EconML
ALICE (Apprentissage Automatisé et Intelligence pour la Causalité et l'Économie) est un projet de Microsoft Research visant à appliquer des concepts d'intelligence artificielle à la prise de décision économique. L'un de ses objectifs est de construire une boîte à outils qui combine des techniques de pointe en machi
Estimez les effets de différents traitements sur les résultats économiques en utilisant des méthodes avancées d'apprentissage automatique.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentALICE (Apprentissage Automatisé et Intelligence pour la Causalité et l'Économie) est un projet de Microsoft Research visant à appliquer des concepts d'intelligence artificielle à la prise de décision économique. L'un de ses objectifs est de construire une boîte à outils qui combine des techniques de pointe en machi
EconML compte 4.7k étoiles sur GitHub. Il a été forké 819 fois. EconML est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2018. Ses principaux thèmes sont : causal-inference, causality, econometrics, economics.
Qu'est-ce que EconML ?
ALICE (Apprentissage Automatisé et Intelligence pour la Causalité et l'Économie) est un projet de Microsoft Research visant à appliquer des concepts d'intelligence artificielle à la prise de décision économique. L'un de ses objectifs est de construire une boîte à outils qui combine des techniques de pointe en machi
EconML est-il open source ?
EconML est un projet open source.
EconML est-il gratuit ?
Oui. EconML est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Dans quel langage EconML est-il écrit ?
EconML est écrit principalement en Jupyter Notebook.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://opensourceai.tech/project/py-why-econml.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.