#bayesian-inference Repositórios
Descubra 34 repositórios ativos de código aberto no GitHub marcados com #bayesian-inference, acumulando um total de 72,145 estrelas (uma média de 2,121 por projeto). O líder deste tópico é roboticcam/machine-learning-notes, com 10,394 estrelas.
34 repositórios no total
Minhas anotações e demonstrações continuamente atualizadas de Aprendizado de Máquina, Modelos Probabilísticos e Aprendizado Profundo (mais de 2000 slides) e links de vídeo
Biblioteca Python para filtragem de Kalman e estimação ótima. Implementa filtro de Kalman, filtro de partículas, filtro de Kalman Estendido, filtro de Kalman Não-Centrado, g-h (alfa-beta), mínimos quadrados, H Infinito, suavizadores e muito mais. Possui o livro complementar 'Kalman and Bayesian Filters in Python'.
Repositório de desenvolvimento do Stan. O branch 'master' contém a versão atual. O branch 'develop' contém o desenvolvimento estável mais recente. Consulte a Wiki do Processo de Desenvolvimento para obter detalhes.
Programação probabilística com NumPy, com suporte de JAX para autograd e compilação JIT para GPU/TPU/CPU.
Uma biblioteca Python que ajuda cientistas de dados a inferir causalidade em vez de observar correlação.
Rede Neural Convolucional Bayesiana com Inferência Variacional baseada em Bayes por Backprop em PyTorch.
Pacote R brms para modelos multinível não lineares multivariados bayesianos generalizados usando Stan
Bem-vindo ao Livro de Aprendizado Profundo Baseado em Física v0.3 - Edição GenAI
BlackJAX é uma biblioteca de Inferência Bayesiana projetada para facilidade de uso, velocidade e modularidade.
Resolver e estimar modelos de Equilíbrio Geral Estocástico Dinâmico (incluindo o DSGE do Fed de Nova York)
sbi é um pacote Python para inferência baseada em simulação, projetado para atender às necessidades tanto de pesquisadores quanto de profissionais. Quer você precise de controle refinado ou de uma interface fácil de usar, o sbi tem o que você precisa.
Uma implementação em Python da inferência ativa para Processos de Decisão de Markov
Um Tutorial Intuitivo para Regressão por Processos Gaussianos
O PyTensor permite que você defina, otimize e avalie eficientemente expressões matemáticas que envolvem arrays multidimensionais.
Pacote Python para Descoberta Causal por meio da aprendizagem da estrutura gráfica de redes Bayesianas. Aprendizagem de Estrutura, Aprendizagem de Parâmetros, Inferências, Métodos de Amostragem.
Uma biblioteca para camadas de redes neurais Bayesianas e estimação de incerteza em Deep Learning, estendendo o núcleo do PyTorch
Uma coleção de receitas de análise de dados bayesianos usando PyMC3
Perguntas Frequentes
Qual é o repositório de #bayesian-inference mais popular no GitHub?
O projeto de código aberto de #bayesian-inference mais bem classificado no GitHub é roboticcam/machine-learning-notes, com 10,394 estrelas. Minhas anotações e demonstrações continuamente atualizadas de Aprendizado de Máquina, Modelos Probabilísticos e Aprendizado Profundo (mais de 2000 slides) e links de vídeo
Quais linguagens de programação são mais usadas nos repositórios de #bayesian-inference?
Entre os projetos de #bayesian-inference mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, R, Julia.
Como é calculada a classificação dos repositórios de #bayesian-inference?
Acompanhamos 34 repositórios ativos de código aberto marcados com #bayesian-inference (com mais de 500 estrelas), totalizando 72,145 estrelas e uma média de 2,121 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.