Git Stars Git Stars

#causal-inference Repositories

Entdecke 39 aktive Open-Source-GitHub-Repositories, die mit #causal-inference getaggt sind und insgesamt 78,768 Sterne gesammelt haben (durchschnittlich 2,019 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist py-why/dowhy mit 8,411 Sternen.

39
Gesamtzahl der Repositories
78,768
Gesamtanzahl der Sterne
2,019
Durchschnittliche Sterne/Repo

Insgesamt 39 Repositories

1
py-why/dowhy

DoWhy ist eine Python-Bibliothek für kausale Inferenz, die die explizite Modellierung und Überprüfung kausaler Annahmen unterstützt. DoWhy basiert auf einer einheitlichen Sprache für kausale Inferenz, die kausale grafische Modelle und potenzielle Ergebnisrahmenwerk kombiniert.

py-why
⭐ 8,411 Python 👤 py-why Organization 🕐 Aktualisiert 2026-11-17 📅 Erstellt 2018-05-31
2
uber/causalml

Uplift-Modellierung und kausale Inferenz mit Machine-Learning-Algorithmen

uber
⭐ 6,048 Python 👤 uber Organization 🕐 Aktualisiert 2026-10-12 📅 Erstellt 2019-07-09
3
py-why/EconML

ALICE (Automated Learning and Intelligence for Causation and Economics) ist ein Microsoft Research-Projekt, das darauf abzielt, Konzepte der Künstlichen Intelligenz auf wirtschaftliche Entscheidungsfindung anzuwenden. Eines seiner Ziele ist es, ein Toolkit zu entwickeln, das modernste Machine-Learning-Techniken mit Ökonometrie kombiniert, um Automatisierung in komplexe kausale Inferenzprobleme zu bringen. Bis heute implementiert das ALICE Python SDK (econml) orthogonale Machine-Learning-Algorithmen wie die Double-Machine-Learning-Arbeit von

py-why
⭐ 4,861 Jupyter Notebook 👤 py-why Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2018-04-30
4
Kanaries/Rath

Nächste Generation der automatisierten Plattform für explorative Datenanalyse und Visualisierung.

Kanaries
⭐ 4,687 TypeScript 👤 Kanaries Organization 🕐 Aktualisiert 2026-08-14 📅 Erstellt 2019-08-28
5
plasma-umass/coz

Coz: Kausale Profilerstellung

plasma-umass
⭐ 4,574 C 👤 plasma-umass Organization 🕐 Aktualisiert 2026-11-13 📅 Erstellt 2013-11-22
6
matheusfacure/python-causality-handbook

Kausale Inferenz für die Mutigen und Wahrhaftigen. Ein unbeschwerter, aber dennoch rigoroser Ansatz, um etwas über Erfolgsschätzung und Kausalität zu lernen.

matheusfacure
⭐ 3,520 Jupyter Notebook 👤 matheusfacure User 🕐 Aktualisiert 2026-10-06 📅 Erstellt 2020-04-15
7
pgmpy/pgmpy

Python-Toolkit für kausales und probabilistisches Reasoning

pgmpy
⭐ 3,387 Python 👤 pgmpy Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2013-09-20
8
rguo12/awesome-causality-algorithms

Ein Index von Algorithmen zum Lernen von Kausalität mit Daten

rguo12
⭐ 3,304 👤 rguo12 User 🕐 Aktualisiert 2026-11-16 📅 Erstellt 2018-09-19
9
Kensuke-Hinata/statistic

Sammeln von Büchern, Papieren und Dokumenten.

Kensuke-Hinata
⭐ 3,207 👤 Kensuke-Hinata User 🕐 Aktualisiert 2026-11-15 📅 Erstellt 2018-10-13
10
mckinsey/causalnex

Eine Python-Bibliothek, die Data Scientists hilft, Kausalität zu inferieren, anstatt nur Korrelation zu beobachten.

mckinsey
⭐ 2,492 Python 👤 mckinsey Organization 🕐 Aktualisiert 2026-08-31 📅 Erstellt 2019-12-12
11
paulgp/applied-methods-phd

Repo für den Promotionskurs für angewandte empirische Methoden an der Yale University

paulgp
⭐ 2,270 TeX 👤 paulgp User 🕐 Aktualisiert 2026-04-30 📅 Erstellt 2021-01-13
12
tangxyw/RecSysPapers

Sammlung von Industriestandards und Spitzenpapieren aus den Bereichen Empfehlung/Werbung/Suche. Eine Sammlung von Industriestandards und Spitzenpapieren aus den Bereichen Empfehlung/Werbung/Suche.

tangxyw
⭐ 2,216 Python 👤 tangxyw User 🕐 Aktualisiert 2026-06-11 📅 Erstellt 2022-08-16
13
google/CausalImpact

Ein R-Paket für kausale Schlussfolgerungen in Zeitreihen

google
⭐ 1,868 R 👤 google Organization 🕐 Aktualisiert 2026-03-31 📅 Erstellt 2014-08-08
14
lehaifeng/T-GCN

Temporales Graph-Convolutional-Netzwerk für die Vorhersage des städtischen Verkehrsflusses

lehaifeng
⭐ 1,782 Jupyter Notebook 👤 lehaifeng User 🕐 Aktualisiert 2025-09-01 📅 Erstellt 2018-11-12
15
jakobrunge/tigramite

Tigramite ist ein Python-Paket für kausale Inferenz mit Fokus auf Zeitreihendaten. Die Tigramite-Dokumentation ist unter

jakobrunge
⭐ 1,741 Jupyter Notebook 👤 jakobrunge User 🕐 Aktualisiert 2026-01-14 📅 Erstellt 2017-05-15
16
pedrohcgs/claude-code-my-workflow

Ein sofort forkbares Claude-Code-Template für die akademische Forschung – für Papers, Datenanalyse (R, Stata, Python), Präsentationen und Lehre – mit Multi-Agenten-Review, verbindlichen Qualitätsschranken und Replikationsprotokollen. Es kann auch mit Codex und Antigravity verwendet werden.

pedrohcgs
⭐ 1,729 HTML 👤 pedrohcgs User 🕐 Aktualisiert 2026-11-07 📅 Erstellt 2026-02-06
17
py-why/causal-learn

Kausale Entdeckung in Python: Kausalität aus Daten lernen.

py-why
⭐ 1,720 Python 👤 py-why Organization 🕐 Aktualisiert 2026-09-04 📅 Erstellt 2020-10-11
19
brycewang-stanford/Awesome-Journal-Skills

Journal-spezifische Claude Code/Codex-Skill-Pakete für führende Fachzeitschriften — AER, QJE, Nature, Cell, Management World, Economic Research Journal & über 200 weitere — Ihr schneller Weg zur Veröffentlichung.

brycewang-stanford
⭐ 1,440 Stata 👤 brycewang-stanford User 🕐 Aktualisiert 2026-09-27 📅 Erstellt 2026-05-25
20
FenTechSolutions/CausalDiscoveryToolbox

Paket für kausale Inferenz in Graphen und in paarweisen Einstellungen. Tools für die Erholung der Graphstruktur und Abhängigkeiten sind enthalten.

FenTechSolutions
⭐ 1,242 Python 👤 FenTechSolutions Organization 🕐 Aktualisiert 2025-10-13 📅 Erstellt 2017-05-31
21
pymc-labs/CausalPy

Ein Python-Paket für kausale Inferenz in quasi-experimentellen Settings

pymc-labs
⭐ 1,215 Python 👤 pymc-labs Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2022-09-21
22
matteocourthoud/awesome-causal-inference

Eine kuratierte Liste von Kausalitätsinferenzbibliotheken, Ressourcen und Anwendungen.

matteocourthoud
⭐ 1,214 👤 matteocourthoud User 🕐 Aktualisiert 2026-04-21 📅 Erstellt 2023-05-04
23
KaihuaTang/Scene-Graph-Benchmark.pytorch

Eine neue Codebasis für beliebte Scene Graph Generation-Methoden (2020). Visualisierung & Scene Graph Extraction auf benutzerdefinierten Bildern/Datensätzen sind vorhanden. Es ist auch eine PyTorch-Implementierung des Papiers „Unbiased Scene Graph Generation from Biased Training CVPR 2020“

KaihuaTang
⭐ 1,198 Jupyter Notebook 👤 KaihuaTang User 🕐 Aktualisiert 2026-01-06 📅 Erstellt 2020-02-20
24
huawei-noah/trustworthyAI

Vertrauenswürdige KI-bezogene Projekte

huawei-noah
⭐ 1,153 Python 👤 huawei-noah Organization 🕐 Aktualisiert 2026-09-21 📅 Erstellt 2020-03-19
25
grf-labs/grf

Verallgemeinerte Random Forests

grf-labs
⭐ 1,121 C++ 👤 grf-labs Organization 🕐 Aktualisiert 2026-04-30 📅 Erstellt 2016-08-12
26
akelleh/causality

Werkzeuge für kausale Analyse

akelleh
⭐ 1,080 Python 👤 akelleh User 🕐 Aktualisiert 2025-03-11 📅 Erstellt 2015-05-26
27
PacktPublishing/Causal-Inference-and-Discovery-in-Python

Kausale Inferenz und Entdeckung in Python von Packt Publishing

PacktPublishing
⭐ 1,051 Jupyter Notebook 👤 PacktPublishing Organization 🕐 Aktualisiert 2026-07-15 📅 Erstellt 2022-04-25
28
xieliaing/CausalInferenceIntro

Die chinesische Übersetzung von Causal Inference for the Brave and True. Der gesamte Code basiert auf Python und ist für Bereiche wie Ökonometrie, quantitative Soziologie und Strategiebewertung geeignet. Originalautor der englischen Version: Matheus Facure

xieliaing
⭐ 968 Jupyter Notebook 👤 xieliaing User 🕐 Aktualisiert 2026-03-16 📅 Erstellt 2021-11-07
29
carverauto/serviceradar

Open-Source-Netzwerkmanagement, Monitoring, ITOM, Observability und Sicherheitsanalytik

carverauto
⭐ 937 Elixir 👤 carverauto Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2025-01-13
30
BiomedSciAI/causallib

Ein Python-Paket für modulare kausale Inferenz-Analyse und Modellbewertungen

BiomedSciAI
⭐ 836 Python 👤 BiomedSciAI Organization 🕐 Aktualisiert 2026-05-26 📅 Erstellt 2019-04-04
31
DoubleML/doubleml-for-py

DoubleML - Double Machine Learning in Python

DoubleML
⭐ 801 Python 👤 DoubleML Organization 🕐 Aktualisiert 2026-11-18 📅 Erstellt 2020-09-09
32
hanlulong/awesome-ai-for-economists

Eine kuratierte Liste von KI-Tools, Agentenfähigkeiten, Bibliotheken und Ressourcen für wirtschaftswissenschaftliche Forschung, Lehre und Politikanalyse. Gepflegt vom OpenEcon-Team.

hanlulong
⭐ 722 👤 hanlulong User 🕐 Aktualisiert 2026-11-07 📅 Erstellt 2026-02-21
33
zhijing-jin/CausalNLP_Papers

Eine Leseliste für Arbeiten zur Kausalität für Natural Language Processing (NLP)

zhijing-jin
⭐ 697 👤 zhijing-jin User 🕐 Aktualisiert 2026-04-27 📅 Erstellt 2021-02-24
34
xunzheng/notears

DAGs mit NO TEARS: Kontinuierliche Optimierung für Strukturlernen

xunzheng
⭐ 695 Python 👤 xunzheng User 🕐 Aktualisiert 2026-05-26 📅 Erstellt 2018-10-16
35
WillianFuks/tfcausalimpact

Python Causal Impact Implementierung basierend auf Googles R-Paket. Erbaut mit TensorFlow Probability.

WillianFuks
⭐ 683 Python 👤 WillianFuks User 🕐 Aktualisiert 2026-09-20 📅 Erstellt 2020-08-17
36
laurencium/Causalinference

Kausale Inferenz in Python

laurencium
⭐ 581 Python 👤 laurencium User 🕐 Aktualisiert 2026-09-26 📅 Erstellt 2014-06-04
37
MRCIEU/TwoSampleMR

R-Paket zur Durchführung von 2-Sample-MR mit der IEU OpenGWAS-Datenbank

MRCIEU
⭐ 563 R 👤 MRCIEU Organization 🕐 Aktualisiert 2026-11-10 📅 Erstellt 2016-01-12
⭐ 537 Python 👤 microsoft Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2022-06-14
39
cdt15/lingam

Python-Paket für kausale Entdeckung basierend auf LiNGAM.

cdt15
⭐ 511 Python 👤 cdt15 Organization 🕐 Aktualisiert 2026-11-06 📅 Erstellt 2019-08-22

Häufig gestellte Fragen

1

Welches ist das beliebteste #causal-inference-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#causal-inference-Projekt auf GitHub ist py-why/dowhy mit 8,411 Sternen. DoWhy ist eine Python-Bibliothek für kausale Inferenz, die die explizite Modellierung und Überprüfung kausaler Annahmen unterstützt. DoWhy basiert auf einer einheitlichen Sprache für kausale Inferenz, die kausale grafische Modelle und potenzielle Ergebnisrahmenwerk kombiniert.

2

Welche Programmiersprachen werden in #causal-inference-Repositories am häufigsten verwendet?

Unter den am höchsten eingestuften #causal-inference-Projekten auf GitHub sind Python, Jupyter Notebook, R, TypeScript die am häufigsten verwendeten Programmiersprachen.

3

Wie wird das Ranking der #causal-inference-Repositories berechnet?

Wir verfolgen 39 aktive Open-Source-Repositories, die mit #causal-inference getaggt sind (500+ Sterne), mit insgesamt 78,768 Sternen und durchschnittlich 2,019 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.