Git Stars Git Stars

#explainable-ml Repositorios

Descubre 17 repositorios activos de código abierto de GitHub etiquetados con #explainable-ml, que acumulan 49,435 estrellas en total (una media de 2,907 estrellas por proyecto). El líder de este tema es jacobgil/pytorch-grad-cam, con 13,014 estrellas.

17
Total de Repositorios
49,435
Total de estrellas
2,907
Promedio de Estrellas/Repo

17 repositorios en total

1
jacobgil/pytorch-grad-cam

Explicabilidad avanzada de IA para visión por computadora. Soporte para CNN, Vision Transformers, Clasificación, Detección de objetos, Segmentación, Similitud de imágenes y más.

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

Ajusta modelos interpretables. Explica el aprendizaje automático de caja negra.

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

Una lista curada de recursos increíbles de aprendizaje automático responsable.

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

Evaluación y seguimiento de experimentos LLM y agentes de IA

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

Depuración, monitoreo y visualización para Python Machine Learning y Data Science

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

🔅 Shapash: Explicabilidad e Interpretabilidad Amigables para el Usuario para Desarrollar Modelos de Aprendizaje Automático Confiables y Transparentes

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

Una biblioteca para investigación en aprendizaje profundo de grafos

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

Responsible AI Toolbox es un conjunto de herramientas que proporciona interfaces de usuario y bibliotecas para la exploración y evaluación de modelos y datos que permiten una mejor comprensión de los sistemas de inteligencia artificial. Estas interfaces y bibliotecas permiten a los desarrolladores y partes interesadas de los sistemas de IA desarrollar y supervisar la IA de manera más responsable, y tomar mejores medidas basadas en datos.

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

Interpretabilidad y explicabilidad de datos y modelos de aprendizaje automático

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

Paquete de ML interpretable 🔍 para modelado predictivo conciso, transparente y preciso (compatible con sklearn).

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

Genera explicaciones contrafácticas diversas para cualquier modelo de aprendizaje automático.

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

Lenguaje Agnostic del Modelo para la Exploración y Explicación

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

XAI - Una caja de herramientas de eXplicabilidad para el aprendizaje automático

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

[COLABORADORES BIENVENIDOS] Modelos Aditivos Generalizados en Python

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

OmniXAI: Una biblioteca para IA explicable

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

👋 Xplique es una caja de herramientas para la explicabilidad de redes neuronales

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

💭 Análisis de Sentimiento Basado en Aspectos: Transformer & ML Explicable (TensorFlow)

ScalaConsultants
⭐ 585 Python 👤 ScalaConsultants Organization 🕐 Actualizado 2026-09-07 📅 Creado 2020-01-08

Preguntas frecuentes

1

¿Cuál es el repositorio de #explainable-ml más popular en GitHub?

El proyecto de código abierto de #explainable-ml mejor posicionado en GitHub es jacobgil/pytorch-grad-cam, con 13,014 estrellas. Explicabilidad avanzada de IA para visión por computadora. Soporte para CNN, Vision Transformers, Clasificación, Detección de objetos, Segmentación, Similitud de imágenes y más.

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #explainable-ml?

Entre los proyectos de #explainable-ml mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C++, TypeScript.

3

¿Cómo se calcula la clasificación de los repositorios de #explainable-ml?

Seguimos 17 repositorios activos de código abierto etiquetados con #explainable-ml (500+ estrellas), que suman un total de 49,435 estrellas, con una media de 2,907 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.