requirements.txt

# Nilearn es una biblioteca de Python destinada al análisis y visualización de datos neuroimagen (principalmente fMRI, PET, y EEG). Facilita la manipulación, 
# análisis y representación gráfica de estos datos, integrándose con otras bibliotecas científicas como NumPy, SciPy y scikit-learn. Nilearn es comúnmente
# utilizada en neurociencia y neuroinformática para realizar estudios sobre el cerebro y sus funciones.
nilearn

# Biblioteca para visualización 3D interactiva
# Proporciona herramientas para la visualización interactiva de datos 3D, especialmente útil para visualizar modelos y datos volumétricos.
pyvistaqt

# Biblioteca para análisis de señales EEG/MEG
# MNE permite el análisis de datos de electroencefalografía (EEG) y magnetoencefalografía (MEG), incluyendo preprocesamiento, análisis estadístico y visualización.
mne

# Biblioteca para análisis de señales EEG/MEG
# El API de YASA está diseñado para el procesamiento de señales EEG, ofreciendo algoritmos avanzados para la detección de patrones y eventos específicos en los datos de 
# electroencefalografía. Permite a los usuarios realizar análisis detallados y en tiempo real de las señales cerebrales para aplicaciones en neurociencia y desarrollo de 
# interfaces cerebro-computadora.
yasa

# Herramientas para el análisis de datos de EEG/MEG
# Biblioteca complementaria a MNE, proporcionando herramientas adicionales para el análisis y preprocesamiento de datos EEG/MEG.
python-picard

# Biblioteca para la manipulación de diccionarios anidados
# DotMap permite trabajar con diccionarios anidados de una manera más fácil y legible.
dotmap

# Biblioteca para análisis de conectividad cerebral
# MNE Connectivity proporciona herramientas para el análisis de la conectividad funcional y efectiva del cerebro a partir de datos de EEG/MEG.
mne_connectivity

# Biblioteca para el monitoreo de uso de memoria en Python
# PyMpler ofrece herramientas para el monitoreo y análisis del uso de memoria en aplicaciones Python.
pympler

# Biblioteca para el análisis de series temporales
# Pyts proporciona herramientas para el análisis de series temporales, incluyendo transformaciones, extracción de características y clasificación.
pyts

# Biblioteca para el análisis de sistemas complejos
# Pyunicorn es utilizada para el análisis y modelado de sistemas complejos, incluyendo redes, dinámica no lineal y sistemas caóticos.
pyunicorn

# Si al instalar este paquete da problemas , entoces deneras descargarlo:
      # !git clone https://github.com/pik-copan/pyunicorn.git
      # %cd pyunicorn
      # !pip install .

# Biblioteca para la optimización evolutiva
# DEAP es una biblioteca para la implementación de algoritmos de optimización evolutiva, útil para problemas de optimización complejos.
deap

# Biblioteca para la optimización de hiperparámetros
# Scikit-Optimize proporciona herramientas para la optimización de hiperparámetros de modelos de aprendizaje automático.
scikit-optimize

# Scikit-mobility es una biblioteca de Python diseñada para el análisis y simulación de datos de movilidad humana. Facilita la manipulación, 
# visualización y análisis de trayectorias de movimiento, siendo útil en campos como transporte, urbanismo y epidemiología. Basada en el 
# ecosistema de scikit-learn, permite aplicar técnicas de machine learning y estadísticas a datos de movilidad.
scikit-mobility

# Biblioteca para transformaciones Wavelet en Python.
# PyWavelets (pywavelets) proporciona implementaciones eficientes de transformaciones Wavelet para análisis de señales y procesamiento de imágenes.pywt
pywavelets

# Biblioteca para modelado estadístico en Python.
# Statsmodels ofrece herramientas para el análisis estadístico, incluyendo modelos lineales, modelos de series temporales, análisis de datos longitudinales y más.
statsmodels

# Biblioteca principal de PyTorch.
# PyTorch (torch) es un marco de aprendizaje profundo de código abierto que proporciona una infraestructura flexible y dinámica para la creación y entrenamiento de modelos de aprendizaje profundo.
torch

# Biblioteca que extiende PyTorch con utilidades para la visión por computadora.
# TorchVision es una biblioteca complementaria de PyTorch que proporciona herramientas y conjuntos de datos predefinidos para tareas comunes de visión por computadora, como la clasificación de imágenes y la detección de objetos.
torchvision

# Biblioteca que extiende PyTorch con funciones para el procesamiento de audio.
# TorchAudio es una biblioteca complementaria de PyTorch que proporciona funciones y conjuntos de datos predefinidos para el procesamiento de audio, incluyendo la lectura y escritura de archivos de audio, transformaciones de audio y conjuntos de datos para tareas de aprendizaje automático relacionadas con el audio.
torchaudio

# UMAP-learn es una biblioteca de Python para la reducción de dimensionalidad. Utiliza técnicas avanzadas de aprendizaje de la geometría del espacio de datos 
# para proyectar datos de alta dimensión a un espacio de menor dimensión, preservando tanto la estructura local como global. Es comúnmente utilizada en machine
# learning y visualización de datos para explorar patrones y relaciones en conjuntos de datos complejos.
umap-learn

# pyunicorn (Python Unified Complex Network and Recurrence Analysis Toolbox) es una biblioteca de Python que proporciona herramientas para la construcción, el análisis y la visualización de redes complejas y sistemas dinámicos. Facilita el análisis de datos multivariantes y series temporales mediante técnicas 
# avanzadas de teoría de redes y análisis de recurrencia.
pyunicorn

# Optuna es una biblioteca de optimización automática de hiperparámetros diseñada para realizar búsquedas eficientes y flexibles utilizando estrategias avanzadas 
# como búsqueda bayesiana y búsqueda por cuadrícula..
 optuna