explainable-ml

컴퓨터 비전을 위한 고급 AI 설명 가능성. CNN, Vision Transformer, 분류, 객체 감지, 분할, 이미지 유사성 등을 지원합니다.

해석 가능한 모델 적합 및 블랙박스 머신러닝 설명

엄선된 유익한 책임감 있는 머신러닝 리소스 목록입니다.

LLM 실험 및 AI 에이전트를 위한 평가 및 추적

Python Machine Learning 및 Data Science를 위한 디버깅, 모니터링 및 시각화

🔅 Shapash: 신뢰할 수 있고 투명한 머신러닝 모델 개발을 위한 사용자 친화적인 설명 가능성 및 해석 가능성 도구

그래프 딥 러닝 연구를 위한 라이브러리

Responsible AI Toolbox는 AI 시스템을 더 잘 이해할 수 있도록 모델 및 데이터 탐색, 평가 사용자 인터페이스와 라이브러리를 제공하는 도구 모음입니다. 이러한 인터페이스와 라이브러리를 통해 개발자와 이해관계자는 AI를 더욱 책임감 있게 개발 및 모니터링하고, 데이터 기반의 더 나은 결정을 내릴 수 있습니다.

데이터 및 머신 러닝 모델의 해석 가능성과 설명 가능성

간결하고 투명하며 정확한 예측 모델링을 위한 해석 가능한 ML 패키지 🔍 (sklearn 호환).

모든 머신러닝 모델을 위한 다양한 반사실적 설명 생성

탐색 및 설명을 위한 모델 독립형 언어 (moDel Agnostic Language for Exploration and eXplanation)

XAI - 머신러닝을 위한 설명 가능성 툴박스

[기여자 환영] Python으로 구현하는 일반화 가법 모델(GAM)

OmniXAI: 설명 가능한 AI(eXplainable AI)를 위한 라이브러리

Xplique는 신경망 설명 가능성(Explainability) 툴박스

💭 Aspect-Based-Sentiment-Analysis: Transformer 및 설명 가능한 ML (TensorFlow)