¡Bienvenido a Pyverse de Tushar Aggarwal, su mejor guía para explorar y dominar los marcos de Python! Este repositorio está diseñado para ayudarlo a navegar por el vasto paisaje de los marcos de Python y comprender sus características, casos de uso y mejores prácticas.
Python se ha convertido en uno de los lenguajes de programación más populares en los últimos años, gracias a su simplicidad, versatilidad y vasto ecosistema. Uno de los factores clave que contribuyen al éxito de Python es su rica colección de marcos que atienden a varios dominios y propósitos. Pyverse tiene como objetivo proporcionar una descripción completa de estos marcos, lo que le permite tomar decisiones informadas y aprovechar las herramientas adecuadas para sus proyectos.
Pyverse cubre una amplia gama de marcos de Python, incluidos marcos web, marcos de aprendizaje automático, marcos de análisis de datos, marcos de desarrollo de juegos y más. Encontrará información detallada, tutoriales y ejemplos de código para cada marco.
Cada marco en Pyverse se acompaña de una documentación integral, que proporciona una visión general de sus conceptos centrales, instrucciones de instalación, ejemplos de uso y consejos para un desarrollo efectivo.
Pyverse va más allá de la teoría al ofrecer ejemplos prácticos y proyectos de muestra que demuestran las capacidades de varios marcos de Python. Puede explorar estos ejemplos para obtener experiencia práctica y aprender a aplicar los marcos en escenarios del mundo real.
Creemos en el poder de la colaboración, y Pyverse da la bienvenida a las contribuciones de la comunidad. Ya sea que desee corregir un error, mejorar la documentación o agregar un nuevo marco, sus contribuciones son altamente valoradas. Consulte nuestras pautas de contribución para comenzar.
Para comenzar con Pyverse, siga estos pasos:
Tenemos una hoja de ruta emocionante planeada para Pyverse:
¡Estén atentos para las actualizaciones!
Únase a la comunidad Pyverse para conectarse con otros desarrolladores, hacer preguntas, compartir sus experiencias y mantenerse actualizado con los últimos desarrollos. Póngase en contacto con @ [email protected]
| S.No. | Utilizado para | Lib, marco y tecnología |
|---|---|---|
| 1 | Ciencia de datos | Pandas |
| 2 | Ciencia de datos | Numpy |
| 3 | Ciencia de datos | Marino |
| 4 | Ciencia de datos | Bisagro |
| 5 | Ciencia de datos | Mate |
| 6 | Aprendizaje automático | Lear |
| 7 | Aprendizaje automático | Pytorch |
| 8 | Aprendizaje automático | Flujo tensor |
| 9 | Aprendizaje automático | Xgboost |
| 10 | Aprendizaje automático | Lightgbm |
| 12 | Aprendizaje automático | Keras |
| 13 | Aprendizaje automático | Pycaret |
| 14 | Mlops | Mlflow |
| 15 | Mlops | Kubeflow |
| 16 | Mlops | Zenml |
| 17 | AI explicable | Bandear |
| 18 | AI explicable | Cal |
| 19 | AI explicable | Interpretarml |
| 20 | Procesamiento de texto | Extirpado |
| 21 | Procesamiento de texto | Nltk |
| 22 | Procesamiento de texto | Textblob |
| 23 | Procesamiento de texto | Corenlp |
| 24 | Procesamiento de texto | Gensim |
| 25 | Procesamiento de texto | Regular |
| 26 | Procesamiento de imágenes | Opencvv |
| 27 | Procesamiento de imágenes | Scikit-imagen |
| 28 | Procesamiento de imágenes | Almohada |
| 29 | Procesamiento de imágenes | Mahotas |
| 30 | Procesamiento de imágenes | Simplificar |
| 31 | Marco web | Matraz |
| 32 | Marco web | Fastapi |
| 33 | Marco web | Django |
| 34 | Marco web | Estrellarse |
| 35 | Marco web | Pirámide |
| 36 | Raspado web | Beautifulsoup |
| 37 | Raspado web | Escrapaz |
| 38 | Raspado web | Selenio |
| 39 | Visualización de datos | Tramamente |
| 40 | Visualización de datos | Cuadro |
| 41 | Visualización de datos | Bokeh |
| 42 | Visualización de datos | Placa de gg |
| 43 | Procesamiento del lenguaje natural | Transformador |
| 44 | Procesamiento del lenguaje natural | Bert |
| 45 | Procesamiento del lenguaje natural | Word2vec |
| 46 | Procesamiento del lenguaje natural | Guante |
| 47 | Procesamiento del lenguaje natural | Elmo |
| 48 | Aprendizaje de refuerzo | Gimnasio de Openai |
| 49 | Aprendizaje de refuerzo | Dopamina |
| 50 | Aprendizaje de refuerzo | Picina |
| 51 | Aprendizaje de refuerzo | Líneas de base estables3 |
| 52 | Computación en la nube | AWS |
| 53 | Computación en la nube | Google Cloud |
| 54 | Computación en la nube | Microsoft Azure |
| 55 | Computación en la nube | Nube de IBM |
| 56 | Computación en la nube | Heroku |
| 57 | Gestión de bases de datos | Mysql |
| 58 | Gestión de bases de datos | Postgresql |
| 59 | Gestión de bases de datos | Mongodb |
| 60 | Gestión de bases de datos | Sqlite |
| 61 | Gestión de bases de datos | Base de datos Oracle |
| 62 | Aprendizaje profundo | Redes neuronales convolucionales (CNN) |
| 63 | Aprendizaje profundo | Redes neuronales recurrentes (RNN) |
| 64 | Aprendizaje profundo | Redes adversas generativas (GANS) |
| 65 | Aprendizaje profundo | Autoencoders |
| 66 | Aprendizaje profundo | Transferir el aprendizaje |
| 67 | Análisis de series de tiempo | Arima |
| 68 | Análisis de series de tiempo | Profeta |
| 69 | Análisis de series de tiempo | Suavizado exponencial |
| 70 | Análisis de series de tiempo | Sarima |
| 71 | Análisis de series de tiempo | Descomposición estacional de series de tiempo (STL) |
| 72 | Estadística | Prueba de hipótesis |
| 73 | Estadística | Análisis de regresión |
| 74 | Estadística | Anova |
| 75 | Estadística | Inferencia bayesiana |
| 76 | Estadística | Análisis de componentes principales (PCA) |
| 77 | Visión por computadora | Detección de objetos |
| 78 | Visión por computadora | Segmentación de imágenes |
| 79 | Visión por computadora | Reconocimiento facial |
| 80 | Visión por computadora | Reconocimiento de caracteres ópticos (OCR) |
| 81 | Visión por computadora | Segmentación de instancias |
| 82 | Sistemas de recomendación | Filtrado colaborativo |
| 83 | Sistemas de recomendación | Filtrado basado en contenido |
| 84 | Sistemas de recomendación | Factorización de matriz |
| 85 | Sistemas de recomendación | Reglas de asociación |
| 86 | Sistemas de recomendación | Aprendizaje profundo para sistemas de recomendación |
| 87 | Aprendizaje no supervisado | Clúster K-means |
| 88 | Aprendizaje no supervisado | Agrupación jerárquica |
| 89 | Aprendizaje no supervisado | Reducción de dimensionalidad |
| 90 | Aprendizaje no supervisado | Minería de reglas de asociación |
| 91 | Aprendizaje no supervisado | Modelos de mezcla gaussiana (GMM) |
| 92 | Análisis de red | Teoría de grafos |
| 93 | Análisis de red | Análisis de redes sociales |
| 94 | Análisis de red | Detección de la comunidad |
| 95 | Análisis de red | Predicción de enlace |
| 96 | Análisis de red | Medidas de centralidad |
| 97 | Computación en la nube | Amazon S3 |
| 98 | Computación en la nube | Estibador |
| 99 | Computación en la nube | Kubernetes |
| 100 | Computación en la nube | Informática sin servidor |
| 101 | Procesamiento del lenguaje natural | Reconocimiento de entidad nombrado (NER) |
| 102 | Procesamiento del lenguaje natural | Análisis de sentimientos |
| 103 | Procesamiento del lenguaje natural | Modelado de temas |
| 104 | Procesamiento del lenguaje natural | Analizador de dependencia |
| 105 | Procesamiento del lenguaje natural | Clasificación de texto |
| 106 | Sistemas de recomendación | Sistemas de recomendación híbridos |
| 107 | Sistemas de recomendación | Sistemas de recomendación contextuales |
| 108 | Sistemas de recomendación | Sistemas de recomendación secuenciales |
| 109 | Sistemas de recomendación | Máquinas de factorización |
| 110 | Sistemas de recomendación | Aprendizaje de refuerzo profundo para sistemas de recomendación |
| 111 | Mejoramiento | Programación lineal |
| 112 | Mejoramiento | Programación no lineal |
| 113 | Mejoramiento | Programación entera |
| 114 | Mejoramiento | Optimización convexa |
| 115 | Mejoramiento | Optimización heurística |
| 116 | Sistemas distribuidos | Apache Hadoop |
| 117 | Sistemas distribuidos | Apache Spark |
| 118 | Sistemas distribuidos | Apache Kafka |
| 119 | Sistemas distribuidos | Apache flink |
| 120 | Sistemas distribuidos | Apache Cassandra |
| 121 | Generación del lenguaje natural | Generación basada en plantillas |
| 122 | Generación del lenguaje natural | Generación basada en reglas |
| 123 | Generación del lenguaje natural | Generación de idiomas estadísticos |
| 124 | Generación del lenguaje natural | Generación del lenguaje neuronal |
| 125 | Generación del lenguaje natural | Planificación de contenido |
| 126 | Aprendizaje de refuerzo | Métodos de Monte Carlo |
| 127 | Aprendizaje de refuerzo | Q-Learning |
| 128 | Aprendizaje de refuerzo | Métodos de gradiente de políticas |
| 129 | Aprendizaje de refuerzo | Métodos de actor-crítico |
| 130 | Aprendizaje de refuerzo | Aprendizaje de refuerzo basado en modelos |
| 131 | Robótica | ROS (sistema operativo robot) |
| 132 | Robótica | Slam (localización y mapeo simultáneo) |
| 133 | Robótica | Cinemática inversa |
| 134 | Robótica | Aprendizaje de refuerzo para robótica |
| 135 | Robótica | Planificación de movimiento |
| 136 | Procesamiento de big data | Apache Hive |
| 137 | Procesamiento de big data | Cerdo apache |
| 138 | Procesamiento de big data | Tormenta de apache |
| 139 | Procesamiento de big data | Haz apache |
| 140 | Procesamiento de big data | Canal |
| 141 | Modelos generativos | Autoencoders variacionales (VAE) |
| 142 | Modelos generativos | Redes adversas generativas (GANS) |
| 143 | Modelos generativos | Modelos basados en flujo |
| 144 | Modelos generativos | Modelos auto-regresivos |
| 145 | Modelos generativos | Redes adversas generativas (GANS) |
| 146 | Cadena de bloques | Bitcoin |
| 147 | Cadena de bloques | Ethereum |
| 148 | Cadena de bloques | Contratos inteligentes |
| 149 | Cadena de bloques | Tecnología del libro mayor distribuido |
| 150 | Cadena de bloques | Algoritmos de consenso |
| 151 | Procesamiento del lenguaje natural | Incrustaciones de palabras |
| 152 | Procesamiento del lenguaje natural | Mecanismos de atención |
| 153 | Procesamiento del lenguaje natural | Modelos de secuencia a secuencia |
| 154 | Procesamiento del lenguaje natural | Traducción de idiomas |
| 155 | Procesamiento del lenguaje natural | Respuesta de preguntas |
| 156 | Interpretabilidad del modelo | Importancia |
| 157 | Interpretabilidad del modelo | Parcelas de dependencia parcial |
| 158 | Interpretabilidad del modelo | Interpretación de impulso de gradiente |
| 159 | Interpretabilidad del modelo | Explicaciones del modelo y agnóstico del modelo interpretable local (LIME) |
| 160 | Interpretabilidad del modelo | Explicaciones aditivas de Shapley (Shap) |
| 161 | Métodos bayesianos | Redes bayesianas |
| 162 | Métodos bayesianos | Muestreo de gibbs |
| 163 | Métodos bayesianos | Algoritmo de metrópolis-Hastings |
| 164 | Métodos bayesianos | Inferencia variacional |
| 165 | Métodos bayesianos | Optimización bayesiana |
| 166 | Análisis geoespacial | SIG (sistema de información geográfica) |
| 167 | Análisis geoespacial | Visualización de datos espaciales |
| 168 | Análisis geoespacial | Agrupación espacial |
| 169 | Análisis geoespacial | Regresión espacial |
| 170 | Análisis geoespacial | Interpolación espacial |
| 171 | Computación en la nube | Inaugural |
| 172 | Computación en la nube | Nube de rackspace |
| 173 | Computación en la nube | Vmware vcloud |
| 174 | Computación en la nube | Nube de alibaba |
| 175 | Computación en la nube | Sombrero rojo openshift |
| 176 | Procesamiento del lenguaje natural | Analizador de dependencia |
| 177 | Procesamiento del lenguaje natural | Reconocimiento de entidad nombrado (NER) |
| 178 | Procesamiento del lenguaje natural | Etiquetado de rol semántico |
| 179 | Procesamiento del lenguaje natural | Análisis de sentimientos |
| 180 | Procesamiento del lenguaje natural | Resolución de coreferencia |
| 181 | Redes neuronales gráficas | Redes convolucionales de gráficos (GCNS) |
| 182 | Redes neuronales gráficas | Redes de atención de gráficos (GATS) |
| 183 | Redes neuronales gráficas | Gráfico |
| 184 | Redes neuronales gráficas | Redes convolucionales de gráfico relacional (RGCNS) |
| 185 | Redes neuronales gráficas | Graph Autoencoders |
| 186 | Ingeniería de características | Escala de características |
| 187 | Ingeniería de características | Selección de características |
| 188 | Ingeniería de características | Extracción de características |
| 189 | Ingeniería de características | Codificación de características |
| 190 | Ingeniería de características | Cruce de características |
| 191 | Privacidad y seguridad | Aprendizaje federado |
| 192 | Privacidad y seguridad | Privacidad diferencial |
| 193 | Privacidad y seguridad | Ml encriptado |
| 194 | Privacidad y seguridad | Minería de datos de preservación de la privacidad |
| 195 | Privacidad y seguridad | Ataques adversos y defensas |
| 196 | Inferencia causal | Gráficos causales |
| 197 | Inferencia causal | Marco de inferencia causal de Pearl |
| 198 | Inferencia causal | Variables instrumentales |
| 199 | Inferencia causal | Coincidencia de puntaje de propensión |
| 200 | Inferencia causal | Bosques causales |
| 201 | ML automatizado | Automl |
| 202 | ML automatizado | Selección de modelos |
| 203 | ML automatizado | Automatización de ingeniería de características |
| 204 | ML automatizado | Optimización de hiperparameter |
| 205 | ML automatizado | Métodos de conjunto |
| 206 | Detección de fraude | Análisis de fraude |
| 207 | Detección de fraude | Detección de anomalías |
| 208 | Detección de fraude | Análisis de redes sociales para la detección de fraude |
| 209 | Detección de fraude | Análisis conductual |
| 210 | Detección de fraude | ML para la detección de fraude |
| 211 | Ajuste de hiperparameter | Búsqueda de redes |
| 212 | Ajuste de hiperparameter | Búsqueda aleatoria |
| 213 | Ajuste de hiperparameter | Optimización bayesiana |
| 214 | Ajuste de hiperparameter | Algoritmos genéticos |
| 215 | Ajuste de hiperparameter | Optuna |
| 216 | ML adversario | Ataques adversos |
| 217 | ML adversario | Defensas adversas |
| 218 | ML adversario | Redes adversas generativas (GAN) para el aprendizaje adversario |
| 219 | ML adversario | Transferibilidad de ejemplos adversos |
| 220 | ML adversario | Prueba de robustez adversa |
| 221 | Pronóstico de series de tiempo | Arima |
| 222 | Pronóstico de series de tiempo | Suavizado exponencial |
| 223 | Pronóstico de series de tiempo | Profeta |
| 224 | Pronóstico de series de tiempo | Memoria a largo plazo (LSTM) |
| 225 | Pronóstico de series de tiempo | Promedio móvil integrado autorregresivo estacional (Sarima) |
| 226 | Descubrimiento de causalidad | Descubrimiento causal basado en restricciones |
| 227 | Descubrimiento de causalidad | Información-descubrimiento causal teórico |
| 228 | Descubrimiento de causalidad | Causalidad de Granger |
| 229 | Descubrimiento de causalidad | Modelado de ecuaciones estructurales |
| 230 | Descubrimiento de causalidad | Razonamiento contrafactual |
| 231 | Sistemas de recomendación | Aprendizaje de refuerzo profundo para sistemas de recomendación |
| 232 | Sistemas de recomendación | Sistemas de recomendación basados en el conocimiento |
| 233 | Sistemas de recomendación | Sistemas de recomendación conscientes del contexto |
| 234 | Sistemas de recomendación | Sistemas de recomendación conscientes de la secuencia |
| 235 | Sistemas de recomendación | Meta-aprendizaje para sistemas de recomendación |
| 236 | Transferir el aprendizaje | Adaptación de dominio |
| 237 | Transferir el aprendizaje | Destilación modelo |
| 238 | Transferir el aprendizaje | Redes neuronales progresivas |
| 239 | Transferir el aprendizaje | Taskonomia |
| 240 | Transferir el aprendizaje | Transferencia de conocimiento de dominio cruzado |
| 241 | AI explicable | Explicaciones contrafactuales |
| 242 | AI explicable | Explicaciones agnósticas del modelo |
| 243 | AI explicable | Explicaciones basadas en reglas |
| 244 | AI explicable | Ancla |
| 245 | AI explicable | Explicaciones causales |
| 246 | Detección de anomalías de series de tiempo | SVM de una clase |
| 247 | Detección de anomalías de series de tiempo | Bosque de aislamiento |
| 248 | Detección de anomalías de series de tiempo | Autoencoders para la detección de anomalías |
| 249 | Detección de anomalías de series de tiempo | Detección de puntos de cambio |
| 250 | Detección de anomalías de series de tiempo | ESD híbrida estacional (SH-ESD) |
| 251 | Ciberseguridad | Detección de intrusos de red |
| 252 | Ciberseguridad | Detección de malware |
| 253 | Ciberseguridad | Análisis de comportamiento para ciberseguridad |
| 254 | Ciberseguridad | Evaluación de vulnerabilidad |
| 255 | Ciberseguridad | Información de seguridad y gestión de eventos (SIEM) |
| 256 | Aprendizaje de refuerzo adversario | Entornos adversos |
| 257 | Aprendizaje de refuerzo adversario | Optimización de políticas adversas |
| 258 | Aprendizaje de refuerzo adversario | Aprendizaje de refuerzo inverso |
| 259 | Aprendizaje de refuerzo adversario | Sistemas de múltiples agentes adversos |
| 260 | Aprendizaje de refuerzo adversario | Aprendizaje de refuerzo robusto |
| 261 | Redes adversas generativas | Gans condicionales |
| 262 | Redes adversas generativas | Wasserstein Gans |
| 263 | Redes adversas generativas | Ciclo |
| 264 | Redes adversas generativas | Estilado |
| 265 | Redes adversas generativas | Interpolación del espacio latente |
| 266 | Aprendizaje federado | Promedio federado |
| 267 | Aprendizaje federado | Privacidad diferencial en el aprendizaje federado |
| 268 | Aprendizaje federado | Aprendizaje federado vertical |
| 269 | Aprendizaje federado | Aprendizaje de transferencia federada |
| 270 | Aprendizaje federado | Meta-learning federado |
| 271 | Aprendizaje federado | Aprendizaje federado a dispositivos de borde |
| 272 | ML cuántico | Conceptos básicos de computación cuántica |
| 273 | ML cuántico | Redes neuronales cuánticas |
| 274 | ML cuántico | Algoritmos cuánticos variacionales |
| 275 | ML cuántico | Máquinas de vectores de soporte cuántico |
| 276 | ML cuántico | Codificación de datos cuánticos |
| 277 | Aprendizaje de refuerzo para robótica | Aprendiendo de las manifestaciones |
| 278 | Aprendizaje de refuerzo para robótica | Transferencia Sim2Real |
| 279 | Aprendizaje de refuerzo para robótica | Aprendizaje de refuerzo basado en modelos para robótica |
| 280 | Aprendizaje de refuerzo para robótica | Aprendizaje de imitación |
| 281 | Aprendizaje de refuerzo para robótica | Manipulación robótica |
| 282 | Modelos generativos para texto | Modelos de idiomas basados en transformadores |
| 283 | Modelos generativos para texto | GPT (transformador generativo previamente entrenado) |
| 284 | Modelos generativos para texto | Modelos de idiomas basados en LSTM |
| 285 | Modelos generativos para texto | Bert (representaciones de codificador bidireccional de Transformers) |
| 286 | Modelos generativos para texto | VAE (autoencoder variacional) para la generación de texto |
| 287 | Aprendizaje multimodal | Fusión multimodal |
| 288 | Aprendizaje multimodal | Recuperación intermodal |
| 289 | Aprendizaje multimodal | Modelos generativos multimodales |
| 290 | Aprendizaje multimodal | Aprendizaje de refuerzo multimodal |
| 291 | Aprendizaje multimodal | Análisis de sentimientos multimodal |
| 292 | Compresión modelo | Poda |
| 293 | Compresión modelo | Cuantificación |
| 294 | Compresión modelo | Destilación |
| 295 | Compresión modelo | Intercambio de pesas |
| 296 | Compresión modelo | Destilación de conocimiento |
| 297 | Planificación automatizada | y programación |
| 298 | Planificación automatizada | y programación |
| 299 | Planificación automatizada | y programación |
| 300 | Planificación automatizada | y programación |
| 301 | Planificación automatizada | y programación |
| 302 | Adaptación de dominio | Entrenamiento de dominio-adversario |
| 303 | Adaptación de dominio | Cyclegan para la adaptación del dominio |
| 304 | Adaptación de dominio | Transferir el aprendizaje para la adaptación del dominio |
| 305 | Adaptación de dominio | Adaptación del dominio no supervisada |
| 306 | Adaptación de dominio | Adaptación de dominio parcial |
| 307 | Aprendizaje activo | Muestreo de incertidumbre |
| 308 | Aprendizaje activo | Consulta por comité |
| 309 | Aprendizaje activo | Cambio de modelo esperado |
| 310 | Aprendizaje activo | Muestreo de diversidad |
| 311 | Aprendizaje activo | Aprendizaje activo presupuestado |
| 312 | Ingeniería de características automatizadas | Largometraje |
| 313 | Ingeniería de características automatizadas | Síntesis de características profundas |
| 314 | Ingeniería de características automatizadas | Programación genética |
| 315 | Ingeniería de características automatizadas | Extracción de características automatizadas |
| 316 | Ingeniería de características automatizadas | Codificación de características |
| 317 | Ataques adversos | Ataques de caja blanca |
| 318 | Ataques adversos | Ataques de caja negra |
| 319 | Ataques adversos | Ataques físicos |
| 320 | Ataques adversos | Ataques de transferencia |
| 321 | Ataques adversos | Ataques de evasión |
| 322 | Aprendizaje de refuerzo federado | Q-learning federado |
| 323 | Aprendizaje de refuerzo federado | Gradiente de política federada |
| 324 | Aprendizaje de refuerzo federado | Actor federado crítico |
| 325 | Aprendizaje de refuerzo federado | Optimización de políticas proximales federadas (PPO) |
| 326 | Aprendizaje de refuerzo federado | Aprendizaje de refuerzo de múltiples agentes federados |
| 327 | Aprendizaje de refuerzo federado | Aprendizaje de refuerzo inverso federado |
| 328 | Gráfico incrustado | Caminata |
| 329 | Gráfico incrustado | Nodo2vec |
| 330 | Gráfico incrustado | Incrustación de red convolucional de gráficos (GCN) |
| 331 | Gráfico incrustado | Factorización tensor |
| 332 | Gráfico incrustado | Incrustación de gráficos heterogéneos |
| 333 | Detección de anomalías en gráficos | Detección de valores atípicos basados en gráficos |
| 334 | Detección de anomalías en gráficos | Agrupación espectral |
| 335 | Detección de anomalías en gráficos | Bosque de aislamiento para gráficos |
| 336 | Detección de anomalías en gráficos | Detección de anomalías colectivas |
| 337 | Detección de anomalías en gráficos | Detección de anomalías basadas en estructuras comunitarias |
| 338 | ML interpretable | Gráficos de dependencia parcial (PDP) |
| 339 | ML interpretable | Ranking de importancia de características |
| 340 | ML interpretable | Modelos basados en reglas interpretables |
| 341 | ML interpretable | Explicaciones del modelo y agnóstico del modelo interpretable local (LIME) |
| 342 | ML interpretable | Valores de Shapley |
| 343 | Modelos generativos para imágenes | DCGAN (GaN de convolucional profundo) |
| 344 | Modelos generativos para imágenes | Stylegan2 |
| 345 | Modelos generativos para imágenes | Cyclegan para la traducción de imágenes |
| 346 | Modelos generativos para imágenes | Autoencoders variacionales (VAE) para la generación de imágenes |
| 347 | Modelos generativos para imágenes | Cultivo progresivo de Gans (PGGAN) |
| 348 | Selección de modelos | División de prueba de validación en tren |
| 349 | Selección de modelos | Validación cruzada |
| 350 | Selección de modelos | Validación de Holdout |
| 351 | Selección de modelos | Búsqueda de cuadrícula validación cruzada |
| 352 | Selección de modelos | Validación cruzada de búsqueda aleatoria |
| 353 | Selección de modelos | Selección de modelo utilizando criterios de información |
| 354 | Selección de modelos | Selección de modelos de conjunto |
| 355 | Aprendizaje continuo | Aprendizaje de toda la vida |
| 356 | Aprendizaje continuo | Aprendizaje incremental |
| 357 | Aprendizaje continuo | Aprendizaje en línea |
| 358 | Aprendizaje continuo | Expansión del modelo dinámico |
| 359 | Aprendizaje continuo | Detección de deriva del concepto |
| 360 | Aprendizaje continuo | Transferir el aprendizaje en entornos dinámicos |
| 361 | Aprendizaje federado para la atención médica | Aprendizaje federado para registros de salud electrónicos (EHR) |
| 362 | Aprendizaje federado para la atención médica | ML de preservación de la privacidad en salud |
| 363 | Aprendizaje federado para la atención médica | Aprendizaje federado para sistemas de apoyo a las decisiones clínicas |
| 364 | Aprendizaje federado para la atención médica | Aprendizaje federado para la predicción de la enfermedad |
| 365 | Aprendizaje federado para la atención médica | Aprendizaje federado para análisis de imágenes médicas |
| 366 | Destilación modelo | Para modelos livianos |
| 367 | Destilación modelo | Para modelos livianos |
| 368 | Destilación modelo | Para modelos livianos |
| 369 | Destilación modelo | Para modelos livianos |
| 370 | Destilación modelo | Para modelos livianos |
| 371 | Análisis de series de tiempo para pronósticos | Arima estacional |
| 372 | Análisis de series de tiempo para pronósticos | Autorregresión vectorial (var) |
| 373 | Análisis de series de tiempo para pronósticos | Memoria a largo plazo (LSTM) con atención |
| 374 | Análisis de series de tiempo para pronósticos | Profeta con vacaciones |
| 375 | Análisis de series de tiempo para pronósticos | Métodos de conjunto para el pronóstico de series de tiempo |
| 376 | ML de preservación de la privacidad | Cálculo seguro multipartidista (MPC) |
| 377 | ML de preservación de la privacidad | Cifrado homomórfico |
| 378 | ML de preservación de la privacidad | Mecanismos de privacidad diferenciales |
| 379 | ML de preservación de la privacidad | Aprendizaje federado con privacidad diferencial |
| 380 | ML de preservación de la privacidad | Circuitos de goma |
| 381 | Segmentación de imágenes | Net |
| 382 | Segmentación de imágenes | Máscara R-CNN |
| 383 | Segmentación de imágenes | Redes totalmente convolucionales (FCN) |
| 384 | Segmentación de imágenes | Segmentación semántica |
| 385 | Segmentación de imágenes | Segmentación de instancias |
| 386 | Aprendizaje de refuerzo profundo | DQN (Network Q-Network) |
| 387 | Aprendizaje de refuerzo profundo | DDPG (gradiente de política determinista profunda) |
| 388 | Aprendizaje de refuerzo profundo | PPO (optimización de políticas proximales) |
| 389 | Aprendizaje de refuerzo profundo | A3C (Actor-Actor-Criticic de ventaja asíncrona) |
| 390 | Aprendizaje de refuerzo profundo | SAC (actor suave-crítico) |
| 391 | Tareas de visión por computadora | Detección de objetos |
| 392 | Tareas de visión por computadora | Clasificación de imágenes |
| 393 | Tareas de visión por computadora | Segmentación de imágenes |
| 394 | Tareas de visión por computadora | Reconocimiento facial |
| 395 | Tareas de visión por computadora | Segmentación de instancias |
| 396 | Evaluación del modelo | Error absoluto medio (MAE) |
| 397 | Evaluación del modelo | Error cuadrado medio (MSE) |
| 398 | Evaluación del modelo | Puntaje R-cuadrado (R2) |
| 399 | Evaluación del modelo | Exactitud |
| 400 | Evaluación del modelo | Precisión y retiro |
| 401 | Generación del lenguaje natural | Transformador de transferencia de texto a texto (T5) |
| 402 | Generación del lenguaje natural | GPT-3 (transformador generativo previamente capacitado 3) |
| 403 | Generación del lenguaje natural | Modelado de idiomas |
| 404 | Generación del lenguaje natural | Generación de texto condicional |
| 405 | Generación del lenguaje natural | Traducción del automuleto neural |
| 406 | Análisis de sentimientos | Análisis de sentimientos supervisado |
| 407 | Análisis de sentimientos | Análisis de sentimientos basado en aspectos |
| 408 | Análisis de sentimientos | Detección de emociones |
| 409 | Análisis de sentimientos | Minería de opinión |
| 410 | Análisis de sentimientos | Voz del análisis del cliente |
| 411 | Análisis de redes sociales | Visualización de redes sociales |
| 412 | Análisis de redes sociales | Detección de la comunidad |
| 413 | Análisis de redes sociales | Análisis de influencia |
| 414 | Análisis de redes sociales | Predicción de enlace |
| 415 | Análisis de redes sociales | Simulación de redes sociales |
| 416 | Redes neuronales gráficas | Redes convolucionales de gráficos (GCNS) |
| 417 | Redes neuronales gráficas | Redes de atención de gráficos (GAT) |
| 418 | Redes neuronales gráficas | Graphsage (muestra de gráfico y agregado) |
| 419 | Redes neuronales gráficas | Redes de isomorfismo gráfico (GIN) |
| 420 | Redes neuronales gráficas | Redes neuronales gráficas para la clasificación de nodos |
| 421 | Traducción automática | Modelos de secuencia a secuencia |
| 422 | Traducción automática | Traducción de la máquina neural (NMT) |
| 423 | Traducción automática | Modelos de transformadores para la traducción automática |
| 424 | Traducción automática | Traducción a máquina estadística |
| 425 | Traducción automática | Traducción automática basada en frase |
| 426 | Traducción automática | Representaciones de codificadores bidireccionales de Transformers (Bert) |
| 427 | Aprendizaje no supervisado | Clúster K-means |
| 428 | Aprendizaje no supervisado | Agrupación jerárquica |
| 429 | Aprendizaje no supervisado | Análisis de componentes principales (PCA) |
| 430 | Aprendizaje no supervisado | Redes adversas generativas (GANS) |
| 431 | Aprendizaje no supervisado | Autoencoders |
| 432 | Reconocimiento de voz | Reconocimiento automático de voz (ASR) |
| 433 | Reconocimiento de voz | Modelos de reconocimiento de voz profundo |
| 434 | Reconocimiento de voz | Clasificación temporal de Connectionist (CTC) |
| 435 | Reconocimiento de voz | Redes neuronales recurrentes (RNN) para el reconocimiento de voz |
| 436 | Reconocimiento de voz | Modelos de transformadores para el reconocimiento de voz |
| 437 | Sistemas de recomendación | Filtrado colaborativo |
| 438 | Sistemas de recomendación | Filtrado basado en contenido |
| 439 | Sistemas de recomendación | Sistemas de recomendación híbridos |
| 440 | Sistemas de recomendación | Sistemas de recomendación basados en el conocimiento |
| 441 | Sistemas de recomendación | Aprendizaje de refuerzo para sistemas de recomendación |
| 448 | Despliegue de modelo | Contenedores |
| 449 | Despliegue de modelo | Informática sin servidor |
| 450 | Despliegue de modelo | Monitoreo de modelos |
| 451 | Inferencia causal | Modelo causal de Pearl |
| 452 | Inferencia causal | Coincidencia de puntaje de propensión |
| 453 | Inferencia causal | Análisis de variables instrumentales |
| 454 | Inferencia causal | Diferencia en diferencias (did) |
| 455 | Inferencia causal | Diseño de discontinuidad de regresión (RDD) |
| 456 | ML automatizado | Automl |
| 457 | ML automatizado | Búsqueda de arquitectura neural (NAS) |
| 458 | ML automatizado | Apilamiento de modelos |
| 459 | ML automatizado | Selección de características |
| 460 | ML automatizado | Optimización de hiperparameter |
| 461 | Explicabilidad del modelo | Lime (explicaciones locales del modelo interpretable-agnóstico) |
| 462 | Explicabilidad del modelo | Shap (explicaciones aditivas de Shapley) |
| 463 | Explicabilidad del modelo | PDP (gráficos de dependencia parcial) |
| 464 | Explicabilidad del modelo | ELI5 (explique como si tuviera 5) |
| 465 | Explicabilidad del modelo | Ancla |
| 466 | Análisis geoespacial | SIG (sistema de información geográfica) |
| 467 | Análisis geoespacial | Visualización de datos espaciales |
| 468 | Análisis geoespacial | Geoanalítico |
| 469 | Análisis geoespacial | Geoestadística |
| 470 | Análisis geoespacial | Análisis de regresión espacial |
| 471 | Pronóstico de series de tiempo | Métodos de suavizado exponencial |
| 472 | Pronóstico de series de tiempo | ARIMA (promedio móvil integrado autorregresivo) |
| 473 | Pronóstico de series de tiempo | Profeta (pronóstico de series de tiempo) |
| 474 | Pronóstico de series de tiempo | Redes neuronales para el pronóstico de series de tiempo |
| 475 | Pronóstico de series de tiempo | Métodos de conjunto para el pronóstico de series de tiempo |
| 476 | Aumento de datos | Flip y rotación |
| 477 | Aumento de datos | Cultivo y cambio de tamaño aleatorio |
| 478 | Aumento de datos | Inyección de ruido |
| 479 | Aumento de datos | Aumento con modelos generativos |
| 480 | Aumento de datos | Confusión y cortmix |
| 481 | Gráfico de conocimiento | Aprendizaje de representación de gráficos de conocimiento |
| 482 | Gráfico de conocimiento | Incruscaciones de gráficos de conocimiento |
| 483 | Gráfico de conocimiento | Alineación del gráfico de conocimiento |
| 484 | Gráfico de conocimiento | Finalización del gráfico de conocimiento |
| 485 | Gráfico de conocimiento | Consulta y razonamiento sobre gráficos de conocimiento |
| 486 | Informática distribuida | Apache Hadoop |
| 487 | Informática distribuida | Apache Spark |
| 488 | Informática distribuida | Aprendizaje profundo distribuido |
| 489 | Informática distribuida | Procesamiento de datos distribuidos |
| 490 | Informática distribuida | Sistemas de archivos distribuidos |
| 491 | Defensa adversa | Entrenamiento adversario |
| 492 | Defensa adversa | Destilación defensiva |
| 493 | Defensa adversa | Suavizado aleatorio |
| 494 | Defensa adversa | Funciones apretando |
| 495 | Defensa adversa | Enjuito de entreganza en conjunto |
| 496 | Comprensión del lenguaje natural | Reconocimiento de entidad |
| 497 | Comprensión del lenguaje natural | Analizador de dependencia |
| 498 | Comprensión del lenguaje natural | Reconocimiento de entidad nombrado (NER) |
| 499 | Comprensión del lenguaje natural | Análisis de sentimientos |
| 500 | Comprensión del lenguaje natural | Resolución de coreferencia |
Pyverse se libera bajo la licencia MIT.