Git Stars Git Stars

#model-interpretability Dépôts

Découvrez 13 dépôts GitHub open source actifs associés à #model-interpretability, cumulant 42,840 étoiles au total (soit une moyenne de 3,295 étoiles par projet). Le projet en tête de ce thème est marcotcr/lime, avec 12,080 étoiles.

13
Total des Dépôts
42,840
Nombre total d'étoiles
3,295
Moyenne d'Étoiles/Dépôt
1
marcotcr/lime

Lime : Explication des prédictions de tout classificateur d'apprentissage automatique

marcotcr
⭐ 12,080 JavaScript 👤 marcotcr User 🕐 Mis à jour 2024-07-25 📅 Créé 2016-03-15
2
kserve/kserve

Plateforme d'inférence IA générative et prédictive distribuée standardisée pour un déploiement scalable et multi-framework sur Kubernetes

kserve
⭐ 6,253 Go 👤 kserve Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2019-03-27
3
oarriaga/face_classification

Détection de visages en temps réel et classification d'émotions/genre utilisant les ensembles de données fer2013/imdb avec un modèle CNN Keras et OpenCV.

oarriaga
⭐ 5,716 Python 👤 oarriaga User 🕐 Mis à jour 2024-03-08 📅 Créé 2017-02-09
4
airbnb/aerosolve

Un package d'apprentissage automatique conçu pour les humains.

airbnb
⭐ 4,809 Scala 👤 airbnb Organization 🕐 Mis à jour 2025-11-06 📅 Créé 2015-05-12
5
Blealtan/efficient-kan

Une implémentation pure PyTorch efficace du réseau Kolmogorov-Arnold (KAN).

Blealtan
⭐ 4,551 Python 👤 Blealtan User 🕐 Mis à jour 2024-08-01 📅 Créé 2024-05-02
6
mintisan/awesome-kan

Une collection complète de ressources relatives aux KAN (Kolmogorov-Arnold Network), y compris des bibliothèques, des projets, des tutoriels, des articles, etc., pour les chercheurs et les développeurs dans le domaine du Kolmogorov-Arnold Network.

mintisan
⭐ 3,294 👤 mintisan User 🕐 Mis à jour 2026-10-13 📅 Créé 2024-05-08
7
kitops-ml/kitops

Un outil DevOps open source du CNCF pour empaqueter et versionner des modèles IA/ML, des ensembles de données, du code et des configurations dans un artefact OCI.

kitops-ml
⭐ 1,451 Go 👤 kitops-ml Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2024-02-02
8
chrishayuk/larql

Exécutez, hébergez, interrogez et modifiez des modèles d’IA — un environnement d’exécution de modèles en Rust basé sur VINDEX3, un format de modèle exécutable et inspectable.

chrishayuk
⭐ 1,196 Rust 👤 chrishayuk User 🕐 Mis à jour 2026-11-21 📅 Créé 2026-03-27
9
andyzoujm/representation-engineering

Ingénierie de la Représentation : Une Approche Descendante pour la Transparence de l'IA

andyzoujm
⭐ 931 Jupyter Notebook 👤 andyzoujm User 🕐 Mis à jour 2024-08-14 📅 Créé 2023-09-26
10
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
11
Ekeany/Boruta-Shap

Un outil de sélection de caractéristiques basé sur des arbres qui combine à la fois l'algorithme de sélection de caractéristiques Boruta et les valeurs Shapley.

Ekeany
⭐ 641 Python 👤 Ekeany User 🕐 Mis à jour 2024-02-19 📅 Créé 2020-04-13
12
parrt/random-forest-importances

Code pour calculer les importances de permutation et de suppression de colonnes dans les modèles Python scikit-learn

parrt
⭐ 625 Jupyter Notebook 👤 parrt User 🕐 Mis à jour 2025-03-24 📅 Créé 2018-03-22
13
bhoov/exbert

Un outil d'analyse visuelle pour explorer les représentations apprises dans les modèles Transformers

bhoov
⭐ 602 Python 👤 bhoov User 🕐 Mis à jour 2024-02-07 📅 Créé 2019-10-14

Foire aux questions

1

Quel est le dépôt #model-interpretability le plus populaire sur GitHub ?

Le projet #model-interpretability open source le mieux classé sur GitHub est marcotcr/lime, avec 12,080 étoiles. Lime : Explication des prédictions de tout classificateur d'apprentissage automatique

2

Quels langages de programmation sont les plus utilisés dans les dépôts #model-interpretability ?

Parmi les projets #model-interpretability les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Go, Jupyter Notebook, JavaScript.

3

Comment le classement des dépôts #model-interpretability est-il calculé ?

Nous suivons 13 dépôts open source actifs associés à #model-interpretability (500+ étoiles), totalisant 42,840 étoiles, avec une moyenne de 3,295 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.