#explainable-ml Repositórios
Descubra 17 repositórios ativos de código aberto no GitHub marcados com #explainable-ml, acumulando um total de 49,435 estrelas (uma média de 2,907 por projeto). O líder deste tópico é jacobgil/pytorch-grad-cam, com 13,014 estrelas.
17 repositórios no total
Explicabilidade avançada de IA para visão computacional. Suporte para CNNs, Vision Transformers, Classificação, Detecção de objetos, Segmentação, Similaridade de imagem e muito mais.
Ajuste modelos interpretáveis. Explique aprendizado de máquina de caixa preta.
Uma lista selecionada de recursos incríveis de aprendizado de máquina responsável.
Depuração, monitoramento e visualização para Aprendizado de Máquina e Ciência de Dados com Python
🔅 Shapash: Explicabilidade e Interpretabilidade Amigáveis ao Usuário para Desenvolver Modelos de Aprendizado de Máquina Confiáveis e Transparentes
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.
Interpretabilidade e explicabilidade de dados e modelos de aprendizado de máquina
Pacote de ML Interpretável 🔍 para modelagem preditiva concisa, transparente e precisa (compatível com sklearn).
Gerar Explicações Contrafactuais Diversas para qualquer modelo de aprendizado de máquina.
💭 Análise de Sentimento Baseada em Aspectos: Transformer & ML Explicável (TensorFlow)
Perguntas Frequentes
Qual é o repositório de #explainable-ml mais popular no GitHub?
O projeto de código aberto de #explainable-ml mais bem classificado no GitHub é jacobgil/pytorch-grad-cam, com 13,014 estrelas. Explicabilidade avançada de IA para visão computacional. Suporte para CNNs, Vision Transformers, Classificação, Detecção de objetos, Segmentação, Similaridade de imagem e muito mais.
Quais linguagens de programação são mais usadas nos repositórios de #explainable-ml?
Entre os projetos de #explainable-ml mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, C++, TypeScript.
Como é calculada a classificação dos repositórios de #explainable-ml?
Acompanhamos 17 repositórios ativos de código aberto marcados com #explainable-ml (com mais de 500 estrelas), totalizando 49,435 estrelas e uma média de 2,907 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.