Git Stars Git Stars

#model-interpretability Repositorios

Descubre 13 repositorios activos de código abierto de GitHub etiquetados con #model-interpretability, que acumulan 42,840 estrellas en total (una media de 3,295 estrellas por proyecto). El líder de este tema es marcotcr/lime, con 12,080 estrellas.

13
Total de Repositorios
42,840
Total de estrellas
3,295
Promedio de Estrellas/Repo

13 repositorios en total

1
marcotcr/lime

Lime: Explicando las predicciones de cualquier clasificador de aprendizaje automático

marcotcr
⭐ 12,080 JavaScript 👤 marcotcr User 🕐 Actualizado 2024-07-25 📅 Creado 2016-03-15
2
kserve/kserve

Plataforma de inferencia de IA generativa y predictiva distribuida estandarizada para despliegue escalable y multi-framework en Kubernetes

kserve
⭐ 6,253 Go 👤 kserve Organization 🕐 Actualizado 2026-11-20 📅 Creado 2019-03-27
3
oarriaga/face_classification

Detección de rostros en tiempo real y clasificación de emociones/género utilizando conjuntos de datos fer2013/imdb con un modelo CNN de Keras y OpenCV.

oarriaga
⭐ 5,716 Python 👤 oarriaga User 🕐 Actualizado 2024-03-08 📅 Creado 2017-02-09
4
airbnb/aerosolve

Un paquete de aprendizaje automático construido para humanos.

airbnb
⭐ 4,809 Scala 👤 airbnb Organization 🕐 Actualizado 2025-11-06 📅 Creado 2015-05-12
5
Blealtan/efficient-kan

Una implementación eficiente y puramente PyTorch de la Red Kolmogorov-Arnold (KAN).

Blealtan
⭐ 4,551 Python 👤 Blealtan User 🕐 Actualizado 2024-08-01 📅 Creado 2024-05-02
6
mintisan/awesome-kan

Una colección completa de recursos relacionados con KAN (Kolmogorov-Arnold Network), incluyendo bibliotecas, proyectos, tutoriales, artículos y más, para investigadores y desarrolladores en el campo de Kolmogorov-Arnold Network.

mintisan
⭐ 3,294 👤 mintisan User 🕐 Actualizado 2026-10-13 📅 Creado 2024-05-08
7
kitops-ml/kitops

Una herramienta DevOps de código abierto de la CNCF para empaquetar y versionar modelos de IA/ML, conjuntos de datos, código y configuraciones en un artefacto OCI.

kitops-ml
⭐ 1,451 Go 👤 kitops-ml Organization 🕐 Actualizado 2026-11-20 📅 Creado 2024-02-02
8
chrishayuk/larql

Ejecuta, sirve, consulta y edita modelos de IA: un entorno de ejecución de modelos en Rust basado en VINDEX3, un formato de modelo ejecutable e inspeccionable.

chrishayuk
⭐ 1,196 Rust 👤 chrishayuk User 🕐 Actualizado 2026-11-21 📅 Creado 2026-03-27
9
andyzoujm/representation-engineering

Ingeniería de Representación: Un Enfoque Descendente para la Transparencia de la IA

andyzoujm
⭐ 931 Jupyter Notebook 👤 andyzoujm User 🕐 Actualizado 2024-08-14 📅 Creado 2023-09-26
10
zhijing-jin/CausalNLP_Papers

Una lista de lectura de artículos sobre causalidad para el Procesamiento del Lenguaje Natural (NLP)

zhijing-jin
⭐ 697 👤 zhijing-jin User 🕐 Actualizado 2026-04-27 📅 Creado 2021-02-24
11
Ekeany/Boruta-Shap

Una herramienta de selección de características basada en árboles que combina tanto el algoritmo de selección de características Boruta como los valores Shapley.

Ekeany
⭐ 641 Python 👤 Ekeany User 🕐 Actualizado 2024-02-19 📅 Creado 2020-04-13
12
parrt/random-forest-importances

Código para calcular importancias de permutación y eliminación de columnas en modelos de scikit-learn de Python

parrt
⭐ 625 Jupyter Notebook 👤 parrt User 🕐 Actualizado 2025-03-24 📅 Creado 2018-03-22
13
bhoov/exbert

Una herramienta de análisis visual para explorar representaciones aprendidas en modelos de Transformers

bhoov
⭐ 602 Python 👤 bhoov User 🕐 Actualizado 2024-02-07 📅 Creado 2019-10-14

Preguntas frecuentes

1

¿Cuál es el repositorio de #model-interpretability más popular en GitHub?

El proyecto de código abierto de #model-interpretability mejor posicionado en GitHub es marcotcr/lime, con 12,080 estrellas. Lime: Explicando las predicciones de cualquier clasificador de aprendizaje automático

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #model-interpretability?

Entre los proyectos de #model-interpretability mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Go, Jupyter Notebook, JavaScript.

3

¿Cómo se calcula la clasificación de los repositorios de #model-interpretability?

Seguimos 13 repositorios activos de código abierto etiquetados con #model-interpretability (500+ estrellas), que suman un total de 42,840 estrellas, con una media de 3,295 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.