Inicio Proyectos AI-ML-Cheatsheets
AI-ML-Cheatsheets
artificial-intelligence

AI-ML-Cheatsheets

Todas las hojas de trucos de Stanford: Inteligencia Artificial, Transformadores, LLMs, Aprendizaje Profundo, Aprendizaje Automático, Probabilidades, Estadísticas, Álgebra y Cálculo.

por analyticalrohit · GitHub
Estrellas
Ramas
Licencia
Creado
Último commit
artificial-intelligencecheetsheetconvolutional-neural-networksMIT
Ver en GitHub
En palabras simples

Accede a guías de referencia rápida sobre temas clave en IA y aprendizaje automático para ayudar con estudios y proyectos.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
AI-ML-Cheatsheets — GitHub preview card
📈 Historial de estrellas
971970
2026-07-202026-08-31
📈 Sigue AI-ML-Cheatsheets

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Todas las hojas de trucos de Stanford: Inteligencia Artificial, Transformadores, LLMs, Aprendizaje Profundo, Aprendizaje Automático, Probabilidades, Estadísticas, Álgebra y Cálculo.

AI-ML-Cheatsheets tiene 970 estrellas en GitHub. Se ha bifurcado 190 veces. Se desarrolla activamente desde 2025. AI-ML-Cheatsheets está disponible bajo la licencia MIT. Sus temas principales son: artificial-intelligence, cheetsheet, convolutional-neural-networks, data-science.

Frequently asked questions

¿Qué es AI-ML-Cheatsheets?

Todas las hojas de trucos de Stanford: Inteligencia Artificial, Transformadores, LLMs, Aprendizaje Profundo, Aprendizaje Automático, Probabilidades, Estadísticas, Álgebra y Cálculo.

¿AI-ML-Cheatsheets es de código abierto?

AI-ML-Cheatsheets es un proyecto de código abierto. Se distribuye bajo la licencia MIT.

¿AI-ML-Cheatsheets es gratis?

Sí. AI-ML-Cheatsheets es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está AI-ML-Cheatsheets?

AI-ML-Cheatsheets está disponible bajo la licencia MIT.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — AI-ML-Cheatsheets

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=analyticalrohit-ai-ml-cheatsheets)](https://olud.ai/project/analyticalrohit-ai-ml-cheatsheets.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
stanford-cs-230-deep-learning
Hojas de trucos VIP para CS 230 Deep Learning de Stanford
7k · cheatsheet
comparteconvolutional-neural-networksdata-science
ai_all_resources
Una lista curada de los Mejores Recursos de Inteligencia Artificial
1.5k · artificial-intelligence
comparteconvolutional-neural-networksdata-science
PixelLib
Visita la documentación oficial de PixelLib https://pixellib.readthedocs.io/en/latest/
1.1k · artificial-intelligence
comparteconvolutional-neural-networks
quiver
Visualización de características de convnet interactiva para Keras
1.8k · convolutional-neural-networks
comparteconvolutional-neural-networks
self-driving-car
Proyectos del Nanodegree de Ingeniero de Autos Autónomos de Udacity.
2.9k · computer-vision
comparteconvolutional-neural-networks
geospatial-machine-learning
Una lista curada de recursos centrados en el Aprendizaje Automático en Ciencia de Datos Geoespa…
703 · classification
comparteconvolutional-neural-networks
colorization-pytorch
Reimplementación en PyTorch de Colorización Profunda Interactiva
602 · computer-graphics
comparteconvolutional-neural-networks
mvcnn
CNN de múltiples vistas (MVCNN) para reconocimiento de formas
392 · computer-graphics
comparteconvolutional-neural-networks
Sign-Language
Un proyecto de CNN muy simple para reconocer gestos realizados en el lenguaje de señas american…
823 · computer-vision
comparteconvolutional-neural-networks
easy-tensorflow
Tutoriales simples y completos en TensorFlow
2.8k · convolutional-neural-networks
comparteconvolutional-neural-networks

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.