#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 dépôts au total
Lime : Explication des prédictions de tout classificateur d'apprentissage automatique
Plateforme d'inférence IA générative et prédictive distribuée standardisée pour un déploiement scalable et multi-framework sur Kubernetes
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.
Une implémentation pure PyTorch efficace du réseau Kolmogorov-Arnold (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.
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.
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.
Ingénierie de la Représentation : Une Approche Descendante pour la Transparence de l'IA
Une liste de lecture pour des articles sur la causalité pour le traitement du langage naturel (NLP)
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.
Code pour calculer les importances de permutation et de suppression de colonnes dans les modèles Python scikit-learn
Un outil d'analyse visuelle pour explorer les représentations apprises dans les modèles Transformers
Foire aux questions
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
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.
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.