#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 repositorios en total
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.
Un paquete de Python para pronósticos bayesianos con diseño orientado a objetos y modelos probabilísticos subyacentes.
Un sistema de programación probabilística de propósito general con inferencia programable
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.
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.
:ghost: Utilidades para analizar modelos bayesianos y distribuciones posteriores
Una colección de recetas de análisis de datos bayesianos utilizando PyMC3
Implementación en PyTorch de una red neuronal bayesiana [torchbnn]
Preguntas frecuentes
¿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
¿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.
¿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.