#bayesian-inference Repositories
Entdecke 34 aktive Open-Source-GitHub-Repositories, die mit #bayesian-inference getaggt sind und insgesamt 72,145 Sterne gesammelt haben (durchschnittlich 2,121 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist roboticcam/machine-learning-notes mit 10,394 Sternen.
Insgesamt 34 Repositories
Meine kontinuierlich aktualisierten Notizen und Demos zu Machine Learning, probabilistischen Modellen und Deep Learning (2000+ Folien) Meine ununterbrochen aktualisierten Vorlesungsmaterialien zu Machine Learning, probabilistischen Modellen und Deep Learning (2000+ Seiten) und Video-Links
Python Kalman-Filterung und optimale Schätzbibliothek. Implementiert Kalman-Filter, Partikelfilter, Erweiterten Kalman-Filter, Unscented Kalman-Filter, g-h (Alpha-Beta), Kleinste Quadrate, H-Unendlich, Glätter und mehr. Hat ein Begleitbuch 'Kalman and Bayesian Filters in Python'.
Stan-Entwicklungsrepository. Der master-Branch enthält die aktuelle Version. Der develop-Branch enthält die neueste stabile Entwicklung. Details finden Sie im Developer Process Wiki.
Probabilistisches Programmieren mit NumPy, angetrieben von JAX für Autograd und JIT-Kompilierung auf GPU/TPU/CPU.
Eine Python-Bibliothek, die Data Scientists hilft, Kausalität zu inferieren, anstatt nur Korrelation zu beobachten.
Infer.NET ist ein Framework für die Ausführung bayesscher Inferenz in grafischen Modellen.
Bayessches Convolutional Neural Network mit Variationsinferenz basierend auf Bayes by Backprop in PyTorch.
brms R-Paket für bayessche generalisierte multivariante nichtlineare Mehrebenenmodelle mit Stan
BlackJAX ist eine Bibliothek für Bayes'sche Inferenz, die auf Benutzerfreundlichkeit, Geschwindigkeit und Modularität ausgelegt ist.
Dynamische stochastische allgemeine Gleichgewichts-Modelle lösen und schätzen (einschließlich New York Fed DSGE)
sbi ist ein Python-Paket für simulationsbasierte Inferenz, das entwickelt wurde, um die Bedürfnisse von Forschern und Praktikern gleichermaßen zu erfüllen. Egal, ob Sie eine feingranulare Steuerung oder eine einfach zu bedienende Oberfläche benötigen, sbi hat das Richtige für Sie.
Eine Python-Implementierung von Active Inference für Markov-Decision-Prozesse
Ein intuitives Tutorial zur Gauß-Prozess-Regression
PyTensor ermöglicht es Ihnen, mathematische Ausdrücke mit mehrdimensionalen Arrays zu definieren, zu optimieren und effizient auszuwerten.
Python-Paket für Kausale Entdeckung durch das Lernen der grafischen Struktur von Bayes'schen Netzwerken. Structure Learning, Parameter Learning, Inferenzen, Sampling-Methoden.
Eine Bibliothek für bayesche neuronale Netzwerkschichten und Unsicherheitsschätzung im Deep Learning, die den Kern von PyTorch erweitert
Eine Sammlung von Rezepten zur Bayes'schen Datenanalyse mit PyMC3
Häufig gestellte Fragen
Welches ist das beliebteste #bayesian-inference-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#bayesian-inference-Projekt auf GitHub ist roboticcam/machine-learning-notes mit 10,394 Sternen. Meine kontinuierlich aktualisierten Notizen und Demos zu Machine Learning, probabilistischen Modellen und Deep Learning (2000+ Folien) Meine ununterbrochen aktualisierten Vorlesungsmaterialien zu Machine Learning, probabilistischen Modellen und Deep Learning (2000+ Seiten) und Video-Links
Welche Programmiersprachen werden in #bayesian-inference-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #bayesian-inference-Projekten auf GitHub sind Python, Jupyter Notebook, R, Julia die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #bayesian-inference-Repositories berechnet?
Wir verfolgen 34 aktive Open-Source-Repositories, die mit #bayesian-inference getaggt sind (500+ Sterne), mit insgesamt 72,145 Sternen und durchschnittlich 2,121 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.