Git Stars Git Stars

#marketing-science Repositórios

Descubra 2 repositórios ativos de código aberto no GitHub marcados com #marketing-science, acumulando um total de 2,557 estrelas (uma média de 1,278 por projeto). O líder deste tópico é facebookexperimental/Robyn, com 1,538 estrelas.

2
Total de Repositórios
2,557
Total de estrelas
1,278
Média de Estrelas/Repositório
Linguagens de programação: Jupyter Notebook Python

2 repositórios no total

1
facebookexperimental/Robyn

Robyn é um pacote de Modelagem de Mix de Marketing (MMM) experimental, com tecnologia de IA/ML e de código aberto da Meta Marketing Science. Nossa missão é democratizar o conhecimento de modelagem, inspirar a indústria através da inovação, reduzir o viés humano no processo de modelagem e construir uma forte comunidade de ciência de marketing de código aberto.

facebookexperimental
⭐ 1,538 Jupyter Notebook 👤 facebookexperimental Organization 🕐 Atualizado 2026-11-10 📅 Criado 2020-04-30
2
google/lightweight_mmm

LightweightMMM 🦇 é uma biblioteca leve de Marketing Mix Modeling (MMM) Bayesiano que permite aos utilizadores treinar facilmente MMMs e obter informações de atribuição de canal.

google
⭐ 1,019 Python 👤 google Organization 🕐 Atualizado 2025-06-17 📅 Criado 2022-02-10

Perguntas Frequentes

1

Qual é o repositório de #marketing-science mais popular no GitHub?

O projeto de código aberto de #marketing-science mais bem classificado no GitHub é facebookexperimental/Robyn, com 1,538 estrelas. Robyn é um pacote de Modelagem de Mix de Marketing (MMM) experimental, com tecnologia de IA/ML e de código aberto da Meta Marketing Science. Nossa missão é democratizar o conhecimento de modelagem, inspirar a indústria através da inovação, reduzir o viés humano no processo de modelagem e construir uma forte comunidade de ciência de marketing de código aberto.

2

Quais linguagens de programação são mais usadas nos repositórios de #marketing-science?

Entre os projetos de #marketing-science mais bem classificados no GitHub, as linguagens de programação mais comuns são Jupyter Notebook, Python.

3

Como é calculada a classificação dos repositórios de #marketing-science?

Acompanhamos 2 repositórios ativos de código aberto marcados com #marketing-science (com mais de 500 estrelas), totalizando 2,557 estrelas e uma média de 1,278 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.