Git Stars Git Stars

#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
Totale Repository
49,435
Totale stelle
2,907
Media Stelle/Repo

17 repository in totale

1
jacobgil/pytorch-grad-cam

Spiegabilità avanzata dell'IA per la visione artificiale. Supporto per CNN, Vision Transformers, Classificazione, Rilevamento oggetti, Segmentazione, Similarità di immagini e altro.

jacobgil
⭐ 13,014 Python 👤 jacobgil User 🕐 Aggiornato 2026-11-01 📅 Creato 2017-05-31
2
interpretml/interpret

Adatta modelli interpretabili. Spiega il machine learning blackbox.

interpretml
⭐ 6,986 C++ 👤 interpretml Organization 🕐 Aggiornato 2026-11-16 📅 Creato 2019-05-03
3
jphall663/awesome-machine-learning-interpretability

Una lista curata di risorse fantastiche per il machine learning responsabile.

jphall663
⭐ 4,088 👤 jphall663 User 🕐 Aggiornato 2026-06-03 📅 Creato 2018-06-21
4
truera/trulens

Valutazione e monitoraggio per esperimenti LLM e agenti AI

truera
⭐ 3,665 Python 👤 truera Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2020-11-02
5
microsoft/tensorwatch

Debugging, monitoraggio e visualizzazione per Python Machine Learning e Data Science

microsoft
⭐ 3,477 Jupyter Notebook 👤 microsoft Organization 🕐 Aggiornato 2026-03-30 📅 Creato 2019-05-15
6
MAIF/shapash

🔅 Shapash: Spiegabilità e Interpretabilità User-Friendly per Sviluppare Modelli di Machine Learning Affidabili e Trasparenti

MAIF
⭐ 3,297 Jupyter Notebook 👤 MAIF Organization 🕐 Aggiornato 2026-11-16 📅 Creato 2020-04-29
7
divelab/DIG

Una libreria per la ricerca sul deep learning dei grafi

divelab
⭐ 1,997 Python 👤 divelab Organization 🕐 Aggiornato 2024-07-15 📅 Creato 2020-10-30
8
microsoft/responsible-ai-toolbox

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.

microsoft
⭐ 1,858 TypeScript 👤 microsoft Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2020-07-06
9
Trusted-AI/AIX360

Interpretabilità e spiegabilità di dati e modelli di machine learning

Trusted-AI
⭐ 1,809 Python 👤 Trusted-AI Organization 🕐 Aggiornato 2026-09-05 📅 Creato 2019-07-11
10
csinva/imodels

Pacchetto ML interpretabile 🔍 per modellazione predittiva concisa, trasparente e accurata (compatibile con sklearn).

csinva
⭐ 1,631 Jupyter Notebook 👤 csinva User 🕐 Aggiornato 2026-11-13 📅 Creato 2019-07-04
11
interpretml/DiCE

Genera spiegazioni controfattuali diverse per qualsiasi modello di machine learning.

interpretml
⭐ 1,519 Python 👤 interpretml Organization 🕐 Aggiornato 2025-07-13 📅 Creato 2019-05-02
12
ModelOriented/DALEX

Linguaggio Agnostico al Modello per l'Esplorazione e la Spiegazione

ModelOriented
⭐ 1,489 Python 👤 ModelOriented Organization 🕐 Aggiornato 2026-07-15 📅 Creato 2018-02-18
13
EthicalML/xai

XAI - Una cassetta degli attrezzi di eXplicabilità per l'apprendimento automatico

EthicalML
⭐ 1,270 Python 👤 EthicalML Organization 🕐 Aggiornato 2025-11-29 📅 Creato 2019-01-11
14
dswah/pyGAM

[COLLABORATORI BENVENUTI] Modelli Additivi Generalizzati in Python

dswah
⭐ 1,024 Python 👤 dswah User 🕐 Aggiornato 2026-04-21 📅 Creato 2017-01-19
15
salesforce/OmniXAI

OmniXAI: Una libreria per l'IA spiegabile

salesforce
⭐ 975 Jupyter Notebook 👤 salesforce Organization 🕐 Aggiornato 2026-06-02 📅 Creato 2022-02-17
16
deel-ai/xplique

👋 Xplique è una toolbox per la spiegabilità delle reti neurali

deel-ai
⭐ 761 Python 👤 deel-ai Organization 🕐 Aggiornato 2026-11-06 📅 Creato 2020-04-05
17
ScalaConsultants/Aspect-Based-Sentiment-Analysis

💭 Analisi del Sentimento Basata sugli Aspetti: Transformer & ML Spiegabile (TensorFlow)

ScalaConsultants
⭐ 585 Python 👤 ScalaConsultants Organization 🕐 Aggiornato 2026-09-07 📅 Creato 2020-01-08

Domande frequenti

1

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.

2

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.

3

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.