Git Stars Git Stars

#explainability Repositórios

Descubra 12 repositórios ativos de código aberto no GitHub marcados com #explainability, acumulando um total de 69,600 estrelas (uma média de 5,800 por projeto). O líder deste tópico é shap/shap, com 25,883 estrelas.

12
Total de Repositórios
69,600
Total de estrelas
5,800
Média de Estrelas/Repositório

12 repositórios no total

1
shap/shap

Uma abordagem da teoria dos jogos para explicar a saída de qualquer modelo de aprendizado de máquina.

shap
⭐ 25,883 Jupyter Notebook 👤 shap Organization 🕐 Atualizado 2026-11-20 📅 Criado 2016-11-22
2
EthicalML/awesome-production-machine-learning

Uma lista selecionada de bibliotecas open source incríveis para implantar, monitorar, versionar e escalar seu aprendizado de máquina

EthicalML
⭐ 21,121 👤 EthicalML Organization 🕐 Atualizado 2026-11-12 📅 Criado 2018-08-15
3
interpretml/interpret

Ajuste modelos interpretáveis. Explique aprendizado de máquina de caixa preta.

interpretml
⭐ 6,986 C++ 👤 interpretml Organization 🕐 Atualizado 2026-11-16 📅 Criado 2019-05-03
4
MAIF/shapash

🔅 Shapash: Explicabilidade e Interpretabilidade Amigáveis ao Usuário para Desenvolver Modelos de Aprendizado de Máquina Confiáveis e Transparentes

MAIF
⭐ 3,297 Jupyter Notebook 👤 MAIF Organization 🕐 Atualizado 2026-11-16 📅 Criado 2020-04-29
5
CodeBoarding/CodeBoarding

Diagramas de arquitetura interativos para codebases

CodeBoarding
⭐ 2,692 Python 👤 CodeBoarding Organization 🕐 Atualizado 2026-11-17 📅 Criado 2025-04-08
6
hila-chefer/Transformer-Explainability

[CVPR 2021] Implementação oficial em PyTorch para a Interpretabilidade de Transformers Além da Visualização de Atenção, um método inovador para visualizar classificações por redes baseadas em Transformer.

hila-chefer
⭐ 1,967 Jupyter Notebook 👤 hila-chefer User 🕐 Atualizado 2024-01-24 📅 Criado 2020-11-23
7
microsoft/responsible-ai-toolbox

A Responsible AI Toolbox é um conjunto de ferramentas que fornece interfaces de usuário e bibliotecas para exploração e avaliação de modelos e dados, permitindo uma melhor compreensão dos sistemas de IA. Essas interfaces e bibliotecas capacitam desenvolvedores e partes interessadas de sistemas de IA a desenvolver e monitorar a IA de forma mais responsável e a tomar ações mais orientadas por dados.

microsoft
⭐ 1,858 TypeScript 👤 microsoft Organization 🕐 Atualizado 2026-11-21 📅 Criado 2020-07-06
8
alexgreensh/attention-span

Faça seus agentes falarem como pessoas. Estilos de saída adaptados para TDAH no Claude Code, Codex e outros. Para que você preste atenção ao conteúdo, não aos tokens.

alexgreensh
⭐ 1,601 Python 👤 alexgreensh User 🕐 Atualizado 2026-10-30 📅 Criado 2026-08-04
9
voidful/hung-yi-lee-skill

Destilando as habilidades do professor Li Hongyi, combinando-as com o LLM de Karpathy, potencializadas pelo Fable 5 e pelo GPT-6, além de entrevistas conduzidas pessoalmente por mim.

voidful
⭐ 1,323 HTML 👤 voidful User 🕐 Atualizado 2026-08-11 📅 Criado 2026-04-08
10
EthicalML/xai

XAI - Uma caixa de ferramentas de eXplicabilidade para aprendizado de máquina

EthicalML
⭐ 1,270 Python 👤 EthicalML Organization 🕐 Atualizado 2025-11-29 📅 Criado 2019-01-11
11
flyingdoog/awesome-graph-explainability-papers

Artigos sobre a explicabilidade de GNNs

flyingdoog
⭐ 821 👤 flyingdoog User 🕐 Atualizado 2026-11-12 📅 Criado 2021-11-01
12
mmschlk/shapiq

Valores de Shapley e interações de Shapley para aprendizado de máquina

mmschlk
⭐ 797 Python 👤 mmschlk User 🕐 Atualizado 2026-11-20 📅 Criado 2023-10-17

Perguntas Frequentes

1

Qual é o repositório de #explainability mais popular no GitHub?

O projeto de código aberto de #explainability mais bem classificado no GitHub é shap/shap, com 25,883 estrelas. Uma abordagem da teoria dos jogos para explicar a saída de qualquer modelo de aprendizado de máquina.

2

Quais linguagens de programação são mais usadas nos repositórios de #explainability?

Entre os projetos de #explainability mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, C++, TypeScript.

3

Como é calculada a classificação dos repositórios de #explainability?

Acompanhamos 12 repositórios ativos de código aberto marcados com #explainability (com mais de 500 estrelas), totalizando 69,600 estrelas e uma média de 5,800 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.