Git Stars Git Stars

#bayesian-inference Dépôts

Découvrez 34 dépôts GitHub open source actifs associés à #bayesian-inference, cumulant 72,145 étoiles au total (soit une moyenne de 2,121 étoiles par projet). Le projet en tête de ce thème est roboticcam/machine-learning-notes, avec 10,394 étoiles.

34
Total des Dépôts
72,145
Nombre total d'étoiles
2,121
Moyenne d'Étoiles/Dépôt
1
roboticcam/machine-learning-notes

Mes notes et démos continuellement mises à jour sur Machine Learning, Modèles Probabilistes et Deep Learning (2000+ diapositives) Mes supports de cours mis à jour sans interruption sur l'apprentissage automatique, les modèles probabilistes et l'apprentissage profond (2000+ pages) et liens vidéo

roboticcam
⭐ 10,394 Jupyter Notebook 👤 roboticcam User 🕐 Mis à jour 2026-07-08 📅 Créé 2018-02-15
2
pymc-devs/pymc

Modélisation bayésienne et programmation probabiliste en Python

pymc-devs
⭐ 9,851 Python 👤 pymc-devs Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2009-05-05
3
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
4
rlabbe/filterpy

Bibliothèque Python de filtrage de Kalman et d'estimation optimale. Implémente le filtre de Kalman, le filtre particulaire, le filtre de Kalman étendu, le filtre de Kalman unscented, g-h (alpha-beta), les moindres carrés, H infini, les lisseurs, et plus encore. Possède un livre d'accompagnement 'Kalman and Bayesian Filters in Python'.

rlabbe
⭐ 3,904 Python 👤 rlabbe User 🕐 Mis à jour 2026-10-27 📅 Créé 2014-07-15
5
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
6
pyro-ppl/numpyro

Programmation probabiliste avec NumPy alimentée par JAX pour autograd et compilation JIT vers GPU/TPU/CPU.

pyro-ppl
⭐ 2,783 Python 👤 pyro-ppl Organization 🕐 Mis à jour 2026-11-17 📅 Créé 2019-02-13
7
mckinsey/causalnex

Une bibliothèque Python qui aide les data scientists à inférer la causalité plutôt que d'observer la corrélation.

mckinsey
⭐ 2,492 Python 👤 mckinsey Organization 🕐 Mis à jour 2026-08-31 📅 Créé 2019-12-12
8
rmcelreath/rethinking

Paquet cours et livre Statistical Rethinking

rmcelreath
⭐ 2,436 R 👤 rmcelreath User 🕐 Mis à jour 2026-11-20 📅 Créé 2013-03-07
9
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
10
TuringLang/Turing.jl

Inférence bayésienne avec programmation probabiliste.

TuringLang
⭐ 2,262 Julia 👤 TuringLang Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2016-04-29
11
pymc-devs/pymc-resources

Ressources éducatives PyMC

pymc-devs
⭐ 2,053 Jupyter Notebook 👤 pymc-devs Organization 🕐 Mis à jour 2024-12-23 📅 Créé 2017-11-13
12
janosh/awesome-normalizing-flows

Ressources formidables sur les normalizing flows.

janosh
⭐ 1,644 Python 👤 janosh User 🕐 Mis à jour 2026-07-31 📅 Créé 2019-12-11
13
dotnet/infer

Infer.NET est un framework pour exécuter l'inférence bayésienne dans des modèles graphiques.

dotnet
⭐ 1,612 C# 👤 dotnet Organization 🕐 Mis à jour 2026-07-14 📅 Créé 2018-09-14
14
kumar-shridhar/PyTorch-BayesianCNN

Réseau de Neurones Convolutifs Bayésien avec Inférence Variationnelle basée sur Bayes by Backprop en PyTorch.

kumar-shridhar
⭐ 1,554 Python 👤 kumar-shridhar User 🕐 Mis à jour 2024-04-19 📅 Créé 2018-07-27
15
paul-buerkner/brms

Paquet R brms pour modèles bayésiens généralisés multivariés non linéaires multiniveaux utilisant Stan

paul-buerkner
⭐ 1,439 R 👤 paul-buerkner User 🕐 Mis à jour 2026-11-19 📅 Créé 2015-06-17
16
tum-pbs/pbdl-book

Bienvenue dans le livre d'apprentissage profond basé sur la physique v0.3 – l'édition GenAI

tum-pbs
⭐ 1,356 Jupyter Notebook 👤 tum-pbs Organization 🕐 Mis à jour 2025-08-12 📅 Créé 2021-01-04
17
bambinos/bambi

Interface de Construction de Modèles Bayésiens (Bambi) en Python.

bambinos
⭐ 1,309 Python 👤 bambinos Organization 🕐 Mis à jour 2026-11-17 📅 Créé 2016-05-16
18
blackjax-devs/blackjax

BlackJAX est une bibliothèque d'inférence bayésienne conçue pour la facilité d'utilisation, la vitesse et la modularité.

blackjax-devs
⭐ 1,140 Python 👤 blackjax-devs Organization 🕐 Mis à jour 2026-11-11 📅 Créé 2020-12-09
19
stan-dev/rstan

RStan, l'interface R pour Stan

stan-dev
⭐ 1,090 R 👤 stan-dev Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2013-05-22
20
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
21
FRBNY-DSGE/DSGE.jl

Résoudre et estimer des modèles d'équilibre général dynamique stochastique (y compris le DSGE de la Fed de New York)

FRBNY-DSGE
⭐ 965 Julia 👤 FRBNY-DSGE Organization 🕐 Mis à jour 2026-10-30 📅 Créé 2015-11-25
22
sbi-dev/sbi

sbi est un package Python pour l'inférence basée sur la simulation, conçu pour répondre aux besoins des chercheurs et des praticiens. Que vous ayez besoin d'un contrôle granulaire ou d'une interface facile à utiliser, sbi répond à vos attentes.

sbi-dev
⭐ 889 Python 👤 sbi-dev Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2020-02-11
23
infer-actively/pymdp

Une implémentation Python de l'inférence active pour les processus de décision markoviens

infer-actively
⭐ 757 Python 👤 infer-actively Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2019-11-27
24
bayespy/bayespy

Bayesian Python : Outils d'inférence bayésienne pour Python

bayespy
⭐ 701 Python 👤 bayespy Organization 🕐 Mis à jour 2026-06-03 📅 Créé 2012-08-27
25
lindermanlab/ssm

Apprentissage et inférence bayésiens pour les modèles d'espace d'états

lindermanlab
⭐ 700 Jupyter Notebook 👤 lindermanlab Organization 🕐 Mis à jour 2025-05-09 📅 Créé 2018-06-07
26
QuantClimate/GPJax

Processus gaussiens dans JAX et Equinox.

QuantClimate
⭐ 676 Python 👤 QuantClimate Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2020-09-27
27
yorkeccak/Polyseer

Polymarket alpha à la vitesse de l'instant présent.

yorkeccak
⭐ 666 TypeScript 👤 yorkeccak User 🕐 Mis à jour 2026-11-08 📅 Créé 2025-08-30
28
jwangjie/Gaussian-Process-Regression-Tutorial

Un tutoriel intuitif sur la régression par processus gaussien

jwangjie
⭐ 659 Jupyter Notebook 👤 jwangjie User 🕐 Mis à jour 2024-02-17 📅 Créé 2020-03-31
29
pymc-devs/pytensor

PyTensor vous permet de définir, d'optimiser et d'évaluer efficacement des expressions mathématiques impliquant des tableaux multidimensionnels.

pymc-devs
⭐ 654 Python 👤 pymc-devs Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2022-11-03
30
erdogant/bnlearn

Paquet Python pour la Découverte Causale en apprenant la structure graphique des réseaux bayésiens. Structure Learning, Parameter Learning, Inférences, Méthodes d'échantillonnage.

erdogant
⭐ 647 Jupyter Notebook 👤 erdogant User 🕐 Mis à jour 2026-11-17 📅 Créé 2020-01-01
31
IntelLabs/bayesian-torch

Une bibliothèque pour les couches de réseaux neuronaux bayésiens et l'estimation de l'incertitude en Deep Learning, étendant le cœur de PyTorch

IntelLabs
⭐ 641 Python 👤 IntelLabs Organization 🕐 Mis à jour 2025-04-17 📅 Créé 2020-12-17
32
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
33
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
34
nchopin/particles

Monte Carlo séquentiel en Python

nchopin
⭐ 515 Python 👤 nchopin User 🕐 Mis à jour 2026-09-24 📅 Créé 2018-11-16

Foire aux questions

1

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

Le projet #bayesian-inference open source le mieux classé sur GitHub est roboticcam/machine-learning-notes, avec 10,394 étoiles. Mes notes et démos continuellement mises à jour sur Machine Learning, Modèles Probabilistes et Deep Learning (2000+ diapositives) Mes supports de cours mis à jour sans interruption sur l'apprentissage automatique, les modèles probabilistes et l'apprentissage profond (2000+ pages) et liens vidéo

2

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

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

3

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

Nous suivons 34 dépôts open source actifs associés à #bayesian-inference (500+ étoiles), totalisant 72,145 étoiles, avec une moyenne de 2,121 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.