#causality Repositorios
Descubre 14 repositorios activos de código abierto de GitHub etiquetados con #causality, que acumulan 35,256 estrellas en total (una media de 2,518 estrellas por proyecto). El líder de este tema es py-why/dowhy, con 8,411 estrellas.
14 repositorios en total
DoWhy es una biblioteca de Python para la inferencia causal que soporta la modelización y prueba explícita de suposiciones causales. DoWhy se basa en un lenguaje unificado para la inferencia causal, que combina modelos gráficos causales y marcos de resultados potenciales.
ALICE (Automated Learning and Intelligence for Causation and Economics) es un proyecto de Microsoft Research dirigido a aplicar conceptos de Inteligencia Artificial en la toma de decisiones económicas. Uno de sus objetivos es construir un kit de herramientas que combine técnicas de aprendizaje automático de vanguardia con econometría para llevar la automatización a problemas complejos de inferencia causal. Hasta la fecha, el SDK de Python de ALICE (econml) implementa algoritmos de aprendizaje automático ortogonal, como el trabajo de aprendizaje automático doble de
Próxima generación de la plataforma automatizada de análisis exploratorio de datos y visualización.
Inferencia Causal para los Valientes y los Verdaderos. Un enfoque ligero pero riguroso para aprender sobre la estimación de impacto y la causalidad.
[Embodied-AI-Survey-2025] Lista de Artículos y Repositorio de Recursos para IA Encarnada
Paquete para inferencia causal en grafos y en configuraciones por pares. Incluye herramientas para la recuperación de la estructura del grafo y dependencias.
Un paquete de Python para análisis de inferencia causal modular y evaluaciones de modelos
El repositorio de código abierto para el Taller de Modelado Causal en Aprendizaje Automático (Causal Modeling in Machine Learning Workshop) en Altdeep.ai @ www.altdeep.ai/courses/causalAI
Investigación curada en la intersección de la inferencia causal y el procesamiento del lenguaje natural.
Preguntas frecuentes
¿Cuál es el repositorio de #causality más popular en GitHub?
El proyecto de código abierto de #causality mejor posicionado en GitHub es py-why/dowhy, con 8,411 estrellas. DoWhy es una biblioteca de Python para la inferencia causal que soporta la modelización y prueba explícita de suposiciones causales. DoWhy se basa en un lenguaje unificado para la inferencia causal, que combina modelos gráficos causales y marcos de resultados potenciales.
¿Qué lenguajes de programación se utilizan más en los repositorios de #causality?
Entre los proyectos de #causality mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, TypeScript.
¿Cómo se calcula la clasificación de los repositorios de #causality?
Seguimos 14 repositorios activos de código abierto etiquetados con #causality (500+ estrellas), que suman un total de 35,256 estrellas, con una media de 2,518 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.