Git Stars Git Stars

#bayesian Repositorios

Descubre 15 repositorios activos de código abierto de GitHub etiquetados con #bayesian, que acumulan 26,962 estrellas en total (una media de 1,797 estrellas por proyecto). El líder de este tema es pyro-ppl/pyro, con 9,078 estrellas.

15
Total de Repositorios
26,962
Total de estrellas
1,797
Promedio de Estrellas/Repo

15 repositorios en total

1
pyro-ppl/pyro

Programación probabilística universal profunda con Python y PyTorch

pyro-ppl
⭐ 9,078 Python 👤 pyro-ppl Organization 🕐 Actualizado 2026-10-05 📅 Creado 2017-06-16
2
stan-dev/stan

Repositorio de desarrollo de Stan. La rama master contiene la versión actual. La rama develop contiene el último desarrollo estable. Consulta el Wiki del Proceso de Desarrollo para obtener detalles.

stan-dev
⭐ 2,789 C++ 👤 stan-dev Organization 🕐 Actualizado 2026-11-20 📅 Creado 2013-02-06
3
avehtari/BDA_course_Aalto

Curso de Análisis de Datos Bayesianos en Aalto

avehtari
⭐ 2,291 TeX 👤 avehtari User 🕐 Actualizado 2026-11-17 📅 Creado 2018-09-07
4
uber/orbit

Un paquete de Python para pronósticos bayesianos con diseño orientado a objetos y modelos probabilísticos subyacentes.

uber
⭐ 2,082 Python 👤 uber Organization 🕐 Actualizado 2026-05-22 📅 Creado 2020-01-07
5
arviz-devs/arviz

Análisis exploratorio de modelos bayesianos con Python

arviz-devs
⭐ 1,867 TeX 👤 arviz-devs Organization 🕐 Actualizado 2026-11-17 📅 Creado 2015-07-29
6
probcomp/Gen.jl

Un sistema de programación probabilística de propósito general con inferencia programable

probcomp
⭐ 1,856 Julia 👤 probcomp Organization 🕐 Actualizado 2026-11-20 📅 Creado 2018-08-21
7
gempy-project/gempy

GemPy es un software de modelado geológico estructural en 3D de código abierto y basado en Python, que permite la creación implícita (es decir, automática) de modelos geológicos complejos a partir de datos de interfaz y orientación. También ofrece soporte para modelado estocástico para abordar incertidumbres en parámetros y modelos.

gempy-project
⭐ 1,384 Python 👤 gempy-project Organization 🕐 Actualizado 2026-11-11 📅 Creado 2017-07-04
8
avehtari/BDA_py_demos

Demos de análisis de datos bayesianos para Python

avehtari
⭐ 1,043 Jupyter Notebook 👤 avehtari User 🕐 Actualizado 2025-09-19 📅 Creado 2015-03-04
9
google/lightweight_mmm

LightweightMMM 🦇 es una biblioteca ligera de modelado de mezcla de marketing bayesiano (MMM) que permite a los usuarios entrenar fácilmente MMM y obtener información de atribución de canales.

google
⭐ 1,019 Python 👤 google Organization 🕐 Actualizado 2025-06-17 📅 Creado 2022-02-10
10
easystats/report

:scroll: :tada: Informes automatizados de objetos en R

easystats
⭐ 719 R 👤 easystats Organization 🕐 Actualizado 2026-11-05 📅 Creado 2019-01-21
11
easystats/bayestestR

:ghost: Utilidades para analizar modelos bayesianos y distribuciones posteriores

easystats
⭐ 599 R 👤 easystats Organization 🕐 Actualizado 2026-11-19 📅 Creado 2019-01-14
12
avehtari/BDA_R_demos

Demos de Análisis de Datos Bayesianos para R

avehtari
⭐ 598 HTML 👤 avehtari User 🕐 Actualizado 2026-10-28 📅 Creado 2016-02-10
13
ericmjl/bayesian-analysis-recipes

Una colección de recetas de análisis de datos bayesianos utilizando PyMC3

ericmjl
⭐ 562 Jupyter Notebook 👤 ericmjl User 🕐 Actualizado 2026-05-16 📅 Creado 2017-03-05
14
Harry24k/bayesian-neural-network-pytorch

Implementación en PyTorch de una red neuronal bayesiana [torchbnn]

Harry24k
⭐ 553 Python 👤 Harry24k User 🕐 Actualizado 2024-07-25 📅 Creado 2019-09-04
15
js05212/BayesianDeepLearning-Survey

Aprendizaje profundo bayesiano: Una encuesta

js05212
⭐ 523 👤 js05212 User 🕐 Actualizado 2026-07-04 📅 Creado 2019-07-17

Preguntas frecuentes

1

¿Cuál es el repositorio de #bayesian más popular en GitHub?

El proyecto de código abierto de #bayesian mejor posicionado en GitHub es pyro-ppl/pyro, con 9,078 estrellas. Programación probabilística universal profunda con Python y PyTorch

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #bayesian?

Entre los proyectos de #bayesian mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, TeX, Jupyter Notebook, R.

3

¿Cómo se calcula la clasificación de los repositorios de #bayesian?

Seguimos 15 repositorios activos de código abierto etiquetados con #bayesian (500+ estrellas), que suman un total de 26,962 estrellas, con una media de 1,797 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.