Git Stars Git Stars

#marketing-science Repositorios

Descubre 2 repositorios activos de código abierto de GitHub etiquetados con #marketing-science, que acumulan 2,557 estrellas en total (una media de 1,278 estrellas por proyecto). El líder de este tema es facebookexperimental/Robyn, con 1,538 estrellas.

2
Total de Repositorios
2,557
Total de estrellas
1,278
Promedio de Estrellas/Repo
Lenguajes de programación: Jupyter Notebook Python
1
facebookexperimental/Robyn

Robyn es un paquete experimental de modelado de mezcla de marketing (MMM) de código abierto impulsado por IA/ML de Meta Marketing Science. Nuestra misión es democratizar el conocimiento de modelado, inspirar a la industria a través de la innovación, reducir el sesgo humano en el proceso de modelado y construir una sólida comunidad de ciencia de marketing de código abierto.

facebookexperimental
⭐ 1,538 Jupyter Notebook 👤 facebookexperimental Organization 🕐 Actualizado 2026-11-10 📅 Creado 2020-04-30
2
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

Preguntas frecuentes

1

¿Cuál es el repositorio de #marketing-science más popular en GitHub?

El proyecto de código abierto de #marketing-science mejor posicionado en GitHub es facebookexperimental/Robyn, con 1,538 estrellas. Robyn es un paquete experimental de modelado de mezcla de marketing (MMM) de código abierto impulsado por IA/ML de Meta Marketing Science. Nuestra misión es democratizar el conocimiento de modelado, inspirar a la industria a través de la innovación, reducir el sesgo humano en el proceso de modelado y construir una sólida comunidad de ciencia de marketing de código abierto.

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #marketing-science?

Entre los proyectos de #marketing-science mejor posicionados en GitHub, los lenguajes de programación más comunes son Jupyter Notebook, Python.

3

¿Cómo se calcula la clasificación de los repositorios de #marketing-science?

Seguimos 2 repositorios activos de código abierto etiquetados con #marketing-science (500+ estrellas), que suman un total de 2,557 estrellas, con una media de 1,278 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.