Código abierto. Nuevas posibilidades.

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.

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.

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

CatBoost es una biblioteca de gradient boosting de código abierto de Yandex para clasificación, regresión y ranking. Ofrece soporte nativo para características categóricas, entrenamiento en CPU/GPU, entrenamiento distribuido mediante Apache Spark y APIs para Python, R, Java y C++.

FragmentColor es una abstracción de GPU multiplataforma para Rust, JS, Python, Swift y Kotlin. Simplifica flujos de trabajo de shaders usando WGSL/GLSL en Vulkan, Metal, DirectX y WebGPU.

Scalene es un perfilador de alto rendimiento para CPU, GPU y memoria en Python que ofrece análisis a nivel de línea y sugerencias de optimización impulsadas por IA.

DeepSpeed es una biblioteca de optimización de aprendizaje profundo diseñada para que el entrenamiento y la inferencia de modelos a gran escala sean fáciles, eficientes y efectivos.

Apache TVM es un marco de compilación de aprendizaje automático abierto diseñado para el despliegue universal y canalizaciones de compilador personalizables.

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.