explainable-ml

Explicabilidade avançada de IA para visão computacional. Suporte para CNNs, Vision Transformers, classificação, detecção de objetos, segmentação, similaridade de imagem e muito mais.

Ajuste modelos interpretáveis. Explique o aprendizado de máquina de caixa-preta.

Uma lista curada de recursos incríveis sobre aprendizado de máquina responsável.

Avaliação e rastreamento para experimentos de LLM e agentes de IA.

Depuração, monitoramento e visualização para Machine Learning e Ciência de Dados em Python.

Shapash: Explicabilidade e interpretabilidade amigáveis para desenvolver modelos de Machine Learning confiáveis e transparentes

Uma biblioteca para pesquisa em deep learning em grafos

O Responsible AI Toolbox é um conjunto de ferramentas que fornece interfaces de usuário e bibliotecas para exploração e avaliação de modelos e dados, permitindo uma melhor compreensão de sistemas de IA. Essas interfaces e bibliotecas capacitam desenvolvedores e partes interessadas a desenvolver e monitorar a IA de forma mais responsável e a tomar melhores decisões baseadas em dados.

Interpretabilidade e explicabilidade de dados e modelos de aprendizado de máquina

Pacote de ML interpretável 🔍 para modelagem preditiva concisa, transparente e precisa (compatível com sklearn).

Gere explicações contrafatuais diversas para qualquer modelo de machine learning.

Linguagem agnóstica de modelo para exploração e explicação.

XAI - Uma caixa de ferramentas de explicabilidade para machine learning

[CONTRIBUIDORES BEM-VINDOS] Modelos Aditivos Generalizados em Python

OmniXAI: Uma biblioteca para IA explicável.

👋 Xplique é uma caixa de ferramentas de interpretabilidade de redes neurais

💭 Análise de Sentimentos Baseada em Aspectos: Transformer & ML Explicável (TensorFlow)