Git Stars Git Stars

#model-interpretability Repositórios

Descubra 13 repositórios ativos de código aberto no GitHub marcados com #model-interpretability, acumulando um total de 42,840 estrelas (uma média de 3,295 por projeto). O líder deste tópico é marcotcr/lime, com 12,080 estrelas.

13
Total de Repositórios
42,840
Total de estrelas
3,295
Média de Estrelas/Repositório

13 repositórios no total

1
marcotcr/lime

Lime: Explicando as previsões de qualquer classificador de aprendizado de máquina

marcotcr
⭐ 12,080 JavaScript 👤 marcotcr User 🕐 Atualizado 2024-07-25 📅 Criado 2016-03-15
2
kserve/kserve

Plataforma Padronizada de Inferência de IA Generativa e Preditiva Distribuída para Implantação Escalável e Multi-Framework no Kubernetes

kserve
⭐ 6,253 Go 👤 kserve Organization 🕐 Atualizado 2026-11-20 📅 Criado 2019-03-27
3
oarriaga/face_classification

Detecção facial em tempo real e classificação de emoção/gênero usando os conjuntos de dados fer2013/imdb com um modelo CNN Keras e openCV.

oarriaga
⭐ 5,716 Python 👤 oarriaga User 🕐 Atualizado 2024-03-08 📅 Criado 2017-02-09
4
airbnb/aerosolve

Um pacote de aprendizado de máquina construído para humanos.

airbnb
⭐ 4,809 Scala 👤 airbnb Organization 🕐 Atualizado 2025-11-06 📅 Criado 2015-05-12
5
Blealtan/efficient-kan

Uma implementação eficiente puramente PyTorch da Rede Kolmogorov-Arnold (KAN).

Blealtan
⭐ 4,551 Python 👤 Blealtan User 🕐 Atualizado 2024-08-01 📅 Criado 2024-05-02
6
mintisan/awesome-kan

Uma coleção abrangente de recursos relacionados a KAN (Kolmogorov-Arnold Network), incluindo bibliotecas, projetos, tutoriais, artigos e mais, para pesquisadores e desenvolvedores na área de Kolmogorov-Arnold Network.

mintisan
⭐ 3,294 👤 mintisan User 🕐 Atualizado 2026-10-13 📅 Criado 2024-05-08
7
kitops-ml/kitops

Uma ferramenta DevOps de código aberto da CNCF para empacotar e versionar modelos de IA/ML, conjuntos de dados, código e configuração em um Artefato OCI.

kitops-ml
⭐ 1,451 Go 👤 kitops-ml Organization 🕐 Atualizado 2026-11-20 📅 Criado 2024-02-02
8
chrishayuk/larql

Execute, disponibilize, consulte e edite modelos de IA — um ambiente de execução de modelos em Rust baseado no VINDEX3, um formato de modelo executável e inspecionável.

chrishayuk
⭐ 1,196 Rust 👤 chrishayuk User 🕐 Atualizado 2026-11-21 📅 Criado 2026-03-27
9
andyzoujm/representation-engineering

Engenharia de Representação: Uma Abordagem de Cima para Baixo para Transparência de IA

andyzoujm
⭐ 931 Jupyter Notebook 👤 andyzoujm User 🕐 Atualizado 2024-08-14 📅 Criado 2023-09-26
10
zhijing-jin/CausalNLP_Papers

Uma lista de leitura de artigos sobre causalidade para processamento de linguagem natural (PLN)

zhijing-jin
⭐ 697 👤 zhijing-jin User 🕐 Atualizado 2026-04-27 📅 Criado 2021-02-24
11
Ekeany/Boruta-Shap

Uma ferramenta de seleção de recursos baseada em árvores que combina o algoritmo de seleção de recursos Boruta com os valores de Shapley.

Ekeany
⭐ 641 Python 👤 Ekeany User 🕐 Atualizado 2024-02-19 📅 Criado 2020-04-13
12
parrt/random-forest-importances

Código para calcular a importância de permutação e a importância de colunas descartadas em modelos scikit-learn do Python

parrt
⭐ 625 Jupyter Notebook 👤 parrt User 🕐 Atualizado 2025-03-24 📅 Criado 2018-03-22
13
bhoov/exbert

Uma Ferramenta de Análise Visual para Explorar Representações Aprendidas em Modelos Transformer

bhoov
⭐ 602 Python 👤 bhoov User 🕐 Atualizado 2024-02-07 📅 Criado 2019-10-14

Perguntas Frequentes

1

Qual é o repositório de #model-interpretability mais popular no GitHub?

O projeto de código aberto de #model-interpretability mais bem classificado no GitHub é marcotcr/lime, com 12,080 estrelas. Lime: Explicando as previsões de qualquer classificador de aprendizado de máquina

2

Quais linguagens de programação são mais usadas nos repositórios de #model-interpretability?

Entre os projetos de #model-interpretability mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Go, Jupyter Notebook, JavaScript.

3

Como é calculada a classificação dos repositórios de #model-interpretability?

Acompanhamos 13 repositórios ativos de código aberto marcados com #model-interpretability (com mais de 500 estrelas), totalizando 42,840 estrelas e uma média de 3,295 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.