awesome-repositories.com
Blog
MCP
awesome-repositories.com

Découvrez les meilleurs dépôts open-source grâce à notre recherche par IA.

ExplorerRecherches sélectionnéesAlternatives open sourceLogiciels auto-hébergésBlogPlan du site
ProjetServeur MCPÀ proposNotre méthodologiePresse
Mentions légalesConfidentialitéConditions d'utilisation
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

1 dépôt

Awesome GitHub RepositoriesCross-Language Implementations

Implementation of the same statistical model across different programming languages to compare computational approaches.

Distinct from Bayesian Statistical Modeling: Focuses on the multi-language implementation aspect for comparison, rather than the general process of Bayesian modeling.

Explore 1 awesome GitHub repository matching scientific & mathematical computing · Cross-Language Implementations. Refine with filters or upvote what's useful.

Awesome Cross-Language Implementations GitHub Repositories

Trouvez les meilleurs dépôts grâce à l'IA.Nous recherchons les dépôts les plus pertinents grâce à l'IA.
  • rmcelreath/stat_rethinking_2022Avatar de rmcelreath

    rmcelreath/stat_rethinking_2022

    4,103Voir sur GitHub↗

    Ce projet est une collection de cours et de ressources pédagogiques sur les statistiques bayésiennes. Il fournit du matériel pédagogique, des ensembles de problèmes et des solutions conçus pour apprendre l'analyse de données bayésienne et la modélisation causale. Le dépôt inclut une suite de scripts de visualisation de données statistiques utilisés pour générer des animations et des tracés pédagogiques. Il contient également des exemples de code qui implémentent la modélisation bayésienne et l'analyse de survie à travers plusieurs langages de programmation pour démontrer différentes approches computationnelles. Le matériel couvre une gamme de capacités statistiques, incluant l'inférence causale pour évaluer les effets de traitement et la pondération par post-stratification pour ajuster les données d'échantillon pour la représentation de la population. D'autres domaines couverts incluent l'analyse de survie pour modéliser les durées d'événement et l'application de packages statistiques organisés.

    Provides Bayesian model implementations across multiple programming languages to demonstrate various computational approaches.

    R
    Voir sur GitHub↗4,103
  1. Home
  2. Scientific & Mathematical Computing
  3. Bayesian Statistical Modeling
  4. Cross-Language Implementations