Git Stars Git Stars

#causal-inference Dépôts

Découvrez 39 dépôts GitHub open source actifs associés à #causal-inference, cumulant 78,768 étoiles au total (soit une moyenne de 2,019 étoiles par projet). Le projet en tête de ce thème est py-why/dowhy, avec 8,411 étoiles.

39
Total des Dépôts
78,768
Nombre total d'étoiles
2,019
Moyenne d'Étoiles/Dépôt
1
py-why/dowhy

DoWhy est une bibliothèque Python pour l'inférence causale qui prend en charge la modélisation et le test explicites des hypothèses causales. DoWhy est basé sur un langage unifié pour l'inférence causale, combinant des modèles graphiques causaux et des cadres de résultats potentiels.

py-why
⭐ 8,411 Python 👤 py-why Organization 🕐 Mis à jour 2026-11-17 📅 Créé 2018-05-31
2
uber/causalml

Modélisation uplift et inférence causale avec des algorithmes d'apprentissage automatique

uber
⭐ 6,048 Python 👤 uber Organization 🕐 Mis à jour 2026-10-12 📅 Créé 2019-07-09
3
py-why/EconML

ALICE (Automated Learning and Intelligence for Causation and Economics) est un projet de Microsoft Research visant à appliquer des concepts d'Intelligence Artificielle à la prise de décision économique. L'un de ses objectifs est de construire un kit d'outils qui combine des techniques d'apprentissage automatique de pointe avec l'économétrie afin d'apporter l'automatisation à des problèmes complexes d'inférence causale. À ce jour, le SDK Python ALICE (econml) implémente des algorithmes d'apprentissage automatique orthogonaux tels que le travail sur l'apprentissage automatique double de

py-why
⭐ 4,861 Jupyter Notebook 👤 py-why Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2018-04-30
4
Kanaries/Rath

Prochaine génération de la plateforme automatisée d'analyse exploratoire de données et de visualisation.

Kanaries
⭐ 4,687 TypeScript 👤 Kanaries Organization 🕐 Mis à jour 2026-08-14 📅 Créé 2019-08-28
5
plasma-umass/coz

Coz : Profilage causal

plasma-umass
⭐ 4,574 C 👤 plasma-umass Organization 🕐 Mis à jour 2026-11-13 📅 Créé 2013-11-22
6
matheusfacure/python-causality-handbook

Inférence Causale pour les Braves et les Vrais. Une approche légère mais rigoureuse pour apprendre l'estimation de l'impact et la causalité.

matheusfacure
⭐ 3,520 Jupyter Notebook 👤 matheusfacure User 🕐 Mis à jour 2026-10-06 📅 Créé 2020-04-15
7
pgmpy/pgmpy

Kit d'outils Python pour le raisonnement causal et probabiliste

pgmpy
⭐ 3,387 Python 👤 pgmpy Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2013-09-20
8
rguo12/awesome-causality-algorithms

Un index d'algorithmes pour apprendre la causalité avec des données

rguo12
⭐ 3,304 👤 rguo12 User 🕐 Mis à jour 2026-11-16 📅 Créé 2018-09-19
9
Kensuke-Hinata/statistic

collecte de livres, de papiers et de documents.

Kensuke-Hinata
⭐ 3,207 👤 Kensuke-Hinata User 🕐 Mis à jour 2026-11-15 📅 Créé 2018-10-13
10
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
11
paulgp/applied-methods-phd

Repo pour le cours de doctorat en méthodes empiriques appliquées de Yale

paulgp
⭐ 2,270 TeX 👤 paulgp User 🕐 Mis à jour 2026-04-30 📅 Créé 2021-01-13
12
tangxyw/RecSysPapers

Une collection d'articles classiques et de pointe de l'industrie dans les domaines de la recommandation/de la publicité/de la recherche. A collection of industry classics and cutting-edge papers in the field of recommendation/advertising/search.

tangxyw
⭐ 2,216 Python 👤 tangxyw User 🕐 Mis à jour 2026-06-11 📅 Créé 2022-08-16
13
google/CausalImpact

Un package R pour l'inférence causale dans les séries chronologiques

google
⭐ 1,868 R 👤 google Organization 🕐 Mis à jour 2026-03-31 📅 Créé 2014-08-08
14
lehaifeng/T-GCN

Réseau Convolutif de Graphes Temporel pour la Prévision du Flux de Trafic Urbain Méthode

lehaifeng
⭐ 1,782 Jupyter Notebook 👤 lehaifeng User 🕐 Mis à jour 2025-09-01 📅 Créé 2018-11-12
15
jakobrunge/tigramite

Tigramite est un package Python pour l'inférence causale avec un accent sur les données de séries temporelles. La documentation Tigramite est à

jakobrunge
⭐ 1,741 Jupyter Notebook 👤 jakobrunge User 🕐 Mis à jour 2026-01-14 📅 Créé 2017-05-15
16
pedrohcgs/claude-code-my-workflow

Un modèle Claude Code prêt à être forké pour la recherche universitaire — articles, analyse de données (R, Stata, Python), présentations et enseignement — avec revue multi-agents, contrôles qualité obligatoires et protocoles de réplication. Il fonctionne aussi avec Codex et Antigravity.

pedrohcgs
⭐ 1,729 HTML 👤 pedrohcgs User 🕐 Mis à jour 2026-11-07 📅 Créé 2026-02-06
17
py-why/causal-learn

Découverte causale en Python. Apprendre la causalité à partir des données.

py-why
⭐ 1,720 Python 👤 py-why Organization 🕐 Mis à jour 2026-09-04 📅 Créé 2020-10-11
19
brycewang-stanford/Awesome-Journal-Skills

Packs de compétences Claude Code/Codex spécifiques aux revues, couvrant les principales publications — AER, QJE, Nature, Cell, Management World, Economic Research Journal et plus de 200 autres — votre voie rapide vers la publication.

brycewang-stanford
⭐ 1,440 Stata 👤 brycewang-stanford User 🕐 Mis à jour 2026-09-27 📅 Créé 2026-05-25
20
FenTechSolutions/CausalDiscoveryToolbox

Paquet pour l'inférence causale dans les graphes et dans les paramètres par paires. Des outils pour la récupération de la structure du graphe et des dépendances sont inclus.

FenTechSolutions
⭐ 1,242 Python 👤 FenTechSolutions Organization 🕐 Mis à jour 2025-10-13 📅 Créé 2017-05-31
21
pymc-labs/CausalPy

Un package Python pour l'inférence causale dans des contextes quasi-expérimentaux

pymc-labs
⭐ 1,215 Python 👤 pymc-labs Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2022-09-21
22
matteocourthoud/awesome-causal-inference

Une liste organisée de bibliothèques, de ressources et d'applications d'inférence causale.

matteocourthoud
⭐ 1,214 👤 matteocourthoud User 🕐 Mis à jour 2026-04-21 📅 Créé 2023-05-04
23
KaihuaTang/Scene-Graph-Benchmark.pytorch

Une nouvelle base de code pour les méthodes populaires de génération de graphes de scènes (2020). La visualisation et l'extraction de graphes de scènes sur des images/ensembles de données personnalisés sont fournies. C'est aussi une implémentation PyTorch du document « Unbiased Scene Graph Generation from Biased Training CVPR 2020 »

KaihuaTang
⭐ 1,198 Jupyter Notebook 👤 KaihuaTang User 🕐 Mis à jour 2026-01-06 📅 Créé 2020-02-20
24
huawei-noah/trustworthyAI

Projets liés à l'IA digne de confiance

huawei-noah
⭐ 1,153 Python 👤 huawei-noah Organization 🕐 Mis à jour 2026-09-21 📅 Créé 2020-03-19
25
grf-labs/grf

Forêts Aléatoires Généralisées

grf-labs
⭐ 1,121 C++ 👤 grf-labs Organization 🕐 Mis à jour 2026-04-30 📅 Créé 2016-08-12
26
akelleh/causality

Outils pour l'analyse causale

akelleh
⭐ 1,080 Python 👤 akelleh User 🕐 Mis à jour 2025-03-11 📅 Créé 2015-05-26
27
PacktPublishing/Causal-Inference-and-Discovery-in-Python

Inférence et Découverte Causales en Python par Packt Publishing

PacktPublishing
⭐ 1,051 Jupyter Notebook 👤 PacktPublishing Organization 🕐 Mis à jour 2026-07-15 📅 Créé 2022-04-25
28
xieliaing/CausalInferenceIntro

La version chinoise traduite de Causal Inference for the Brave and True. Tout le code est basé sur Python et s'applique à des domaines tels que l'économétrie, la sociologie quantitative, l'évaluation de stratégies, etc. Auteur original de la version anglaise : Matheus Facure

xieliaing
⭐ 968 Jupyter Notebook 👤 xieliaing User 🕐 Mis à jour 2026-03-16 📅 Créé 2021-11-07
29
carverauto/serviceradar

Gestion réseau open source, supervision, ITOM, observabilité et analyse de la sécurité

carverauto
⭐ 937 Elixir 👤 carverauto Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2025-01-13
30
BiomedSciAI/causallib

Un package Python pour l'analyse modulaire d'inférence causale et les évaluations de modèles

BiomedSciAI
⭐ 836 Python 👤 BiomedSciAI Organization 🕐 Mis à jour 2026-05-26 📅 Créé 2019-04-04
31
DoubleML/doubleml-for-py

DoubleML - Double Machine Learning in Python

DoubleML
⭐ 801 Python 👤 DoubleML Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2020-09-09
32
hanlulong/awesome-ai-for-economists

Une sélection d’outils d’IA, de compétences d’agents, de bibliothèques et de ressources pour la recherche, l’enseignement et l’analyse des politiques économiques. Maintenue par l’équipe OpenEcon.

hanlulong
⭐ 722 👤 hanlulong User 🕐 Mis à jour 2026-11-07 📅 Créé 2026-02-21
33
zhijing-jin/CausalNLP_Papers

Une liste de lecture pour des articles sur la causalité pour le traitement du langage naturel (NLP)

zhijing-jin
⭐ 697 👤 zhijing-jin User 🕐 Mis à jour 2026-04-27 📅 Créé 2021-02-24
34
xunzheng/notears

DAGs avec NO TEARS : Optimisation Continue pour l'Apprentissage de Structure

xunzheng
⭐ 695 Python 👤 xunzheng User 🕐 Mis à jour 2026-05-26 📅 Créé 2018-10-16
35
WillianFuks/tfcausalimpact

Implémentation de l'Impact Causal Python basée sur le package R de Google. Construit à l'aide de TensorFlow Probability.

WillianFuks
⭐ 683 Python 👤 WillianFuks User 🕐 Mis à jour 2026-09-20 📅 Créé 2020-08-17
36
laurencium/Causalinference

Inférence causale en Python

laurencium
⭐ 581 Python 👤 laurencium User 🕐 Mis à jour 2026-09-26 📅 Créé 2014-06-04
37
MRCIEU/TwoSampleMR

Paquet R pour effectuer une RM à 2 échantillons en utilisant la base de données IEU OpenGWAS

MRCIEU
⭐ 563 R 👤 MRCIEU Organization 🕐 Mis à jour 2026-11-10 📅 Créé 2016-01-12
⭐ 537 Python 👤 microsoft Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2022-06-14
39
cdt15/lingam

Paquet Python pour la découverte causale basé sur LiNGAM.

cdt15
⭐ 511 Python 👤 cdt15 Organization 🕐 Mis à jour 2026-11-06 📅 Créé 2019-08-22

Foire aux questions

1

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

Le projet #causal-inference open source le mieux classé sur GitHub est py-why/dowhy, avec 8,411 étoiles. DoWhy est une bibliothèque Python pour l'inférence causale qui prend en charge la modélisation et le test explicites des hypothèses causales. DoWhy est basé sur un langage unifié pour l'inférence causale, combinant des modèles graphiques causaux et des cadres de résultats potentiels.

2

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

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

3

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

Nous suivons 39 dépôts open source actifs associés à #causal-inference (500+ étoiles), totalisant 78,768 étoiles, avec une moyenne de 2,019 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.