Início Projetos edward
edward
Jupyter Notebook

edward

Uma linguagem de programação probabilística em TensorFlow. Modelos generativos profundos, inferência variacional.

por blei-lab · GitHub
Estrelas
Forks
Criado
Último commit
bayesian-methodsdata-sciencedeep-learningJupyter Notebook
Ver no GitHub
Em palavras simples

Crie e teste modelos estatísticos complexos para analisar dados e fazer previsões usando uma linguagem de programação.

Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
edward — GitHub preview card
📈 Histórico de estrelas
4 8434 840
2026-07-042026-08-31
📈 Acompanhe edward

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

Uma linguagem de programação probabilística em TensorFlow. Modelos generativos profundos, inferência variacional.

edward tem 4.8k estrelas no GitHub. Foi bifurcado 744 vezes. edward é escrito principalmente em Jupyter Notebook. Está em desenvolvimento ativo desde 2016. Os seus principais temas são: bayesian-methods, data-science, deep-learning, machine-learning.

Frequently asked questions

O que é edward?

Uma linguagem de programação probabilística em TensorFlow. Modelos generativos profundos, inferência variacional.

edward é de código aberto?

edward é um projeto de código aberto.

edward é gratuito?

Sim. edward é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Em que linguagem edward está escrito?

edward é escrito principalmente em Jupyter Notebook.

🏅 Mantenedor deste projeto?
olud.ai badge — edward

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=blei-lab-edward)](https://olud.ai/project/blei-lab-edward.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.