#explainable-ai Репозитории
Откройте для себя 49 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #explainable-ai, с общим числом 137,847 звёзд (в среднем 2,813 на проект). Лидером этой темы является KindXiaoming/pykan, набравший 16,291 звёзд.
Всего репозиториев: 49
Расширенная объяснимость ИИ для компьютерного зрения. Поддержка CNN, Vision Transformers, Классификация, Обнаружение объектов, Сегментация, Сходство изображений и многое другое.
Погрузитесь в Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision и NLP, изучая эти увлекательные лекции!!
Подгоняйте интерпретируемые модели. Объясняйте чёрный ящик машинного обучения.
Независимая от фреймворка сегментированная/тайловая инференция + интерактивный пользовательский интерфейс + графики анализа ошибок
Отладка, мониторинг и визуализация для Python Machine Learning и Data Science
Система самостоятельного кодирования для вашего приложения — Alan AI SDK для веб
Responsible AI Toolbox — это набор инструментов, предоставляющий пользовательские интерфейсы и библиотеки для исследования и оценки моделей и данных, которые позволяют лучше понимать системы ИИ. Эти интерфейсы и библиотеки позволяют разработчикам и заинтересованным сторонам систем ИИ более ответственно разрабатывать и контролировать ИИ, а также принимать более обоснованные решения на основе данных.
Искусственный интеллект на подходе. Мечта об автоматическом глубоком обучении. Подход RDBMS к глубокому обучению. Декларативный, объяснимый, масштабируемый, оптимизируемый, простой в развертывании — все эти хорошие вещи.
Сборник исследовательских материалов по интерпретируемому ИИ/МО
Интерпретируемый пакет ML 🔍 для краткого, прозрачного и точного предиктивного моделирования (совместим с sklearn).
Пусть ваши агенты говорят по-человечески. Стили вывода, удобные для людей с СДВГ, для Claude Code, Codex и других инструментов. Чтобы вы могли сосредоточиться на содержании, а не на токенах.
Генерируйте разнообразные контрфактические объяснения для любой модели машинного обучения.
Профессионально подобранный список замечательных видео, учебных пособий, книг, статей, диссертаций и магистерских работ, статей и библиотек с открытым исходным кодом по конформному прогнозированию.
Библиотека извлечения признаков временных рядов (TSFEL): более 60 статистических, временных, спектральных и фрактальных признаков для классификации и регрессии временных рядов, а также обработки сигналов на Python
Статьи ICCV 2023-2025: Откройте для себя передовые исследования с ICCV 2023-25, ведущей конференции по компьютерному зрению. Будьте в курсе последних достижений в области компьютерного зрения и глубокого обучения, с включенным кодом. ⭐ Поддержите развитие визуального интеллекта!
Распределенная высокопроизводительная символьная регрессия на Julia
Исследование архитектур AGI с открытой внутренней структурой: метапознание (цикл самосознания), непрерывное обучение (маховик знаний), модель мира (условное пространство + семантический пространственно-временной граф), самоулучшение (дисциплина бутстрэппинга), конвейер с открытой внутренней структурой без LLM и проверяемые аудитором меры защиты доверия.
Privacy Meter: Библиотека с открытым исходным кодом для аудита конфиденциальности данных в статистических алгоритмах и алгоритмах машинного обучения.
Изучайте, визуализируйте и вмешивайтесь в любые операции любой нейронной сети. Фиксируйте все активации и градиенты, полный граф вычислений и более 800 полей метаданных, не изменяя код модели. Поддерживает PyTorch, JAX, TensorFlow, MLX, PaddlePaddle и tinygrad. Проверено на более чем 6 400 моделях. Создано для исследователей и их ИИ-агентов.
Использование GPT для организации и доступа к информации, а также для генерации вопросов. Долгосрочная цель — создать исследовательского помощника, похожего на агента.
[JMLR 2023] Quantus — это инструментарий объяснимого ИИ для ответственной оценки объяснений нейронных сетей
Текстовый детектор на основе ИИ с открытым исходным кодом для выявления контента, созданного ИИ, в эссе, статьях и документах. Поддерживает проверку на уровне документа и предложения, классификацию контента как созданного человеком, ИИ или смешанного, объяснимые результаты и разработку многоязычных моделей.
💭 Анализ тональности на основе аспектов: Transformer & Объяснимое МО (TensorFlow)
Ссылки на публикации конференций/журналов по автоматической проверке фактов (ресурсы для статьи TACL22/EMNLP23).
Реализация PyTorch для статьи «Driving with LLMs: Fusing Object-Level Vector Modality for Explainable Autonomous Driving»
Движок для отслеживания, визуализации, интерпретируемости, обнаружения дрейфа и создания дашбордов для ИИ/ML/данных в Polyaxon.
Часто задаваемые вопросы
Какой репозиторий по теме #explainable-ai наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #explainable-ai на GitHub — KindXiaoming/pykan, набравший 16,291 звёзд. Сети Колмогорова-Арнольда
Какие языки программирования чаще всего используются в репозиториях по теме #explainable-ai?
Среди наиболее высоко оценённых проектов по теме #explainable-ai на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, HTML, JavaScript.
Как рассчитывается рейтинг репозиториев по теме #explainable-ai?
Мы отслеживаем 49 активных репозиториев с открытым исходным кодом, отмеченных тегом #explainable-ai (500 и более звёзд), с общим числом 137,847 звёзд и в среднем 2,813 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.