explainable-ml

Penjelasan AI tingkat lanjut untuk visi komputer. Mendukung CNN, Vision Transformers, Klasifikasi, deteksi Objek, Segmentasi, kesamaan Gambar, dan banyak lagi.

Membuat model yang dapat diinterpretasikan. Menjelaskan machine learning blackbox.

Daftar kurasi sumber daya machine learning yang bertanggung jawab.

Evaluasi dan Pelacakan untuk Eksperimen LLM dan Agen AI

Debugging, pemantauan, dan visualisasi untuk Machine Learning dan Data Science Python

Shapash: Penjelasan dan interpretabilitas yang ramah pengguna untuk mengembangkan model Machine Learning yang andal dan transparan.

Pustaka untuk penelitian deep learning berbasis grafik

Responsible AI Toolbox adalah rangkaian alat yang menyediakan antarmuka pengguna dan pustaka untuk eksplorasi serta penilaian model dan data guna memahami sistem AI dengan lebih baik. Antarmuka dan pustaka ini memberdayakan pengembang dan pemangku kepentingan sistem AI untuk mengembangkan serta memantau AI secara lebih bertanggung jawab dan mengambil tindakan berbasis data yang lebih baik.

Interpretabilitas dan eksplanabilitas data serta model machine learning

Paket ML yang dapat diinterpretasikan 🔍 untuk pemodelan prediktif yang ringkas, transparan, dan akurat (kompatibel dengan sklearn).

Menghasilkan Penjelasan Kontrafaktual yang Beragam untuk model pembelajaran mesin apa pun.

Bahasa yang Agnostik Model untuk Eksplorasi dan Penjelasan (moDel Agnostic Language for Exploration and eXplanation)

XAI - Kotak alat explainability untuk machine learning

[KONTRIBUTOR DIPERSILAKAN] Model Aditif Tergeneralisasi di Python

OmniXAI: Sebuah Pustaka untuk AI yang Dapat Dijelaskan (eXplainable AI)

👋 Xplique adalah Kotak Alat Penjelas Neural Networks

💭 Aspect-Based-Sentiment-Analysis: Transformer & Explainable ML (TensorFlow)