Git Stars Git Stars

#explainable-ml Repositories

Entdecke 17 aktive Open-Source-GitHub-Repositories, die mit #explainable-ml getaggt sind und insgesamt 49,435 Sterne gesammelt haben (durchschnittlich 2,907 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist jacobgil/pytorch-grad-cam mit 13,014 Sternen.

17
Gesamtzahl der Repositories
49,435
Gesamtanzahl der Sterne
2,907
Durchschnittliche Sterne/Repo

Insgesamt 17 Repositories

1
jacobgil/pytorch-grad-cam

Erweiterte KI-Erklärbarkeit für Computer Vision. Unterstützung für CNNs, Vision Transformers, Klassifikation, Objekterkennung, Segmentierung, Bildähnlichkeit und mehr.

jacobgil
⭐ 13,014 Python 👤 jacobgil User 🕐 Aktualisiert 2026-11-01 📅 Erstellt 2017-05-31
2
interpretml/interpret

Passen Sie interpretierbare Modelle an. Erklären Sie Blackbox-Machine-Learning.

interpretml
⭐ 6,986 C++ 👤 interpretml Organization 🕐 Aktualisiert 2026-11-16 📅 Erstellt 2019-05-03
3
jphall663/awesome-machine-learning-interpretability

Eine kuratierte Liste toller verantwortungsvoller Machine-Learning-Ressourcen.

jphall663
⭐ 4,088 👤 jphall663 User 🕐 Aktualisiert 2026-06-03 📅 Erstellt 2018-06-21
4
truera/trulens

Bewertung und Verfolgung von LLM-Experimenten und KI-Agenten

truera
⭐ 3,665 Python 👤 truera Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2020-11-02
5
microsoft/tensorwatch

Debugging, Überwachung und Visualisierung für Python Machine Learning und Data Science

microsoft
⭐ 3,477 Jupyter Notebook 👤 microsoft Organization 🕐 Aktualisiert 2026-03-30 📅 Erstellt 2019-05-15
6
MAIF/shapash

🔅 Shapash: Benutzerfreundliche Erklärbarkeit und Interpretierbarkeit zur Entwicklung zuverlässiger und transparenter Machine-Learning-Modelle

MAIF
⭐ 3,297 Jupyter Notebook 👤 MAIF Organization 🕐 Aktualisiert 2026-11-16 📅 Erstellt 2020-04-29
7
divelab/DIG

Eine Bibliothek für Deep-Learning-Forschung im Bereich Graphen

divelab
⭐ 1,997 Python 👤 divelab Organization 🕐 Aktualisiert 2024-07-15 📅 Erstellt 2020-10-30
8
microsoft/responsible-ai-toolbox

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.

microsoft
⭐ 1,858 TypeScript 👤 microsoft Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2020-07-06
9
Trusted-AI/AIX360

Interpretierbarkeit und Erklärbarkeit von Daten und Machine-Learning-Modellen

Trusted-AI
⭐ 1,809 Python 👤 Trusted-AI Organization 🕐 Aktualisiert 2026-09-05 📅 Erstellt 2019-07-11
10
csinva/imodels

Interpretabler ML-Paket 🔍 für knappe, transparente und genaue prädiktive Modellierung (sklearn-kompatibel).

csinva
⭐ 1,631 Jupyter Notebook 👤 csinva User 🕐 Aktualisiert 2026-11-13 📅 Erstellt 2019-07-04
11
interpretml/DiCE

Generieren Sie vielfältige kontrafaktische Erklärungen für jedes Machine-Learning-Modell.

interpretml
⭐ 1,519 Python 👤 interpretml Organization 🕐 Aktualisiert 2025-07-13 📅 Erstellt 2019-05-02
12
ModelOriented/DALEX

Modellunabhängige Sprache zur Exploration und Erklärung

ModelOriented
⭐ 1,489 Python 👤 ModelOriented Organization 🕐 Aktualisiert 2026-07-15 📅 Erstellt 2018-02-18
13
EthicalML/xai

XAI - Eine eXplainability-Toolbox für maschinelles Lernen

EthicalML
⭐ 1,270 Python 👤 EthicalML Organization 🕐 Aktualisiert 2025-11-29 📅 Erstellt 2019-01-11
14
dswah/pyGAM

[MITWIRKENDE WILLKOMMEN] Generalisierte additive Modelle in Python

dswah
⭐ 1,024 Python 👤 dswah User 🕐 Aktualisiert 2026-04-21 📅 Erstellt 2017-01-19
15
salesforce/OmniXAI

OmniXAI: Eine Bibliothek für eXplainable AI

salesforce
⭐ 975 Jupyter Notebook 👤 salesforce Organization 🕐 Aktualisiert 2026-06-02 📅 Erstellt 2022-02-17
16
deel-ai/xplique

👋 Xplique ist eine Toolbox zur Erklärbarkeit von neuronalen Netzen

deel-ai
⭐ 761 Python 👤 deel-ai Organization 🕐 Aktualisiert 2026-11-06 📅 Erstellt 2020-04-05
17
ScalaConsultants/Aspect-Based-Sentiment-Analysis

💭 Aspektbasierte Sentiment-Analyse: Transformer & Erklärbares ML (TensorFlow)

ScalaConsultants
⭐ 585 Python 👤 ScalaConsultants Organization 🕐 Aktualisiert 2026-09-07 📅 Erstellt 2020-01-08

Häufig gestellte Fragen

1

Welches ist das beliebteste #explainable-ml-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#explainable-ml-Projekt auf GitHub ist jacobgil/pytorch-grad-cam mit 13,014 Sternen. Erweiterte KI-Erklärbarkeit für Computer Vision. Unterstützung für CNNs, Vision Transformers, Klassifikation, Objekterkennung, Segmentierung, Bildähnlichkeit und mehr.

2

Welche Programmiersprachen werden in #explainable-ml-Repositories am häufigsten verwendet?

Unter den am höchsten eingestuften #explainable-ml-Projekten auf GitHub sind Python, Jupyter Notebook, C++, TypeScript die am häufigsten verwendeten Programmiersprachen.

3

Wie wird das Ranking der #explainable-ml-Repositories berechnet?

Wir verfolgen 17 aktive Open-Source-Repositories, die mit #explainable-ml getaggt sind (500+ Sterne), mit insgesamt 49,435 Sternen und durchschnittlich 2,907 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.