Git Stars Git Stars

#causal-inference Repositórios

Descubra 39 repositórios ativos de código aberto no GitHub marcados com #causal-inference, acumulando um total de 78,768 estrelas (uma média de 2,019 por projeto). O líder deste tópico é py-why/dowhy, com 8,411 estrelas.

39
Total de Repositórios
78,768
Total de estrelas
2,019
Média de Estrelas/Repositório

39 repositórios no total

1
py-why/dowhy

DoWhy é uma biblioteca Python para inferência causal que suporta modelagem explícita e teste de suposições causais. DoWhy é baseado em uma linguagem unificada para inferência causal, combinando modelos gráficos causais e frameworks de resultados potenciais.

py-why
⭐ 8,411 Python 👤 py-why Organization 🕐 Atualizado 2026-11-17 📅 Criado 2018-05-31
2
uber/causalml

Modelagem de elevação (uplift modeling) e inferência causal com algoritmos de aprendizado de máquina

uber
⭐ 6,048 Python 👤 uber Organization 🕐 Atualizado 2026-10-12 📅 Criado 2019-07-09
3
py-why/EconML

ALICE (Aprendizagem e Inteligência Automatizadas para Causa e Economia) é um projeto da Microsoft Research que visa aplicar conceitos de Inteligência Artificial à tomada de decisões econômicas. Um de seus objetivos é construir um conjunto de ferramentas que combine técnicas de aprendizado de máquina de última geração com econometria, a fim de automatizar problemas complexos de inferência causal. Até o momento, o SDK Python da ALICE (econml) implementa algoritmos de aprendizado de máquina ortogonais, como o trabalho de aprendizado de máquina duplo de

py-why
⭐ 4,861 Jupyter Notebook 👤 py-why Organization 🕐 Atualizado 2026-11-20 📅 Criado 2018-04-30
4
Kanaries/Rath

Plataforma de visualização e análise exploratória de dados automatizada de próxima geração.

Kanaries
⭐ 4,687 TypeScript 👤 Kanaries Organization 🕐 Atualizado 2026-08-14 📅 Criado 2019-08-28
5
plasma-umass/coz

Coz: Criação de Perfis Causais

plasma-umass
⭐ 4,574 C 👤 plasma-umass Organization 🕐 Atualizado 2026-11-13 📅 Criado 2013-11-22
6
matheusfacure/python-causality-handbook

Inferência Causal para os Corajosos e Verdadeiros. Uma abordagem leve, mas rigorosa, para aprender sobre estimação de impacto e causalidade.

matheusfacure
⭐ 3,520 Jupyter Notebook 👤 matheusfacure User 🕐 Atualizado 2026-10-06 📅 Criado 2020-04-15
7
pgmpy/pgmpy

Kit de Ferramentas Python para Raciocínio Causal e Probabilístico

pgmpy
⭐ 3,387 Python 👤 pgmpy Organization 🕐 Atualizado 2026-11-21 📅 Criado 2013-09-20
8
rguo12/awesome-causality-algorithms

Um índice de algoritmos para aprender causalidade com dados

rguo12
⭐ 3,304 👤 rguo12 User 🕐 Atualizado 2026-11-16 📅 Criado 2018-09-19
9
Kensuke-Hinata/statistic

coletando livros, papéis e documentos.

Kensuke-Hinata
⭐ 3,207 👤 Kensuke-Hinata User 🕐 Atualizado 2026-11-15 📅 Criado 2018-10-13
10
mckinsey/causalnex

Uma biblioteca Python que ajuda cientistas de dados a inferir causalidade em vez de observar correlação.

mckinsey
⭐ 2,492 Python 👤 mckinsey Organization 🕐 Atualizado 2026-08-31 📅 Criado 2019-12-12
11
paulgp/applied-methods-phd

Repositório para o curso de métodos empíricos aplicados da Universidade de Yale para doutorado

paulgp
⭐ 2,270 TeX 👤 paulgp User 🕐 Atualizado 2026-04-30 📅 Criado 2021-01-13
12
tangxyw/RecSysPapers

Uma coleção de artigos clássicos e de ponta da indústria nas áreas de recomendação/publicidade/pesquisa.

tangxyw
⭐ 2,216 Python 👤 tangxyw User 🕐 Atualizado 2026-06-11 📅 Criado 2022-08-16
13
google/CausalImpact

Um pacote R para inferência causal em séries temporais

google
⭐ 1,868 R 👤 google Organization 🕐 Atualizado 2026-03-31 📅 Criado 2014-08-08
14
lehaifeng/T-GCN

Rede Neuronal Convolucional Temporal para o Método de Previsão de Fluxo de Tráfego Urbano

lehaifeng
⭐ 1,782 Jupyter Notebook 👤 lehaifeng User 🕐 Atualizado 2025-09-01 📅 Criado 2018-11-12
15
jakobrunge/tigramite

Tigramite é um pacote python para inferência causal com foco em dados de séries temporais. A documentação do Tigramite está em

jakobrunge
⭐ 1,741 Jupyter Notebook 👤 jakobrunge User 🕐 Atualizado 2026-01-14 📅 Criado 2017-05-15
16
pedrohcgs/claude-code-my-workflow

Um template do Claude Code pronto para bifurcar, voltado à pesquisa acadêmica — artigos, análise de dados (R, Stata, Python), apresentações e ensino — com revisão multiagente, critérios de qualidade obrigatórios e protocolos de replicação. Também pode ser usado com Codex e Antigravity.

pedrohcgs
⭐ 1,729 HTML 👤 pedrohcgs User 🕐 Atualizado 2026-11-07 📅 Criado 2026-02-06
17
py-why/causal-learn

Descoberta causal em Python. Aprender causalidade a partir de dados.

py-why
⭐ 1,720 Python 👤 py-why Organization 🕐 Atualizado 2026-09-04 📅 Criado 2020-10-11
19
brycewang-stanford/Awesome-Journal-Skills

Pacotes de habilidades Claude Code/Codex específicos para periódicos, cobrindo as principais revistas — AER, QJE, Nature, Cell, Management World, Economic Research Journal e mais de 200 outras — seu caminho rápido para a publicação.

brycewang-stanford
⭐ 1,440 Stata 👤 brycewang-stanford User 🕐 Atualizado 2026-09-27 📅 Criado 2026-05-25
20
FenTechSolutions/CausalDiscoveryToolbox

Pacote para inferência causal em grafos e em configurações pareadas. Ferramentas para recuperação da estrutura de grafos e dependências estão incluídas.

FenTechSolutions
⭐ 1,242 Python 👤 FenTechSolutions Organization 🕐 Atualizado 2025-10-13 📅 Criado 2017-05-31
21
pymc-labs/CausalPy

Um pacote Python para inferência causal em configurações quase-experimentais

pymc-labs
⭐ 1,215 Python 👤 pymc-labs Organization 🕐 Atualizado 2026-11-21 📅 Criado 2022-09-21
22
matteocourthoud/awesome-causal-inference

Uma lista selecionada de bibliotecas, recursos e aplicações de inferência causal.

matteocourthoud
⭐ 1,214 👤 matteocourthoud User 🕐 Atualizado 2026-04-21 📅 Criado 2023-05-04
23
KaihuaTang/Scene-Graph-Benchmark.pytorch

Um novo código-base para métodos populares de Geração de Grafo de Cena (2020). Visualização e Extração de Grafo de Cena em imagens/conjuntos de dados personalizados são fornecidos. É também uma implementação em PyTorch do artigo “Unbiased Scene Graph Generation from Biased Training CVPR 2020”

KaihuaTang
⭐ 1,198 Jupyter Notebook 👤 KaihuaTang User 🕐 Atualizado 2026-01-06 📅 Criado 2020-02-20
24
huawei-noah/trustworthyAI

Projetos relacionados com IA confiável

huawei-noah
⭐ 1,153 Python 👤 huawei-noah Organization 🕐 Atualizado 2026-09-21 📅 Criado 2020-03-19
25
grf-labs/grf

Florestas Aleatórias Generalizadas

grf-labs
⭐ 1,121 C++ 👤 grf-labs Organization 🕐 Atualizado 2026-04-30 📅 Criado 2016-08-12
26
akelleh/causality

Ferramentas para análise causal

akelleh
⭐ 1,080 Python 👤 akelleh User 🕐 Atualizado 2025-03-11 📅 Criado 2015-05-26
27
PacktPublishing/Causal-Inference-and-Discovery-in-Python

Inferência e Descoberta Causal em Python pela Packt Publishing

PacktPublishing
⭐ 1,051 Jupyter Notebook 👤 PacktPublishing Organization 🕐 Atualizado 2026-07-15 📅 Criado 2022-04-25
28
xieliaing/CausalInferenceIntro

Tradução para o Chinês de "Causal Inference for the Brave and True". Todo o código é baseado em Python, sendo aplicável a áreas como Econometria, Sociologia Quantitativa, Avaliação de Estratégias, entre outras. Autor original da versão em inglês: Matheus Facure

xieliaing
⭐ 968 Jupyter Notebook 👤 xieliaing User 🕐 Atualizado 2026-03-16 📅 Criado 2021-11-07
29
carverauto/serviceradar

Gestão de redes de código aberto, monitoramento, ITOM, observabilidade e análise de segurança

carverauto
⭐ 937 Elixir 👤 carverauto Organization 🕐 Atualizado 2026-11-21 📅 Criado 2025-01-13
30
BiomedSciAI/causallib

Um pacote Python para análise modular de inferência causal e avaliações de modelos

BiomedSciAI
⭐ 836 Python 👤 BiomedSciAI Organization 🕐 Atualizado 2026-05-26 📅 Criado 2019-04-04
31
DoubleML/doubleml-for-py

DoubleML - Aprendizado de Máquina Duplo em Python

DoubleML
⭐ 801 Python 👤 DoubleML Organization 🕐 Atualizado 2026-11-18 📅 Criado 2020-09-09
32
hanlulong/awesome-ai-for-economists

Uma lista selecionada de ferramentas de IA, competências de agentes, bibliotecas e recursos para investigação, ensino e análise de políticas económicas. Mantida pela equipa OpenEcon.

hanlulong
⭐ 722 👤 hanlulong User 🕐 Atualizado 2026-11-07 📅 Criado 2026-02-21
33
zhijing-jin/CausalNLP_Papers

Uma lista de leitura de artigos sobre causalidade para processamento de linguagem natural (PLN)

zhijing-jin
⭐ 697 👤 zhijing-jin User 🕐 Atualizado 2026-04-27 📅 Criado 2021-02-24
34
xunzheng/notears

DAGs SEM LÁGRIMAS: Otimização Contínua para Aprendizagem de Estrutura

xunzheng
⭐ 695 Python 👤 xunzheng User 🕐 Atualizado 2026-05-26 📅 Criado 2018-10-16
35
WillianFuks/tfcausalimpact

Implementação do Impacto Causal em Python Baseada no Pacote R do Google. Construído usando TensorFlow Probability.

WillianFuks
⭐ 683 Python 👤 WillianFuks User 🕐 Atualizado 2026-09-20 📅 Criado 2020-08-17
36
laurencium/Causalinference

Inferência Causal em Python

laurencium
⭐ 581 Python 👤 laurencium User 🕐 Atualizado 2026-09-26 📅 Criado 2014-06-04
37
MRCIEU/TwoSampleMR

Pacote R para realizar MR de 2 amostras usando o banco de dados IEU OpenGWAS

MRCIEU
⭐ 563 R 👤 MRCIEU Organization 🕐 Atualizado 2026-11-10 📅 Criado 2016-01-12
⭐ 537 Python 👤 microsoft Organization 🕐 Atualizado 2026-11-19 📅 Criado 2022-06-14
39
cdt15/lingam

Pacote Python para descoberta causal baseado em LiNGAM.

cdt15
⭐ 511 Python 👤 cdt15 Organization 🕐 Atualizado 2026-11-06 📅 Criado 2019-08-22

Perguntas Frequentes

1

Qual é o repositório de #causal-inference mais popular no GitHub?

O projeto de código aberto de #causal-inference mais bem classificado no GitHub é py-why/dowhy, com 8,411 estrelas. DoWhy é uma biblioteca Python para inferência causal que suporta modelagem explícita e teste de suposições causais. DoWhy é baseado em uma linguagem unificada para inferência causal, combinando modelos gráficos causais e frameworks de resultados potenciais.

2

Quais linguagens de programação são mais usadas nos repositórios de #causal-inference?

Entre os projetos de #causal-inference mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, R, TypeScript.

3

Como é calculada a classificação dos repositórios de #causal-inference?

Acompanhamos 39 repositórios ativos de código aberto marcados com #causal-inference (com mais de 500 estrelas), totalizando 78,768 estrelas e uma média de 2,019 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.