Código abierto. Nuevas posibilidades.

AutoKeras es una biblioteca AutoML de código abierto construida sobre Keras que automatiza la búsqueda de modelos de aprendizaje profundo para tareas de imágenes, texto y datos estructurados.

Biblioteca de aprendizaje por refuerzo para decisiones operativas: precios, inventario, energía, colas y cadenas de suministro. 31 algoritmos con interfaces tipadas, líneas base clásicas y benchmarks reproducibles.

Optuna es un framework de optimización automática de hiperparámetros diseñado para machine learning, que cuenta con una API define-by-run para la construcción dinámica del espacio de búsqueda.

Proyecto de código abierto para predecir peleas de UFC: calificaciones Elo, un conjunto de gradient boosting y una red neuronal multitarea combinados en un único puntuador calibrado, evaluado mediante validación walk-forward de ventana en expansión de 2018 a 2026, con un explorador de enfrentamientos en Streamlit y una canalización de datos que se actualiza automáticamente cada semana.

Reinfors es una biblioteca de aprendizaje por refuerzo de alto rendimiento que ejecuta la dinámica de juegos, la búsqueda y la orquestación de episodios en Rust en paralelo, manteniendo las redes basadas en Python y el entrenamiento totalmente bajo el control del llamante.

Un repositorio educativo que enseña aprendizaje automático supervisado desde los principios básicos utilizando Python, cubriendo fundamentos matemáticos e implementaciones prácticas.

Eclipse Deeplearning4J (DL4J) es un ecosistema de aprendizaje profundo para la JVM que admite Java, Scala, Kotlin y otros lenguajes. Incluye importación de modelos de Keras y TensorFlow, ND4J para álgebra lineal, SameDiff para diferenciación automática, DataVec para preprocesamiento de datos, y funciona en CPU/GPU en Windows, Linux y macOS.

Made With ML es un curso y código abierto que enseña cómo diseñar, desarrollar, desplegar e iterar en aplicaciones de aprendizaje automático de grado productivo, cubriendo MLOps, pruebas, servicio, CI/CD y aprendizaje continuo.

Currículo gratuito de ciencia de datos de Microsoft para principiantes, con 20 lecciones, proyectos prácticos, cuestionarios y traducciones en más de 50 idiomas.

Repositorio oficial de código para 'Build a Large Language Model (From Scratch)': implementación paso a paso en PyTorch de modelos tipo GPT, cubriendo preentrenamiento y ajuste fino con notebooks y ejercicios.

fastai es una biblioteca de deep learning basada en PyTorch que ofrece componentes de alto nivel para una productividad rápida y componentes de bajo nivel para investigación y personalización.

FiftyOne es una herramienta de código abierto para crear conjuntos de datos de alta calidad y modelos de visión por computadora. Permite a los usuarios visualizar, etiquetar, evaluar y curar datos de inteligencia artificial visual.

PyTorch es una biblioteca de aprendizaje automático de código abierto que proporciona computación de tensores con aceleración por GPU y un marco flexible de redes neuronales profundas basado en un sistema autograd basado en cinta.

FairMind es una plataforma de gobernanza ética de IA de código abierto que ofrece evaluación con grado de evidencia, detección de sesgos, pruebas de equidad y seguimiento de cumplimiento para modelos ML, LLM y sistemas multimodales.

PyMC es un paquete de Python para modelado estadístico bayesiano que ofrece algoritmos avanzados de inferencia MCMC y variacional, con sintaxis intuitiva y soporte para modelos probabilísticos complejos.

Keras 3 es un marco de aprendizaje profundo multi-backend que permite a los usuarios construir y entrenar modelos utilizando JAX, TensorFlow, PyTorch u OpenVINO.

VeighNa es un framework de desarrollo de sistemas de trading cuantitativo de código abierto basado en Python, que integra múltiples interfaces de trading y aplicaciones de estrategias nacionales e internacionales, y añade el módulo vnpy.alpha para soportar el desarrollo de estrategias de aprendizaje automático multifactorial, investigación y trading en vivo.

Proyecto educativo para entrenar un modelo GPT (≈540M parámetros) desde cero en laptop de consumidor, con preentrenamiento en Fineweb-edu y ajuste de chat.

Pyro es una biblioteca de programación probabilística profunda, flexible y escalable, construida sobre PyTorch, que admite modelos probabilísticos universales e inferencia automatizada.

Un plan de estudios de ingeniería de IA gratuito y de código abierto basado en principios fundamentales: 523 lecciones en 20 fases (~342 horas), con cobertura desde las matemáticas hasta la producción en Python, TypeScript, Rust y Julia. Cada lección genera un artefacto reutilizable; incluye un tutor de IA instalable y preparación para la certificación de Claude.