#machine-learning Repositorios
2,070 repositorios en total
Una biblioteca ligera e independiente de cabeceras para usar modelos Keras (TensorFlow) en C++.
Una lista de recursos de Ciencia de Datos / Aprendizaje Automático (Mayormente gratuitos)
PyCIL: Una caja de herramientas de Python para el aprendizaje incremental de clases
JMLR: OmniSafe es un marco de infraestructura para acelerar la investigación SafeRL.
Plataforma de Biocomputación con Aprendizaje de Representación a Gran Escala y Aprendizaje Profundo Multi-Tarea: el conjunto de herramientas de biocomputación “Propeller”
Una biblioteca de código abierto construida sobre Qiskit para tareas de aprendizaje automático cuántico a escala en hardware cuántico y simuladores clásicos
Biblioteca de extracción de características para series temporales (TSFEL): más de 60 características estadísticas, temporales, espectrales y fractales para clasificación y regresión de series temporales, y procesamiento de señales en Python
DataDreamer: Prompt. Generar datos sintéticos. Entrenar y alinear modelos. 🤖💤
Herramientas para entrenar un modelo generativo en muestras de audio arbitrarias
Colección de conjuntos de datos de reidentificación de personas disponibles públicamente
Una inmersión profunda en los embeddings comenzando desde los fundamentos
Entornos de aprendizaje por refuerzo para el control de semáforos de tráfico con SUMO. Compatible con Gymnasium, PettingZoo y bibliotecas populares de RL.
Biblioteca modular de aprendizaje por refuerzo (RL) (implementada en PyTorch, JAX y NVIDIA Warp) con soporte para Gymnasium/Gym, NVIDIA Isaac Lab, MuJoCo Playground y otros entornos
:computer: Aprende a hacer que las máquinas aprendan para que no tengas que luchar programándolas; La lista definitiva
Código oficial de TimeCraft: Un marco de generación de series temporales para aplicaciones del mundo real
Implementación simple de transformer desde cero en PyTorch. (archival, última versión en codeberg)
Ejecuta Laya, el modelo de toma de decisiones System-1 de código abierto y compatible con Jev, desde Node.js / TypeScript mediante ONNX Runtime
Centro de biodiversidad de Microsoft AI for Good Lab: catálogo de proyectos, documentación y navegación para la IA aplicada a la conservación, SPARROW y MegaDetector.
Aplicación Ionic de alto rendimiento, multiplataforma para vigilancia de seguridad doméstica/comercial usando ZoneMinder
🟣 Preguntas y respuestas de entrevista sobre LLMs para ayudarte a prepararte para tu próxima entrevista de machine learning y ciencia de datos en 2026.
El conjunto de datos WIT (Wikipedia-based Image Text) es un gran conjunto de datos multimodales y multilingües que comprende más de 37 millones de conjuntos de imagen-texto con más de 11 millones de imágenes únicas en más de 100 idiomas.
Una biblioteca adversarial de PyTorch para métodos de ataque y defensa en imágenes y grafos
Libro de algoritmos de datos: MapReduce, Spark, Java y Scala
Repositorio público oficial para PM4Py (Process Mining for Python) — una biblioteca de código abierto para explorar, analizar y optimizar procesos de negocio con Python.
Construya agentes de IA desde los primeros principios usando un LLM local: sin marcos, sin APIs en la nube, sin razonamiento oculto.
Hands-On Graph Neural Networks con Python, publicado por Packt
Red Neuronal Convolucional 3D de Múltiples Escalas Eficiente para la Segmentación de Escaneos Médicos 3D
Introducción a PyTorch, que cubre la inicialización de tensores, operaciones, indexación y remodelación.
Compilación de códigos de programación en R y Python en el canal de YouTube de Data Professor.
RAFT contiene algoritmos y primitivos fundamentales y ampliamente utilizados para el aprendizaje automático y la recuperación de información. Los algoritmos están acelerados por CUDA y forman bloques de construcción para escribir aplicaciones de alto rendimiento de manera más sencilla.
Una bifurcación de gym-retro con juegos, emuladores y plataformas compatibles adicionales
Una lista curada de artículos de investigación sobre gradient boosting con implementaciones.