Git Stars Git Stars

#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
Total de Repositórios
49,435
Total de estrelas
2,907
Média de Estrelas/Repositório

17 repositórios no total

1
jacobgil/pytorch-grad-cam

Explicabilidade avançada de IA para visão computacional. Suporte para CNNs, Vision Transformers, Classificação, Detecção de objetos, Segmentação, Similaridade de imagem e muito mais.

jacobgil
⭐ 13,014 Python 👤 jacobgil User 🕐 Atualizado 2026-11-01 📅 Criado 2017-05-31
2
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
3
jphall663/awesome-machine-learning-interpretability

Uma lista selecionada de recursos incríveis de aprendizado de máquina responsável.

jphall663
⭐ 4,088 👤 jphall663 User 🕐 Atualizado 2026-06-03 📅 Criado 2018-06-21
4
truera/trulens

Avaliação e Monitoramento para Experimentos de LLM e Agentes de IA

truera
⭐ 3,665 Python 👤 truera Organization 🕐 Atualizado 2026-11-20 📅 Criado 2020-11-02
5
microsoft/tensorwatch

Depuração, monitoramento e visualização para Aprendizado de Máquina e Ciência de Dados com Python

microsoft
⭐ 3,477 Jupyter Notebook 👤 microsoft Organization 🕐 Atualizado 2026-03-30 📅 Criado 2019-05-15
6
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
7
divelab/DIG

Uma biblioteca para pesquisa em aprendizagem profunda de grafos

divelab
⭐ 1,997 Python 👤 divelab Organization 🕐 Atualizado 2024-07-15 📅 Criado 2020-10-30
8
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
9
Trusted-AI/AIX360

Interpretabilidade e explicabilidade de dados e modelos de aprendizado de máquina

Trusted-AI
⭐ 1,809 Python 👤 Trusted-AI Organization 🕐 Atualizado 2026-09-05 📅 Criado 2019-07-11
10
csinva/imodels

Pacote de ML Interpretável 🔍 para modelagem preditiva concisa, transparente e precisa (compatível com sklearn).

csinva
⭐ 1,631 Jupyter Notebook 👤 csinva User 🕐 Atualizado 2026-11-13 📅 Criado 2019-07-04
11
interpretml/DiCE

Gerar Explicações Contrafactuais Diversas para qualquer modelo de aprendizado de máquina.

interpretml
⭐ 1,519 Python 👤 interpretml Organization 🕐 Atualizado 2025-07-13 📅 Criado 2019-05-02
12
ModelOriented/DALEX

Linguagem Agnostic de Modelo para Exploração e Explicação

ModelOriented
⭐ 1,489 Python 👤 ModelOriented Organization 🕐 Atualizado 2026-07-15 📅 Criado 2018-02-18
13
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
14
dswah/pyGAM

[COLABORADORES BEM-VINDOS] Modelos Aditivos Generalizados em Python

dswah
⭐ 1,024 Python 👤 dswah User 🕐 Atualizado 2026-04-21 📅 Criado 2017-01-19
15
salesforce/OmniXAI

OmniXAI: Uma Biblioteca para IA Explicável

salesforce
⭐ 975 Jupyter Notebook 👤 salesforce Organization 🕐 Atualizado 2026-06-02 📅 Criado 2022-02-17
16
deel-ai/xplique

👋 Xplique é uma Caixa de Ferramentas de Explicabilidade de Redes Neurais

deel-ai
⭐ 761 Python 👤 deel-ai Organization 🕐 Atualizado 2026-11-06 📅 Criado 2020-04-05
17
ScalaConsultants/Aspect-Based-Sentiment-Analysis

💭 Análise de Sentimento Baseada em Aspectos: Transformer & ML Explicável (TensorFlow)

ScalaConsultants
⭐ 585 Python 👤 ScalaConsultants Organization 🕐 Atualizado 2026-09-07 📅 Criado 2020-01-08

Perguntas Frequentes

1

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.

2

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.

3

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.