explainable-ml

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

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

Una lista seleccionada de recursos increíbles sobre machine learning responsable.

Evaluación y seguimiento para experimentos de LLM y agentes de IA

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

🔅 Shapash: Explicabilidad e interpretabilidad fáciles de usar para desarrollar modelos de Machine Learning fiables y transparentes

Una librería para investigación en aprendizaje profundo en grafos

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.

Interpretabilidad y explicabilidad de datos y modelos de aprendizaje automático

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

XAI - Una caja de herramientas de explicabilidad para aprendizaje automático

[SE BUSCAN COLABORADORES] Modelos aditivos generalizados en Python

OmniXAI: una biblioteca para IA explicable

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

💭 Análisis de sentimiento basado en aspectos: Transformer y ML explicable (TensorFlow).