🏗️

Frameworks

Frameworks de desarrollo de aplicaciones LLM como LangChain y LlamaIndex

LangChain Framework Tutorial

Tutorial en profundidad del framework LangChain que recorre su arquitectura y módulos principales —Chains, Agents y Memory— con ejemplos prácticos. Incluye integración RAG, desarrollo de herramientas personalizadas y estrategias de depuración; ideal para desarrolladores que quieren ir más allá de los prompts simples y construir aplicaciones LLM de nivel producción.

GuíaIntermedioLangChainLLM

AI Resource HubActualizado 2026-06-24

4.5

Colección de bibliotecas de Python AI/ML

Selección curada de las bibliotecas Python más usadas para IA y machine learning: frameworks de deep learning como TensorFlow y PyTorch, ML clásico con Scikit-learn, manipulación de datos con NumPy y Pandas, y herramientas emergentes para integración de LLM. Cada entrada incluye una breve descripción, caso de uso típico y comando de instalación; una referencia práctica para profesionales que construyen su toolkit de ML.

GuíaIntermedioPythonAprendizaje automático

AI Resource HubActualizado 2026-06-28

4.7

Tutorial de Transformers de Rostros Abrazados

Tutorial oficial de Transformers de Hugging Face, la biblioteca estándar de la industria para NLP y visión por computador. Cubre clasificación de texto, tokenización, traducción, segmentación de imágenes y más, con ejemplos de código para PyTorch y TensorFlow; orientado a profesionales que quieren aprovechar modelos preentrenados o ajustarlos con datasets propios para uso en producción.

GuíaIntermedioCara de abrazoTransformadores

Hugging FaceActualizado 2026-07-06

4.5

Tutorial del Marco LlamaIndex

Tutorial práctico de LlamaIndex, el framework diseñado para construir aplicaciones RAG que conectan LLMs con fuentes de datos personalizadas. Cubre pipelines de ingestión de datos, estrategias de indexación, motores de consulta y recuperación basada en agentes, con ejemplos prácticos para conectores de PDF, web y base de datos; ideal para desarrolladores que quieren construir asistentes de IA específicos de dominio basados en sus propios documentos.

GuíaIntermedioLlamaIndexRAG

LlamaIndexActualizado 2026-06-26

4.9

Marco de Aprendizaje Profundo PyTorch

PyTorch es un framework líder de deep learning desarrollado por Meta, famoso por su grafo de computación dinámico e interfaz Pythonica. Impulsa tanto investigación de vanguardia como despliegues en producción, con un ecosistema rico en herramientas para entrenar, depurar y escalar modelos en GPUs y TPUs.

Código abiertoIntermedioPyTorchAprendizaje Profundo

PyTorchActualizado 2026-07-06

4.7

Marco de Inferencia de Alto Rendimiento vLLM

vLLM es un motor de inferencia y servicio de alto rendimiento para modelos de lenguaje grandes que usa PagedAttention para mejorar drásticamente la eficiencia de memoria y el rendimiento. Soporta batching continuo, paralelismo de tensores y servicio API compatible con OpenAI, siendo la opción preferida para desplegar LLMs a escala.

Código abiertoAvanzadovLLMInferencia

vLLMActualizado 2026-06-26

4.5

Marco RAG de Haystack

Haystack es un framework open source de deepset para construir aplicaciones LLM listas para producción, especializado en RAG y pipelines de preguntas y respuestas. Ofrece componentes modulares para procesamiento de documentos, embeddings y recuperación, que se conectan fácilmente con modelos de OpenAI, Hugging Face y más.

Código abiertoIntermedioPajarRAG

deepsetActualizado 2026-06-22

4.6

DSPy

DSPy es un framework para programar modelos de lenguaje en lugar de promptearlos, componiendo pipelines modulares y optimizando automáticamente prompts y pesos. Desarrollado en Stanford, reemplaza la ingeniería de prompts frágil con programas reproducibles y testeables que se adaptan a distintos modelos y tareas.

Código abiertoAvanzadoDSPyOptimización de Prompts

Stanford NLPActualizado 2026-06-26