explainable-ai

Explicabilidad de IA avanzada para visión por computador. Soporte para CNNs, Vision Transformers, clasificación, detección de objetos, segmentación, similitud de imágenes y más.

¡Sumérgete en Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision y NLP aprendiendo de estas emocionantes conferencias!

Infraestructura nativa de grafos para sistemas de IA contextuales y responsables.

Ajusta modelos interpretables. Explica el aprendizaje automático de caja negra.

Inferencia segmentada/por mosaicos agnóstica de frameworks + interfaz de usuario interactiva + gráficos de análisis de errores.

Regresión simbólica de alto rendimiento en Python y Julia

Depuración, monitoreo y visualización para Python Machine Learning y Data Science

La plataforma determinista de ingeniería de contexto para IA de código abierto. Conecta modelos abiertos y ontologías con estructuras de grafos de contexto para construir agentes explicables y confiables.

El sistema de autocodificación para tu aplicación — Alan AI SDK para Web.

Responsible AI Toolbox es un conjunto de herramientas que proporciona interfaces de usuario y bibliotecas para la exploración y evaluación de modelos y datos, permitiendo una mejor comprensión de los sistemas de IA. Estas interfaces y bibliotecas permiten a los desarrolladores y partes interesadas de los sistemas de IA desarrollar y supervisar la IA de forma más responsable, tomando mejores decisiones basadas en datos.

IA en camino. Un sueño utópico de aprendizaje profundo automático. Un enfoque RDBMS para el aprendizaje profundo. Declarativo, explicable, escalable, optimizable, fácil de implementar y todo lo bueno.

Interpretabilidad y explicabilidad de datos y modelos de aprendizaje automático

Una colección de materiales de investigación sobre IA/ML explicable.

Paquete de ML interpretable 🔍 para modelos predictivos concisos, transparentes y precisos (compatible con sklearn).

Generación de explicaciones contrafactuales diversas para cualquier modelo de aprendizaje automático.

Lenguaje agnóstico de modelo para exploración y explicación

Una lista seleccionada profesionalmente de vídeos, tutoriales, libros, artículos, tesis de doctorado y maestría, y bibliotecas de código abierto sobre Conformal Prediction.

XAI - Una caja de herramientas de explicabilidad para aprendizaje automático

[SE BUSCAN COLABORADORES] Modelos aditivos generalizados en Python

Haz que tus agentes hablen como humanos. Estilos de salida amigables con el TDAH para Claude Code, Codex y otros, para que puedas prestar atención, no a los tokens.

OmniXAI: una biblioteca para IA explicable

Artículos de ICCV 2023-2025: Descubre investigación de vanguardia de ICCV 2023-25, la conferencia líder en visión por computadora. Mantente al día con lo último en visión por computadora y deep learning, con código incluido. ¡⭐ apoya el desarrollo de la inteligencia visual!

Importancia de dejar fuera una característica (Leave One Feature Out Importance)

Artículos sobre la explicabilidad de las GNN

Regresión simbólica distribuida de alto rendimiento en Julia

Mapas de atribución de atención por difusión para interpretar Stable Diffusion

Interacciones de Shapley y valores de Shapley para aprendizaje automático

Xplique es una caja de herramientas para la explicabilidad de redes neuronales.

Privacy Meter: una biblioteca de código abierto para auditar la privacidad de los datos en algoritmos de estadística y aprendizaje automático.

[JMLR 2023] Quantus es un kit de herramientas de IA explicable para la evaluación responsable de explicaciones de redes neuronales.