#causality Repositórios
Descubra 14 repositórios ativos de código aberto no GitHub marcados com #causality, acumulando um total de 35,256 estrelas (uma média de 2,518 por projeto). O líder deste tópico é py-why/dowhy, com 8,411 estrelas.
14 repositórios no total
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.
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
Plataforma de visualização e análise exploratória de dados automatizada de próxima geração.
Inferência Causal para os Corajosos e Verdadeiros. Uma abordagem leve, mas rigorosa, para aprender sobre estimação de impacto e causalidade.
[Embodied-AI-Survey-2025] Lista de Artigos e Repositório de Recursos para IA Incorporada
Pacote para inferência causal em grafos e em configurações pareadas. Ferramentas para recuperação da estrutura de grafos e dependências estão incluídas.
Um pacote Python para análise modular de inferência causal e avaliações de modelos
O repositório de código aberto para o Workshop de Modelagem Causal em Aprendizado de Máquina na Altdeep.ai @ www.altdeep.ai/courses/causalAI
Pesquisa curada na interseção da inferência causal e do processamento de linguagem natural.
Perguntas Frequentes
Qual é o repositório de #causality mais popular no GitHub?
O projeto de código aberto de #causality 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.
Quais linguagens de programação são mais usadas nos repositórios de #causality?
Entre os projetos de #causality mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, TypeScript.
Como é calculada a classificação dos repositórios de #causality?
Acompanhamos 14 repositórios ativos de código aberto marcados com #causality (com mais de 500 estrelas), totalizando 35,256 estrelas e uma média de 2,518 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.