
Visualizador para modelos de redes neuronales, aprendizaje profundo y aprendizaje automático
OpenPose: Biblioteca de detección de puntos clave en tiempo real para múltiples personas para la estimación del cuerpo, la cara, las manos y los pies
Lectura detallada, sección por sección, de artículos clásicos y nuevos sobre aprendizaje profundo
Preentrene, ajuste fino CUALQUIER modelo de IA de CUALQUIER tamaño en 1 o más de 10,000 GPU sin cambios en el código.
Hoja de ruta para convertirse en un experto en Inteligencia Artificial en 2022
:memo: Un fantástico repositorio de Data Science para aprender y aplicar a problemas del mundo real.
Sistemas de aprendizaje automático: fundamentos, escalabilidad, IA agéntica e IA física (vols. I–IV) • CS249r de Harvard | https://mlsysbook.ai
Código y documentación para entrenar los modelos Alpaca de Stanford y generar los datos.
OCR listo para usar con más de 80 idiomas compatibles y todos los scripts de escritura populares, incluidos latín, chino, árabe, devanagari, cirílico, etc.
⛔️ DEPRECADO – Ver https://github.com/ageron/handson-ml3 o handson-mlp en su lugar.
Notebooks de Python para ciencia de datos: Deep learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, fundamentos de Python, AWS y varias líneas de comandos.
Label Studio es una herramienta de etiquetado y anotación de datos de múltiples tipos con formato de salida estandarizado
Un plan diario completo para estudiar y convertirse en ingeniero de machine learning.
📚 Artículos y blogs de tecnología de empresas que comparten su trabajo sobre ciencia de datos y aprendizaje automático en producción.
Una lista curada de impresionantes tutoriales, proyectos y comunidades de Deep Learning.
Libro interactivo de aprendizaje profundo con código de múltiples frameworks, matemáticas y discusiones. Adoptado en 500 universidades de 70 países, incluyendo Stanford, MIT, Harvard y Cambridge.
Aprendizaje profundo para el procesamiento de imágenes, incluyendo clasificación y detección de objetos, etc.
Un enfoque de la teoría de juegos para explicar la salida de cualquier modelo de aprendizaje automático
⛔️ DEPRECADO – Ver https://github.com/ageron/handson-ml3 o handson-mlp en su lugar.
JARVIS, un sistema para conectar LLMs con la comunidad de ML. Documento: https://arxiv.org/pdf/2303.17580.pdf
✅(Completado) Notas súper completas de aprendizaje profundo 【Tuduī PyTorch】【Li Mu Aprende Deep Learning con Manos】【Andrew Ng Deep Learning】【Dafei Grandes Modelos Agent】
PArallel Distributed Deep LEarning: Marco de Aprendizaje Automático de la Práctica Industrial (El framework central『FeiJiang』, entrenamiento de alto rendimiento de una sola máquina y distribuido para Deep Learning y Machine Learning, y despliegue multiplataforma)
ncnn es un framework de inferencia de redes neuronales de alto rendimiento optimizado para plataformas móviles
Audiocraft es una biblioteca para el procesamiento y la generación de audio con aprendizaje profundo. Incluye el compresor/tokenizador de audio de última generación EnCodec, junto con MusicGen, un LM simple y controlable para la generación de música con acondicionamiento textual y melódico.
Una lista clasificada de fantásticas bibliotecas de Python para aprendizaje automático. Actualizado semanalmente.
Una biblioteca liviana para reconocimiento facial y análisis de atributos faciales (edad, género, emoción y raza) para Python
Colección de artículos y proyectos de código abierto de CVPR 2026
Una lista seleccionada de impresionantes recursos de visión artificial
🚀 Una colección seleccionada de recursos, hojas de ruta, herramientas y proyectos de ingeniería de IA que abarca LLM, RAG, agentes de IA, MCP, ajuste fino, evaluaciones y sistemas de IA en producción.
ONNX Runtime: Acelerador de inferencia y entrenamiento de ML multiplataforma de alto rendimiento
Colección completa de recursos de IA del programador Yupi + Tutorial básico de Vibe Coding, compartiendo tutorial detallado de OpenClaw, modos de uso de modelos grandes (DeepSeek / GPT / Gemini / Claude / GLM), últimas noticias de IA, colección completa de prompts, enciclopedia de conocimiento de IA (Agent Skills / RAG / MCP / A2A), tutorial de programación de IA (Harness Engineering), uso de herramientas de IA (Cursor / Claude Code / TRAE / Codex / Copilot), tutorial de frameworks de desarrollo de IA (Spring AI / LangChain), guía de monetización de productos de IA, ayudándote a dominar rápidamente la tecnología de IA y mantenerte a la vanguardia. Este proyecto es el documento de código abierto aiguide, que se ha actualizado al sitio web de navegación de IA de Yupi.
🤗 El centro más grande de conjuntos de datos listos para usar para modelos de IA con herramientas de manipulación de datos rápidas, fáciles de usar y eficientes
Código para Machine Learning for Trading, 3.ª edición — desde la obtención de datos hasta la ejecución en vivo.