#explainable-ml Repository
Scopri 17 repository GitHub open source attivi contrassegnati con #explainable-ml, che raccolgono un totale di 49,435 stelle (con una media di 2,907 stelle per progetto). Il progetto leader di questo argomento è jacobgil/pytorch-grad-cam, con 13,014 stelle.
17 repository in totale
Spiegabilità avanzata dell'IA per la visione artificiale. Supporto per CNN, Vision Transformers, Classificazione, Rilevamento oggetti, Segmentazione, Similarità di immagini e altro.
Una lista curata di risorse fantastiche per il machine learning responsabile.
Debugging, monitoraggio e visualizzazione per Python Machine Learning e Data Science
🔅 Shapash: Spiegabilità e Interpretabilità User-Friendly per Sviluppare Modelli di Machine Learning Affidabili e Trasparenti
Responsible AI Toolbox è una suite di strumenti che fornisce interfacce utente e librerie per l'esplorazione e la valutazione di modelli e dati, consentendo una migliore comprensione dei sistemi di intelligenza artificiale. Queste interfacce e librerie consentono a sviluppatori e stakeholder di sistemi di intelligenza artificiale di sviluppare e monitorare l'IA in modo più responsabile e di intraprendere migliori azioni basate sui dati.
Pacchetto ML interpretabile 🔍 per modellazione predittiva concisa, trasparente e accurata (compatibile con sklearn).
Genera spiegazioni controfattuali diverse per qualsiasi modello di machine learning.
💭 Analisi del Sentimento Basata sugli Aspetti: Transformer & ML Spiegabile (TensorFlow)
Domande frequenti
Qual è il repository #explainable-ml più popolare su GitHub?
Il progetto open source #explainable-ml più alto in classifica su GitHub è jacobgil/pytorch-grad-cam, con 13,014 stelle. Spiegabilità avanzata dell'IA per la visione artificiale. Supporto per CNN, Vision Transformers, Classificazione, Rilevamento oggetti, Segmentazione, Similarità di immagini e altro.
Quali linguaggi di programmazione sono più utilizzati nei repository #explainable-ml?
Tra i progetti #explainable-ml più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C++, TypeScript.
Come viene calcolata la classifica dei repository #explainable-ml?
Monitoriamo 17 repository open source attivi contrassegnati con #explainable-ml (500+ stelle), per un totale di 49,435 stelle e una media di 2,907 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.