🍭 #数据科学 #机器学习 #可视化工具


🏵 Shapash - 机器学习模型可解释性可视化工具

🍥 简介：
Shapash 是一个基于 Python 的开源库，旨在提升机器学习模型的可解释性。该工具通过直观的图形化界面，将复杂的模型预测结果转化为易于理解的视觉呈现。它内置多种可视化组件，支持对模型特征重要性、预测逻辑及变量影响进行清晰解读，从而辅助开发者和非技术用户快速洞察模型运行机制，简化模型评估流程。

🎈 【进入项目】


🗣 活动线报 | 掘金项目

🍭 #AI工具 #可观测性


🏵 Phoenix - AI可观测性平台

🍥 简介：
Phoenix是一个开源的人工智能可观测性平台。它专为AI模型的实验、评估及故障排除而设计，提供全面的功能集以监控模型性能、分析数据流、识别潜在问题并加速开发迭代。该平台支持数据科学家和机器学习工程师高效管理AI工作流，确保系统稳定运行和优化。

🎈 【进入项目】


🗣 活动线报 | 掘金项目

🗣 每日羊毛线报 👈


🏵 HyperDX - 快速解决生产问题

🍥 简介：
HyperDX 是一个开源的可观测性平台，它基于 ClickHouse 和 OpenTelemetry，统一了会话回放、日志、指标、追踪和错误信息，帮助工程师快速定位生产环境问题。 它可以搜索和可视化 ClickHouse 集群上的日志和追踪信息（类似于 ClickHouse 的 Kibana）。支持schema无关，快速搜索和可视化，直观的全文搜索和属性搜索，以及实时日志追踪等功能。

🍭 #可观测性 #ClickHouse #APM


🎈 【进入项目】


🎯 关注频道 🤖 合作/投稿