#explainability Dépôts
Découvrez 12 dépôts GitHub open source actifs associés à #explainability, cumulant 69,600 étoiles au total (soit une moyenne de 5,800 étoiles par projet). Le projet en tête de ce thème est shap/shap, avec 25,883 étoiles.
12 dépôts au total
Une approche de la théorie des jeux pour expliquer la sortie de tout modèle d'apprentissage automatique
Une liste curated de bibliothèques open source géniales pour déployer, surveiller, versionner et scaler votre machine learning
Ajustez des modèles interprétables. Expliquez l'apprentissage automatique en boîte noire.
🔅 Shapash : Explicabilité et Interprétabilité Conviviales pour Développer des Modèles d'Apprentissage Automatique Fiables et Transparents
[CVPR 2021] Implémentation PyTorch officielle pour Transformer Interpretability Beyond Attention Visualization, une nouvelle méthode pour visualiser les classifications par les réseaux basés sur Transformer.
Responsible AI Toolbox est une suite d'outils fournissant des interfaces utilisateur et des bibliothèques pour l'exploration et l'évaluation des modèles et des données qui permettent une meilleure compréhension des systèmes d'IA. Ces interfaces et bibliothèques permettent aux développeurs et aux parties prenantes des systèmes d'IA de développer et de surveiller l'IA de manière plus responsable, et de prendre de meilleures mesures basées sur les données.
Faites parler vos agents comme des humains. Des styles de sortie adaptés au TDAH pour Claude Code, Codex et d’autres outils. Pour que vous puissiez vous concentrer sur le contenu, pas sur les tokens.
Distillation des compétences du professeur Li Hongyi, combinées au LLM de Karpathy, renforcées par Fable 5 et GPT-6, ainsi que par des entretiens menés personnellement par mes soins.
Foire aux questions
Quel est le dépôt #explainability le plus populaire sur GitHub ?
Le projet #explainability open source le mieux classé sur GitHub est shap/shap, avec 25,883 étoiles. Une approche de la théorie des jeux pour expliquer la sortie de tout modèle d'apprentissage automatique
Quels langages de programmation sont les plus utilisés dans les dépôts #explainability ?
Parmi les projets #explainability les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, C++, TypeScript.
Comment le classement des dépôts #explainability est-il calculé ?
Nous suivons 12 dépôts open source actifs associés à #explainability (500+ étoiles), totalisant 69,600 étoiles, avec une moyenne de 5,800 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.