Início Projetos pyprobml
pyprobml
Jupyter Notebook

pyprobml

Código Python para o livro "Probabilistic Machine Learning" de Kevin Murphy

por probml · GitHub
Estrelas
Forks
Licença
Criado
Último commit
Categoria
blackjaxcolabflaxMITJupyter Notebook
Ver no GitHub
Em palavras simples

Execute código Python para recriar figuras de um livro sobre aprendizado de máquina probabilístico.

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 →
pyprobml — GitHub preview card
📈 Histórico de estrelas
7 1117 106
2026-07-042026-08-31
📈 Acompanhe pyprobml

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

Código Python para o livro "Probabilistic Machine Learning" de Kevin Murphy

pyprobml tem 7.1k estrelas no GitHub. Foi bifurcado 1.6k vezes. pyprobml é escrito principalmente em Jupyter Notebook. Está em desenvolvimento ativo desde 2016. pyprobml está disponível sob a licença MIT. Os seus principais temas são: blackjax, colab, flax, jax.

Frequently asked questions

O que é pyprobml?

Código Python para o livro "Probabilistic Machine Learning" de Kevin Murphy

pyprobml é de código aberto?

pyprobml é um projeto de código aberto. É distribuído sob a licença MIT.

pyprobml é gratuito?

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

Sob que licença está pyprobml?

pyprobml está disponível sob a licença MIT.

Em que linguagem pyprobml está escrito?

pyprobml é escrito principalmente em Jupyter Notebook.

🏅 Mantenedor deste projeto?
olud.ai badge — pyprobml

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=probml-pyprobml)](https://olud.ai/project/probml-pyprobml.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.