Cuadernos complementarios de Aurélien Géron: scikit-learn para ML clásico, luego Keras y TensorFlow para aprendizaje profundo — el libro práctico de referencia sobre ML.
| Categoría | Aprende IA y aprendizaje automático |
| Tipo | Cuadernos del libro |
| Licencia | Apache-2.0 |
| Ejecuta localmente | Sí |
| Construido con | Jupyter |
| Nivel de habilidad | Intermedio |
| Mejor para | el camino clásico de scikit-learn al aprendizaje profundo |
Otras herramientas de aprendizaje de IA y machine learning de código abierto que valen la pena comparar:
VirgilioUn mentor estructurado para ciencia de datos y ML
ML for BeginnersEl curso clásico de aprendizaje automático de Microsoft
AI for BeginnersDe IA simbólica a redes neuronales
Generative AI for BeginnersConstruye aplicaciones de IA generativa, lección por lección
Data Science for BeginnersLas bases de datos antes de cualquier ML
LLM CourseLa hoja de ruta de referencia para aprender LLMs
LLMs from ScratchConstruye un GPT desde cero, línea por línea
Neural Networks: Zero to HeroKarpathy construye backprop, luego GPT, desde cero
Annotated Paper ImplementationsMás de 60 artículos implementados y explicados uno al lado del otro
Dive into Deep LearningEl libro de texto donde cada ecuación es ejecutable
fastai Book (fastbook)Aprendizaje profundo para programadores, de arriba hacia abajo
Hugging Face CourseDomina los transformadores con la biblioteca real
Hugging Face Agents CourseConstruye agentes de IA, correctamente
Made With MLDe cuaderno a sistema de producción
Prompt Engineering GuideLa referencia sobre prompting, respaldada por artículos
Applied MLCómo las empresas reales envían ML
ML YouTube CoursesLos mejores cursos gratuitos de ML en YouTube, curados
OpenAI CookbookRecetas prácticas que funcionan con cualquier API compatible con OpenAI
Awesome Machine LearningEl índice de referencia de bibliotecas de ML, por lenguaje
Awesome LLMArtículos, modelos y herramientas de la era LLM
Deep Learning DrizzleClases universitarias, desde la fuente
ML Interviews BookQué preguntan realmente las entrevistas de MLHands-On Machine Learning es gratuito y de código abierto (licencia Apache-2.0), por lo que puedes usarlo, autoalojarlo y modificarlo sin costo alguno.
Sí. Hands-On Machine Learning está diseñado para ejecutarse en tu propia máquina o servidor, manteniendo tus datos privados.
Las alternativas de código abierto populares incluyen Virgilio, ML para Principiantes, IA para Principiantes. Consulta las comparaciones anteriores para elegir.
Navega por el directorio completo de herramientas, modelos y proyectos de IA de código abierto, actualizado diariamente.
Navega todas las herramientas →