#dataops Repositories
Entdecke 15 aktive Open-Source-GitHub-Repositories, die mit #dataops getaggt sind und insgesamt 32,987 Sterne gesammelt haben (durchschnittlich 2,199 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist lance-format/lance mit 7,374 Sternen.
Insgesamt 15 Repositories
Offenes Lakehouse-Format für multimodale KI. Konvertieren Sie mit 2 Codezeilen von Parquet für 100-mal schnelleren Direktzugriff, Vektorindizierung und Datenversionierung. Kompatibel mit Pandas, DuckDB, Polars, Pyarrow und PyTorch, weitere Integrationen folgen.
Redpanda Console ist eine entwicklerfreundliche Benutzeroberfläche zur Verwaltung Ihrer Kafka/Redpanda-Workloads. Console bietet Ihnen einen einfachen, interaktiven Ansatz, um Einblick in Ihre Themen zu gewinnen, Daten zu maskieren, Consumer-Gruppen zu verwalten und Echtzeitdaten mit Time-Travel-Debugging zu erkunden.
Skalierbares und effizientes Datenumwandlungs-Framework – abwärtskompatibel mit dbt.
Eine Open-Source-Datenprotokollierungsbibliothek für maschinelle Lernmodelle und Datenpipelines. 📚 Bietet Einblicke in Datenqualität und Modellleistung im Laufe der Zeit. 🛡️ Unterstützt datenschutzfreundliche Datenerfassung, um Sicherheit und Robustheit zu gewährleisten. 📈
Meltano: die deklarative, Code-first Datenintegrations-Engine, die Ihre wildesten Ideen für daten- und KI-gestützte Produkte beflügelt. Verabschieden Sie sich vom Schreiben, Pflegen und Skalieren Ihrer eigenen API-Integrationen.
Die dbt-native Data-Observability-Lösung für Data & Analytics Engineers. Überwachen Sie Ihre Datenpipelines in wenigen Minuten. Verfügbar als Self-Hosted oder Cloud-Service mit Premium-Funktionen.
Kafka Docker für die Entwicklung. Kafka, Zookeeper, Schema Registry, Kafka-Connect, , 20+ Konnektoren
Unterstützung agiler Ontology-DataOps auf Basis von Flink, DataX und Flink-CDC über eine Web-Oberfläche
📙 Fantastische Datenkataloge und Beobachtbarkeitsplattformen.
Optimus ist ein einfach zu bedienender, zuverlässiger und performanter Workflow-Orchestrator für Datentransformation, Datenmodellierung, Pipelines und Datenqualitätsmanagement.
DataOps für Microsoft Data Platform-Technologien. https://aka.ms/dataops-repo
Eine Liste von Tools zur Annotation von Daten, Verwaltung von Annotationen usw.
Engine für KI/ML/Daten-Tracking, Visualisierung, Erklärbarkeit, Drift-Erkennung und Dashboards für Polyaxon.
Häufig gestellte Fragen
Welches ist das beliebteste #dataops-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#dataops-Projekt auf GitHub ist lance-format/lance mit 7,374 Sternen. Offenes Lakehouse-Format für multimodale KI. Konvertieren Sie mit 2 Codezeilen von Parquet für 100-mal schnelleren Direktzugriff, Vektorindizierung und Datenversionierung. Kompatibel mit Pandas, DuckDB, Polars, Pyarrow und PyTorch, weitere Integrationen folgen.
Welche Programmiersprachen werden in #dataops-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #dataops-Projekten auf GitHub sind Python, Shell, Java, Rust die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #dataops-Repositories berechnet?
Wir verfolgen 15 aktive Open-Source-Repositories, die mit #dataops getaggt sind (500+ Sterne), mit insgesamt 32,987 Sternen und durchschnittlich 2,199 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.