#reproducible-research Dépôts
Découvrez 81 dépôts GitHub open source actifs associés à #reproducible-research, cumulant 182,051 étoiles au total (soit une moyenne de 2,247 étoiles par projet). Le projet en tête de ce thème est karpathy/nanochat, avec 60,746 étoiles.
81 dépôts au total
L’atelier de recherche en IA open source pour la recherche scientifique et les flux de travail d’agents. Une application de bureau privilégiant l’exécution locale et indépendante des modèles, avec des compétences extensibles, des outils et connecteurs MCP, l’exécution de Python/R et des artefacts traçables pour une recherche reproductible sur macOS, Windows et Linux.
🔬 Une collection curated de plus de 23 000 compétences d'agents pour la recherche empirique dans 8 disciplines des sciences sociales. | 精选 23,000+ AI Agent 技能库,覆盖8大社会科学学科的实证研究。CoPaper.AI termine un article empirique normatif reproductible en 20 minutes et prend en charge le téléchargement de Skills par les utilisateurs. -- Maintenu par CoPaper.AI de Stanford REAP.
Sacred est un outil pour vous aider à configurer, organiser, enregistrer et reproduire des expériences développées à l'IDSIA.
Cadre open source pour la recherche et le développement de modèles fondamentaux.
Un langage de workflow pour les pipelines computationnels pilotés par les données
[ECCVW 2022] Les codes pour le travail « Swin-Unet : Transformer pur de type Unet pour la segmentation d'images médicales »
Open Science Desktop — un poste de travail de recherche IA local d'abord, indépendant du modèle pour macOS, Windows et Linux. Alternative open-source au bureau Claude Science construite sur Tauri + MCP + compétences d'agent.
:cloud: :rocket: :bar_chart: :chart_with_upwards_trend: Évaluation de l'état de l'art en IA
Unification des implémentations de Variational Autoencoder (VAE) dans Pytorch (NeurIPS 2022)
MLE-bench est une référence pour mesurer les performances des agents d'IA en ingénierie de l'apprentissage automatique
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.
Sionna : une bibliothèque open-source pour la recherche sur les systèmes de communication
Insight Toolkit (ITK) -- Dépôt Officiel. ITK s'appuie sur une architecture éprouvée et orientée spatialement pour le traitement, la segmentation et l'enregistrement d'images scientifiques en deux, trois ou plus dimensions.
bsuite est une collection d'expériences soigneusement conçues qui étudient les capacités fondamentales d'un agent d'apprentissage par renforcement (RL)
Un kit d'outils de pipeline centré sur R pour la reproductibilité et le calcul haute performance
Implémentation de référence BLEU qui télécharge automatiquement les ensembles de tests et rapporte une chaîne de version pour faciliter les comparaisons inter-laboratoires
Résumés de Données et Tableaux de Résultats Analytiques Prêts pour la Présentation
Métriques de performance haute fidélité pour les modèles génératifs dans PyTorch
Apprentissage de représentations profondes des distributions de données
Code accompagnant notre article Chen et Zimmermann (2020), "Open source cross-sectional asset pricing"
Ensembles de données créés pour les histoires sur The Pudding, ouverts au public.
Poste de travail de recherche en IA de bureau, open-source et local, pour le calcul scientifique avec Python/R, les outils bioinformatiques MCP, les environnements d'exécution SSH/WSL/GPU et les modèles OpenAI/Anthropic.
Validé, scalable, développé par la communauté pour l'appel de variantes, RNA-seq et analyse de petits ARN
Une compétence d’analyse réutilisable comprenant 15 cas fondés sur des données publiques. Définissez la décision et les ressources disponibles, testez des méthodes concurrentes sur les mêmes éléments probants et livrez un rapport qui relie chaque constat à ses données et à son calcul.
FactCircuit : une boucle auditable de vérification des affirmations et des preuves, avec une provenance immuable, des contrôles par étapes, une récupération limitée et une évaluation reproductible.
Cahiers Jupyter pour apprendre à utiliser SimpleITK
LibKGE - Une bibliothèque d'embeddings de graphes de connaissances pour la recherche reproductible
Foire aux questions
Quel est le dépôt #reproducible-research le plus populaire sur GitHub ?
Le projet #reproducible-research open source le mieux classé sur GitHub est karpathy/nanochat, avec 60,746 étoiles. Le meilleur ChatGPT que 100 $ peuvent acheter.
Quels langages de programmation sont les plus utilisés dans les dépôts #reproducible-research ?
Parmi les projets #reproducible-research les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, R, Jupyter Notebook, TypeScript.
Comment le classement des dépôts #reproducible-research est-il calculé ?
Nous suivons 81 dépôts open source actifs associés à #reproducible-research (500+ étoiles), totalisant 182,051 étoiles, avec une moyenne de 2,247 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.