Git Stars Git Stars

#bayesian Dépôts

Découvrez 15 dépôts GitHub open source actifs associés à #bayesian, cumulant 26,962 étoiles au total (soit une moyenne de 1,797 étoiles par projet). Le projet en tête de ce thème est pyro-ppl/pyro, avec 9,078 étoiles.

15
Total des Dépôts
26,962
Nombre total d'étoiles
1,797
Moyenne d'Étoiles/Dépôt
1
pyro-ppl/pyro

Programmation probabiliste universelle profonde avec Python et PyTorch

pyro-ppl
⭐ 9,078 Python 👤 pyro-ppl Organization 🕐 Mis à jour 2026-10-05 📅 Créé 2017-06-16
2
stan-dev/stan

Répertoire de développement Stan. La branche master contient la version actuelle. La branche develop contient le dernier développement stable. Consultez le Wiki du Processus de Développement pour plus de détails.

stan-dev
⭐ 2,789 C++ 👤 stan-dev Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2013-02-06
3
avehtari/BDA_course_Aalto

Cours d'Analyse de Données Bayésienne à Aalto

avehtari
⭐ 2,291 TeX 👤 avehtari User 🕐 Mis à jour 2026-11-17 📅 Créé 2018-09-07
4
uber/orbit

Un package Python pour la prévision bayésienne avec une conception orientée objet et des modèles probabilistes sous-jacents.

uber
⭐ 2,082 Python 👤 uber Organization 🕐 Mis à jour 2026-05-22 📅 Créé 2020-01-07
5
arviz-devs/arviz

Analyse exploratoire de modèles bayésiens avec Python

arviz-devs
⭐ 1,867 TeX 👤 arviz-devs Organization 🕐 Mis à jour 2026-11-17 📅 Créé 2015-07-29
6
probcomp/Gen.jl

Un système de programmation probabiliste à usage général avec inférence programmable

probcomp
⭐ 1,856 Julia 👤 probcomp Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2018-08-21
7
gempy-project/gempy

GemPy est un logiciel open-source de modélisation géologique structurelle en 3D basé sur Python, qui permet la création implicite (c'est-à-dire automatique) de modèles géologiques complexes à partir de données d'interface et d'orientation. Il offre également un support pour la modélisation stochastique afin de traiter les incertitudes sur les paramètres et les modèles.

gempy-project
⭐ 1,384 Python 👤 gempy-project Organization 🕐 Mis à jour 2026-11-11 📅 Créé 2017-07-04
8
avehtari/BDA_py_demos

Démonstrations d'analyse de données bayésienne pour Python

avehtari
⭐ 1,043 Jupyter Notebook 👤 avehtari User 🕐 Mis à jour 2025-09-19 📅 Créé 2015-03-04
9
google/lightweight_mmm

LightweightMMM 🦇 est une bibliothèque légère de modélisation bayésienne du mix marketing (MMM) qui permet aux utilisateurs d'entraîner facilement des MMM et d'obtenir des informations sur l'attribution des canaux.

google
⭐ 1,019 Python 👤 google Organization 🕐 Mis à jour 2025-06-17 📅 Créé 2022-02-10
10
easystats/report

:scroll: :tada: Génération automatisée de rapports sur les objets en R

easystats
⭐ 719 R 👤 easystats Organization 🕐 Mis à jour 2026-11-05 📅 Créé 2019-01-21
11
easystats/bayestestR

:ghost: Utilitaires pour analyser les modèles bayésiens et les distributions postérieures

easystats
⭐ 599 R 👤 easystats Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2019-01-14
12
avehtari/BDA_R_demos

Démos d'Analyse de Données Bayésienne pour R

avehtari
⭐ 598 HTML 👤 avehtari User 🕐 Mis à jour 2026-10-28 📅 Créé 2016-02-10
13
ericmjl/bayesian-analysis-recipes

Une collection de recettes d'analyse de données bayésiennes utilisant PyMC3

ericmjl
⭐ 562 Jupyter Notebook 👤 ericmjl User 🕐 Mis à jour 2026-05-16 📅 Créé 2017-03-05
14
Harry24k/bayesian-neural-network-pytorch

Implémentation PyTorch d'un réseau neuronal bayésien [torchbnn]

Harry24k
⭐ 553 Python 👤 Harry24k User 🕐 Mis à jour 2024-07-25 📅 Créé 2019-09-04
15
js05212/BayesianDeepLearning-Survey

Apprentissage profond bayésien: Un aperçu

js05212
⭐ 523 👤 js05212 User 🕐 Mis à jour 2026-07-04 📅 Créé 2019-07-17

Foire aux questions

1

Quel est le dépôt #bayesian le plus populaire sur GitHub ?

Le projet #bayesian open source le mieux classé sur GitHub est pyro-ppl/pyro, avec 9,078 étoiles. Programmation probabiliste universelle profonde avec Python et PyTorch

2

Quels langages de programmation sont les plus utilisés dans les dépôts #bayesian ?

Parmi les projets #bayesian les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, TeX, Jupyter Notebook, R.

3

Comment le classement des dépôts #bayesian est-il calculé ?

Nous suivons 15 dépôts open source actifs associés à #bayesian (500+ étoiles), totalisant 26,962 étoiles, avec une moyenne de 1,797 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.