#reproducibility Repositórios
Descubra 42 repositórios ativos de código aberto no GitHub marcados com #reproducibility, acumulando um total de 86,894 estrelas (uma média de 2,068 por projeto). O líder deste tópico é treeverse/dvc, com 15,987 estrelas.
42 repositórios no total
A plataforma de desenvolvimento de IA. Use Weights & Biases para treinar e ajustar modelos, e gerenciar modelos desde a experimentação até a produção.
PyTorch Lightning + Hydra. Um template muito amigável para experimentação de ML. ⚡🔥⚡
Sacred é uma ferramenta para ajudá-lo a configurar, organizar, registrar e reproduzir experimentos desenvolvidos na IDSIA.
Este é o repositório de desenvolvimento do sistema de gerenciamento de fluxo de trabalho Snakemake. Para informações gerais, consulte
🎬 Biblioteca de prompts para Seedance 2.5 / 2.0 baseada em evidências: mais de 1.000 casos rastreados até as publicações originais, mais de 490 retestes entre modelos, 27 modelos prontos para copiar e mais de 80 Skills instaláveis para vídeos com IA. Sincronizada diariamente com goodcase.ai. EN / 中文 / 日本語.
Ambientes de desenvolvimento para inúmeras linguagens baseados em Nix flakes [mantenedor=@lucperkins]
:cloud: :rocket: :bar_chart: :chart_with_upwards_trend: Avaliando o estado da arte em IA
Unificando implementações de Autoencoder Variacional (VAE) em Pytorch (NeurIPS 2022)
Uma lista de verificação final de sanidade para ajudar seu artigo de CS a ser aceito, e não rejeitado na mesa.
Fitlog é uma ferramenta usada no treinamento de aprendizado profundo para ajudar os usuários a registrar logs e gerenciar código.
Um kit de ferramentas de pipeline focado em R para reprodutibilidade e computação de alto desempenho
Empacotamento nix simplificado para vários ecossistemas de linguagens de programação [mantenedor=@DavHau]
Governança de agentes de IA de código aberto. Escreva as regras de forma declarativa; o Bernstein as aplica e gera um registro verificável e reproduzível. Gratuito, Apache-2.0. https://bernstein.run
Métricas de desempenho de alta fidelidade para modelos generativos no PyTorch
🦖 ClawBio - A primeira biblioteca de habilidades de agente de IA nativa em bioinformática. Prioridade local. Reprodutível. Aberta. Gratuita.
Uma ferramenta simples, porém poderosa, para transformar imagens tradicionais de contêiner/SO em sandboxes não privilegiadas.
IA e seres humanos enfrentam juntos desafios científicos reais — 12 etapas · 55 cursos · 36 ferramentas · 98 competências · cadeias de evidências e reprodutibilidade
estrutura de código aberto para criar e gerenciar simulações povoadas com agentes impulsionados por IA. Ela oferece uma plataforma intuitiva para projetar ambientes complexos e interativos onde os agentes podem agir, aprender e evoluir.
O código-fonte para o artigo de blog Os 37 Detalhes de Implementação da Otimização de Política Proximal
Exercícios e material complementar para o curso de operações de aprendizado de máquina na DTU.
Renderizar trechos de código R para compartilhamento, por exemplo, no GitHub ou StackOverflow.
Modelos Fundamentais Legíveis, Escaláveis e Reprodutíveis com Tensores Nomeados e Jax
Uma ferramenta para criar relatórios visuais em HTML a partir de coleções de tabelas CSV/TSV
[JMLR 2023] Quantus é um kit de ferramentas de IA explicável para a avaliação responsável de explicações de redes neurais
Biblioteca FPF (First Principles Framework): métodos e linguagens de padrões para o desenvolvimento aberto e uma cultura compartilhada de pensamento e ação entre pessoas e agentes de IA. Use métodos individualmente ou combine-os para resolver problemas difíceis e ampliar capacidades.
Descubra qual script, notebook, dado, comando ou agente de IA produziu um arquivo — localmente, com evidências e incerteza honesta.
Quadro da cadeia de evidências + servidor MCP para agentes de pesquisa com IA: cada afirmação pode ser rastreada até a execução e o código que a produziram. Quando agentes de IA realizam pesquisas, cada conclusão pode ser rastreada até o código que a gerou. Claude Code · Codex · Cursor · Gemini CLI
Competências de reprodução de pesquisa com prioridade ao README, execução delimitada, evidências auditáveis e anotações do README que preservam os bytes.
Perguntas Frequentes
Qual é o repositório de #reproducibility mais popular no GitHub?
O projeto de código aberto de #reproducibility mais bem classificado no GitHub é treeverse/dvc, com 15,987 estrelas. 🦉 Versionamento de Dados e Experimentos de ML
Quais linguagens de programação são mais usadas nos repositórios de #reproducibility?
Entre os projetos de #reproducibility mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, R, JavaScript, Nix.
Como é calculada a classificação dos repositórios de #reproducibility?
Acompanhamos 42 repositórios ativos de código aberto marcados com #reproducibility (com mais de 500 estrelas), totalizando 86,894 estrelas e uma média de 2,068 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.