#explainability Repositories
Entdecke 12 aktive Open-Source-GitHub-Repositories, die mit #explainability getaggt sind und insgesamt 69,600 Sterne gesammelt haben (durchschnittlich 5,800 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist shap/shap mit 25,883 Sternen.
Insgesamt 12 Repositories
Ein spieltheoretischer Ansatz zur Erklärung der Ausgabe beliebiger maschineller Lernmodelle
Eine kuratierte Liste toller Open-Source-Bibliotheken zum Bereitstellen, Überwachen, Versionieren und Skalieren Ihres Machine Learning
Passen Sie interpretierbare Modelle an. Erklären Sie Blackbox-Machine-Learning.
🔅 Shapash: Benutzerfreundliche Erklärbarkeit und Interpretierbarkeit zur Entwicklung zuverlässiger und transparenter Machine-Learning-Modelle
[CVPR 2021] Offizielle PyTorch-Implementierung für Transformer Interpretability Beyond Attention Visualization, eine neuartige Methode zur Visualisierung von Klassifizierungen durch Transformer-basierte Netzwerke.
Die Responsible AI Toolbox ist eine Suite von Tools, die Benutzeroberflächen und Bibliotheken für die Modell- und Datenexploration und -bewertung bereitstellt und ein besseres Verständnis von KI-Systemen ermöglicht. Diese Benutzeroberflächen und Bibliotheken befähigen Entwickler und Stakeholder von KI-Systemen, KI verantwortungsvoller zu entwickeln und zu überwachen und bessere datengesteuerte Maßnahmen zu ergreifen.
Lass deine Agenten wie Menschen sprechen. ADHS-freundliche Ausgabestile für Claude Code, Codex und andere. Damit du dich auf den Inhalt konzentrieren kannst, nicht auf die Tokens.
Die Fähigkeiten von Professor Li Hongyi destilliert, kombiniert mit Karpathys LLM, unterstützt durch Fable 5 und GPT-6 sowie durch von mir persönlich geführte Interviews.
Häufig gestellte Fragen
Welches ist das beliebteste #explainability-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#explainability-Projekt auf GitHub ist shap/shap mit 25,883 Sternen. Ein spieltheoretischer Ansatz zur Erklärung der Ausgabe beliebiger maschineller Lernmodelle
Welche Programmiersprachen werden in #explainability-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #explainability-Projekten auf GitHub sind Python, Jupyter Notebook, C++, TypeScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #explainability-Repositories berechnet?
Wir verfolgen 12 aktive Open-Source-Repositories, die mit #explainability getaggt sind (500+ Sterne), mit insgesamt 69,600 Sternen und durchschnittlich 5,800 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.