#representation-learning Repositorios
Descubre 55 repositorios activos de código abierto de GitHub etiquetados con #representation-learning, que acumulan 93,365 estrellas en total (una media de 1,697 estrellas por proyecto). El líder de este tema es jindongwang/transferlearning, con 14,330 estrellas.
55 repositorios en total
Aprendizaje por transferencia / Adaptación de dominio / Generalización de dominio / Aprendizaje multitarea etc. Artículos, códigos, conjuntos de datos, aplicaciones, tutoriales. - Aprendizaje por transferencia
Software en C y archivos de datos para el popular modelo GloVe para representaciones de palabras distribuidas, también conocido como vectores de palabras o embeddings
Lista de lectura para temas de investigación en aprendizaje automático multimodal
Aprendizaje de representaciones en grafos grandes utilizando convoluciones de grafos estocásticas.
Kit de herramientas de preentrenamiento auto-supervisado de voz y aprendizaje de representaciones
Implementación en PyTorch de SimCLR: Un marco simple para el aprendizaje contrastivo de representaciones visuales
Biblioteca de Python para el Aprendizaje de Representaciones en Grafos de Conocimiento https://docs.ampligraph.org
Cambrian-1 es una familia de LLM multimodales con un diseño centrado en la visión.
[Presentación oral en CVPR'24] Repositorio oficial de Point Transformer V3 (PTv3). También ofrece un paquete de PyTorch + Triton instalable mediante pip, con los codificadores preentrenados Sonata, Concerto y Utonia.
Listado de artículos sobre aprendizaje automático para proteínas.
Entrenamiento unificado de transformadores universales para la predicción de series temporales
Código para el artículo de TKDE "Aprendizaje auto-supervisado en grafos: ¿Contrastivo, generativo o predictivo?"
Código para "MatchAnything: Universal Cross-Modality Image Matching with Large-Scale Pre-Training", TPAMI 2026.
Una lista completa de impresionantes artículos de aprendizaje autocontrolado contrastivo.
GraphVite: Un sistema general y de alto rendimiento para el embedding de grafos
Entrenamiento e inferencia distribuidos para la percepción multimodal: embeddings compartidos para texto, imágenes, vídeo, audio, código y grafos, de 64 a 1024 dimensiones 🖼️
PyCIL: Una caja de herramientas de Python para el aprendizaje incremental de clases
Plataforma de Biocomputación con Aprendizaje de Representación a Gran Escala y Aprendizaje Profundo Multi-Tarea: el conjunto de herramientas de biocomputación “Propeller”
LibCity: Una biblioteca abierta para la minería de datos espacio-temporales urbanos
[Candidato al Mejor Artículo ECCV 2024 y TPAMI 2025] PointLLM: Potenciando los Grandes Modelos de Lenguaje para Comprender Nubes de Puntos
Un modelo de representación general a través de modalidades de visión, audio y lenguaje. Artículo: ONE-PEACE: Explorando un modelo de representación general hacia modalidades ilimitadas
Una base de código y una lista curada de aprendizaje profundo de cola larga (TPAMI 2023).
[IEEE T-KDE 2026] Awesome Deep Graph Clustering es una colección de métodos de clustering de grafos profundos (SOTA) e innovadores (artículos, códigos y conjuntos de datos).
Sobre la versión del código para "TimesNet: Temporal 2D-Variation Modeling for General Time Series Analysis" (ICLR 2023), https://openreview.net/pdf?id=ju_Uqw384Oq
Aprendizaje métrico y canalizaciones de recuperación, modelos y zoológico.
Cell2Sentence: Enseñando a los Modelos de Lenguaje Grandes el Lenguaje de la Biología
Representación robusta de grafos con restricciones semánticas, en particular para moléculas en química
Implementación en PyTorch de SimCLR: Un marco simple para el aprendizaje contrastivo de representaciones visuales por T. Chen et al.
Una potente línea base para clasificación de imágenes, reconocimiento facial y recuperación de imágenes con Pytorch
Un marco universal para el aprendizaje de la representación de series temporales
[Premio al Joven Científico de MICCAI 2019] [Premio al Mejor Artículo de MedIA] Models Genesis: preentrenamiento autosupervisado para imágenes médicas 3D. Aprende representaciones transferibles a partir de volúmenes de TC y RM sin etiquetar, y luego realiza un ajuste fino para tareas posteriores de segmentación y clasificación. Incluye pesos para Keras y PyTorch.
[CVPR'25 Highlight] Repositorio oficial de Sonata: Aprendizaje autosupervisado de representaciones de puntos fiables
Este repositorio contiene el código de "VLM2Vec / MMEB" [ICLR 2025], "VLM2Vec-V2 / MMEB-V2" [TMLR 2026] y "MMEB-V3" [COLM 2026]
Aprendizaje de representación de proteínas impresionante
[CVPR 2022] Pre-entrenamiento de Transformers de Nubes de Puntos 3D con Modelado de Puntos Enmascarados
Implementación de “DreamDiffusion: Generación de imágenes de alta calidad a partir de señales EEG cerebrales”
Una colección curada de artículos de investigación que exploran la utilización de LLM para tareas relacionadas con grafos.
Lista de artículos sobre incrustación hiperbólica, modelos hiperbólicos, aplicaciones hiperbólicas
[NeurIPS 2021] Benchmarks multiescala para el aprendizaje de representación multimodal
Preguntas frecuentes
¿Cuál es el repositorio de #representation-learning más popular en GitHub?
El proyecto de código abierto de #representation-learning mejor posicionado en GitHub es jindongwang/transferlearning, con 14,330 estrellas. Aprendizaje por transferencia / Adaptación de dominio / Generalización de dominio / Aprendizaje multitarea etc. Artículos, códigos, conjuntos de datos, aplicaciones, tutoriales. - Aprendizaje por transferencia
¿Qué lenguajes de programación se utilizan más en los repositorios de #representation-learning?
Entre los proyectos de #representation-learning mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C, C++.
¿Cómo se calcula la clasificación de los repositorios de #representation-learning?
Seguimos 55 repositorios activos de código abierto etiquetados con #representation-learning (500+ estrellas), que suman un total de 93,365 estrellas, con una media de 1,697 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.