Una colección seleccionada, al estilo de las listas awesome, de notebooks de Google Colaboratory para experimentos y tutoriales de machine learning.
Este repositorio es una lista seleccionada de notebooks de Google Colaboratory sobre experimentos de machine learning. Organiza enlaces a notebooks ejecutables por categoría, como cursos, artículos y paquetes, para que los lectores puedan abrir un ejemplo en el navegador sin tener que configurar un entorno local.
La lista abarca una amplia variedad de temas, desde cursos introductorios de deep learning y aprendizaje por refuerzo hasta notebooks vinculados a artículos de investigación específicos y bibliotecas populares como TensorFlow, PyTorch y JAX. Muchas entradas incluyen enlaces al curso o proyecto original junto con una insignia Open In Colab.
La colección es útil como punto de partida para encontrar material práctico. Las entradas están agrupadas en secciones, y la página incluye una lista de repositorios y paquetes populares del mismo ecosistema de notebooks.
Explora las tablas Courses, Trending y otras, y haz clic en una insignia Open In Colab para abrir un cuaderno en Google Colab.
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Un plan de estudios de IA para principiantes de Microsoft, de 12 semanas y 24 lecciones, que abarca IA simbólica, redes neuronales, visión por computadora, NLP y ética, con notebooks en PyTorch y TensorFlow.
Sistema de alto rendimiento para servir modelos de machine learning en producción, con endpoints de inferencia gRPC y HTTP versionados.
Una lista seleccionada de bibliotecas, modelos, implementaciones, tutoriales y artículos relacionados con PyTorch en GitHub.
Keras 3 es un framework de deep learning que funciona con JAX, TensorFlow, PyTorch u OpenVINO para inferencia.
Visor de modelos de redes neuronales, deep learning y machine learning, compatible con ONNX, TensorFlow, PyTorch, Core ML y muchos otros formatos.
Acelerador multiplataforma para ejecutar modelos de ML exportados al formato ONNX, con compatibilidad para entrenar mediante scripts de PyTorch.