EconML
ALICE (Aprendizado Automatizado e Inteligência para Causalidade e Economia) é um projeto de Pesquisa da Microsoft voltado para a aplicação de conceitos de Inteligência Artificial na tomada de decisões econômicas. Um de seus objetivos é construir um conjunto de ferramentas que combine tecnologia de ponta em machi
Estime os efeitos de diferentes tratamentos em resultados econômicos usando métodos avançados de aprendizado de máquina.
Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.
Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.
Grátis · sem cartão · cancele quando quiserALICE (Aprendizado Automatizado e Inteligência para Causalidade e Economia) é um projeto de Pesquisa da Microsoft voltado para a aplicação de conceitos de Inteligência Artificial na tomada de decisões econômicas. Um de seus objetivos é construir um conjunto de ferramentas que combine tecnologia de ponta em machi
EconML tem 4.7k estrelas no GitHub. Foi bifurcado 819 vezes. EconML é escrito principalmente em Jupyter Notebook. Está em desenvolvimento ativo desde 2018. Os seus principais temas são: causal-inference, causality, econometrics, economics.
O que é EconML?
ALICE (Aprendizado Automatizado e Inteligência para Causalidade e Economia) é um projeto de Pesquisa da Microsoft voltado para a aplicação de conceitos de Inteligência Artificial na tomada de decisões econômicas. Um de seus objetivos é construir um conjunto de ferramentas que combine tecnologia de ponta em machi
EconML é de código aberto?
EconML é um projeto de código aberto.
EconML é gratuito?
Sim. EconML é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.
Em que linguagem EconML está escrito?
EconML é escrito principalmente em Jupyter Notebook.
Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.
[](https://opensourceai.tech/project/py-why-econml.html)
Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.