Git Stars Git Stars

#feature-engineering Repositories

Entdecke 56 aktive Open-Source-GitHub-Repositories, die mit #feature-engineering getaggt sind und insgesamt 95,158 Sterne gesammelt haben (durchschnittlich 1,699 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist EpistasisLab/tpot mit 10,051 Sternen.

56
Gesamtzahl der Repositories
95,158
Gesamtanzahl der Sterne
1,699
Durchschnittliche Sterne/Repo

Insgesamt 56 Repositories

1
EpistasisLab/tpot

Ein Python-basiertes Automated-Machine-Learning-Tool, das Machine-Learning-Pipelines mit genetischer Programmierung optimiert.

EpistasisLab
⭐ 10,051 Jupyter Notebook 👤 EpistasisLab Organization 🕐 Aktualisiert 2025-09-11 📅 Erstellt 2015-11-03
2
alteryx/featuretools

Eine Open-Source-Python-Bibliothek für automatisierte Feature-Engineering

alteryx
⭐ 7,697 Python 👤 alteryx Organization 🕐 Aktualisiert 2026-09-11 📅 Erstellt 2017-09-08
3
airbnb/aerosolve

Ein Machine-Learning-Paket, das für Menschen entwickelt wurde.

airbnb
⭐ 4,809 Scala 👤 airbnb Organization 🕐 Aktualisiert 2025-11-06 📅 Erstellt 2015-05-12
5
alibaba/Alink

Alink ist die Machine-Learning-Algorithmusplattform basierend auf Flink, entwickelt vom PAI-Team der Alibaba Computing Platform.

alibaba
⭐ 3,625 Java 👤 alibaba Organization 🕐 Aktualisiert 2024-06-07 📅 Erstellt 2018-09-30
6
data-science-on-aws/data-science-on-aws

KI und maschinelles Lernen mit Kubeflow, Amazon EKS und SageMaker

data-science-on-aws
⭐ 3,422 Jupyter Notebook 👤 data-science-on-aws Organization 🕐 Aktualisiert 2024-07-31 📅 Erstellt 2020-02-29
7
mljar/mljar-supervised

Python-Paket für AutoML auf tabellarischen Daten mit Feature Engineering, Hyperparameter-Tuning, Erklärungen und automatischer Dokumentation

mljar
⭐ 3,306 Python 👤 mljar Organization 🕐 Aktualisiert 2026-11-05 📅 Erstellt 2018-11-05
8
Visualize-ML/Book6_First-Course-in-Data-Science

Buch_6_"Der Weg der Daten" | Iris Buch: Von Addition, Subtraktion, Multiplikation und Division bis hin zu maschinellem Lernen; wir freuen uns über Kritik und Korrekturen! Studenten, die viele Fehler korrigieren, erhalten ein Exemplar des Buches als Dankeschön!

Visualize-ML
⭐ 2,799 Jupyter Notebook 👤 Visualize-ML User 🕐 Aktualisiert 2026-05-01 📅 Erstellt 2022-10-11
9
apache/hamilton

Apache Hamilton hilft Datenwissenschaftlern und Ingenieuren, testbare, modulare, selbstdokumentierende Datenflüsse zu definieren, die Abstammung/Rückverfolgung und Metadaten kodieren. Läuft und skaliert überall dort, wo Python läuft.

apache
⭐ 2,631 Jupyter Notebook 👤 apache Organization 🕐 Aktualisiert 2026-11-16 📅 Erstellt 2023-02-23
10
scikit-learn-contrib/category_encoders

Eine Bibliothek von sklearn-kompatiblen Kategorischen Variablen-Encodern

scikit-learn-contrib
⭐ 2,510 Python 👤 scikit-learn-contrib Organization 🕐 Aktualisiert 2026-10-31 📅 Erstellt 2015-11-29
11
metarank/metarank

Ein Low-Code-Machine-Learning-Service für personalisierte Rankings für Artikel, Angebote, Suchergebnisse und Empfehlungen, der die Benutzerbindung stärkt. Eine benutzerfreundliche Learn-to-Rank-Engine

metarank
⭐ 2,461 Scala 👤 metarank Organization 🕐 Aktualisiert 2026-10-06 📅 Erstellt 2020-08-19
12
feature-engine/feature_engine

Open-Source-Python-Bibliothek für Feature Engineering und -auswahl, kompatibel mit sklearn.

feature-engine
⭐ 2,297 Python 👤 feature-engine Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2018-12-31
13
salesforce/TransmogrifAI

TransmogrifAI (ausgesprochen trăns-mŏgˈrə-fī) ist eine AutoML-Bibliothek zum Erstellen modularer, wiederverwendbarer und stark typisierter Machine-Learning-Workflows auf Apache Spark mit minimalem manuellem Anpassungsaufwand.

salesforce
⭐ 2,280 Scala 👤 salesforce Organization 🕐 Aktualisiert 2026-06-02 📅 Erstellt 2017-11-02
14
ytzfhqs/AAAMLP-CN

Approaching (Almost) Any Machine Learning Problem chinesische Übersetzung, Online-Dokumentationsadresse: https://ytzfhqs.github.io/AAAMLP-CN/

ytzfhqs
⭐ 1,987 Jupyter Notebook 👤 ytzfhqs User 🕐 Aktualisiert 2025-12-10 📅 Erstellt 2023-08-30
15
featureform/featureform

Der virtuelle Feature Store. Verwandeln Sie Ihre bestehende Dateninfrastruktur in einen Feature Store.

featureform
⭐ 1,979 Go 👤 featureform Organization 🕐 Aktualisiert 2025-07-03 📅 Erstellt 2020-10-16
16
feathr-ai/feathr

Feathr – Eine skalierbare, einheitliche Daten- und KI-Engineering-Plattform für Unternehmen

feathr-ai
⭐ 1,916 Scala 👤 feathr-ai Organization 🕐 Aktualisiert 2024-04-04 📅 Erstellt 2022-02-18
17
asavinov/intelligent-trading-bot

Intelligenter Handelsbot: Automatische Generierung von Signalen und Handel auf Basis von maschinellem Lernen und Feature Engineering

asavinov
⭐ 1,906 Python 👤 asavinov User 🕐 Aktualisiert 2026-11-18 📅 Erstellt 2021-10-24
18
linkedin/greykite

Eine flexible, intuitive und schnelle Prognosebibliothek

linkedin
⭐ 1,855 Python 👤 linkedin Organization 🕐 Aktualisiert 2025-02-20 📅 Erstellt 2021-04-27
19
4paradigm/OpenMLDB

OpenMLDB ist eine Open-Source-Machine-Learning-Datenbank, die eine Feature-Plattform für die Berechnung konsistenter Features für Training und Inferenz bereitstellt.

4paradigm
⭐ 1,717 C++ 👤 4paradigm Organization 🕐 Aktualisiert 2026-11-10 📅 Erstellt 2021-03-12
20
LastAncientOne/Deep_Learning_Machine_Learning_Stock

Aktien im Bereich Deep Learning und Machine Learning bieten vielversprechende Chancen für langfristige und kurzfristige Investoren und Trader.

LastAncientOne
⭐ 1,689 Jupyter Notebook 👤 LastAncientOne User 🕐 Aktualisiert 2024-03-01 📅 Erstellt 2018-09-29
21
hyperopt/hyperopt-sklearn

Hyperparameter-Optimierung für sklearn

hyperopt
⭐ 1,646 Python 👤 hyperopt Organization 🕐 Aktualisiert 2025-04-15 📅 Erstellt 2013-02-19
22
winedarksea/AutoTS

Automatisierte Zeitreihenprognose

winedarksea
⭐ 1,432 Python 👤 winedarksea User 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2019-11-26
23
shunliz/Machine-Learning

Prinzipien des maschinellen Lernens

shunliz
⭐ 1,423 Python 👤 shunliz User 🕐 Aktualisiert 2025-08-03 📅 Erstellt 2017-05-28
24
logicalclocks/hopsworks

Hopsworks - Datenintensive KI-Plattform mit Feature Store

logicalclocks
⭐ 1,299 Java 👤 logicalclocks Organization 🕐 Aktualisiert 2025-02-10 📅 Erstellt 2018-07-26
25
functime-org/functime

Zeitreihen-maschinelles Lernen in großem Maßstab. Entwickelt mit Polars für leicht parallelisierbare Merkmalsextraktion und Vorhersagen auf Paneldaten.

functime-org
⭐ 1,194 Python 👤 functime-org Organization 🕐 Aktualisiert 2026-05-03 📅 Erstellt 2023-06-05
26
8080labs/ppscore

Predictive Power Score (PPS) in Python

8080labs
⭐ 1,170 Python 👤 8080labs User 🕐 Aktualisiert 2026-03-11 📅 Erstellt 2020-04-17
27
NVIDIA-Merlin/NVTabular

NVTabular ist eine Bibliothek für Feature Engineering und Vorverarbeitung von tabellarischen Daten, die entwickelt wurde, um Terabyte-große Datensätze schnell und einfach zu manipulieren, die zum Trainieren von Deep-Learning-basierten Empfehlungssystemen verwendet werden.

NVIDIA-Merlin
⭐ 1,153 Python 👤 NVIDIA-Merlin Organization 🕐 Aktualisiert 2026-05-22 📅 Erstellt 2020-04-03
28
campusx-official/ML-Roadmap-for-2022

Eine kuratierte Liste von Machine-Learning-Videos, Links, Projekten und Datensätzen, die Ihnen helfen, die ML-Landschaft in 6 Monaten zu erobern.

campusx-official
⭐ 1,119 👤 campusx-official User 🕐 Aktualisiert 2024-08-20 📅 Erstellt 2022-01-10
29
elastic/ember

Elastic Malware Benchmark zur Stärkung von Forschern

elastic
⭐ 1,110 Jupyter Notebook 👤 elastic Organization 🕐 Aktualisiert 2024-11-22 📅 Erstellt 2018-04-11
30
erelsgl/limdu

Machine Learning für Node.js

erelsgl
⭐ 1,043 JavaScript 👤 erelsgl User 🕐 Aktualisiert 2026-04-10 📅 Erstellt 2013-06-12
31
tensorflow/transform

Eingabe-Pipeline-Framework

tensorflow
⭐ 992 Python 👤 tensorflow Organization 🕐 Aktualisiert 2026-08-14 📅 Erstellt 2017-02-10
32
EpistasisLab/pmlb

PMLB: Ein großes, kuratiertes Repository von Benchmark-Datensätzen zur Bewertung überwacher Lern-Algorithmen im maschinellen Lernen.

EpistasisLab
⭐ 866 Python 👤 EpistasisLab Organization 🕐 Aktualisiert 2025-02-25 📅 Erstellt 2016-11-11
33
alteryx/evalml

EvalML ist eine AutoML-Bibliothek, die in Python geschrieben ist.

alteryx
⭐ 852 Python 👤 alteryx Organization 🕐 Aktualisiert 2026-01-14 📅 Erstellt 2019-07-17
34
tidymodels/tidymodels

Einfach die tidymodels-Pakete installieren und laden

tidymodels
⭐ 824 R 👤 tidymodels Organization 🕐 Aktualisiert 2026-09-17 📅 Erstellt 2018-07-05
35
ashishpatel26/Amazing-Feature-Engineering

Feature Engineering ist der Prozess, Domain-Wissen zu nutzen, um Features aus Rohdaten mittels Data-Mining-Techniken zu extrahieren. Diese Features können verwendet werden, um die Leistung von Machine-Learning-Algorithmen zu verbessern. Feature Engineering kann als angewandtes Machine Learning selbst betrachtet werden.

ashishpatel26
⭐ 794 Jupyter Notebook 👤 ashishpatel26 User 🕐 Aktualisiert 2025-06-29 📅 Erstellt 2019-02-19
37
jeongyoonlee/Kaggler

Code für Kaggle Data Science Wettbewerbe

jeongyoonlee
⭐ 751 Python 👤 jeongyoonlee User 🕐 Aktualisiert 2024-04-25 📅 Erstellt 2015-01-28
38
muaimingjun/bigData

Big-Data-Wettbewerbs-Projektbibliothek

muaimingjun
⭐ 734 Python 👤 muaimingjun User 🕐 Aktualisiert 2025-05-07 📅 Erstellt 2019-10-14
39
Meesho/BharatMLStack

BharatMLStack ist ein Open-Source-, End-to-End-Machine-Learning-Infrastruktur-Stack, der bei Meesho entwickelt wurde, um Echtzeit- und Batch-ML-Workloads in Bharat-Größe zu unterstützen

Meesho
⭐ 716 Go 👤 Meesho Organization 🕐 Aktualisiert 2026-11-14 📅 Erstellt 2025-05-23
40
google/temporian

Temporian ist eine Open-Source-Python-Bibliothek zur Vorverarbeitung ⚡ und Feature-Engineering 🛠 temporaler Daten 📈 für maschinelles Lernanwendungen 🤖

google
⭐ 711 Python 👤 google Organization 🕐 Aktualisiert 2025-10-29 📅 Erstellt 2023-01-17
41
v1tzor/TimePlanner

Völlig kostenlose, bequeme und schnelle tägliche Aufgabenplanung

v1tzor
⭐ 708 Kotlin 👤 v1tzor User 🕐 Aktualisiert 2026-08-30 📅 Erstellt 2023-05-08
42
featurestoreorg/serverless-ml-course

Serverless Machine Learning Kurs zum Erstellen von KI-gestützten Vorhersagediensten aus Modellen und Features

featurestoreorg
⭐ 678 Jupyter Notebook 👤 featurestoreorg Organization 🕐 Aktualisiert 2024-09-24 📅 Erstellt 2022-09-01
43
AutoViML/featurewiz

Nutzen Sie fortgeschrittene Feature-Engineering-Strategien und wählen Sie mit einer einzigen Codezeile die besten Features aus Ihrem Datensatz aus. Erstellt von Ram Seshadri. Mitarbeiter willkommen.

AutoViML
⭐ 677 Python 👤 AutoViML User 🕐 Aktualisiert 2025-02-19 📅 Erstellt 2020-11-29
44
abstractqqq/polars_ds_extension

Polars-Erweiterung für allgemeine Data-Science-Anwendungsfälle

abstractqqq
⭐ 661 Rust 👤 abstractqqq User 🕐 Aktualisiert 2026-11-18 📅 Erstellt 2023-10-30
45
syncora-ai/Synthetic-AI-Developer-Productivity-Dataset

Hochwertiger synthetischer Datensatz zur Erfassung von KI-Entwicklerproduktivitätsmetriken – einschließlich Fokusstunden, Aufgabenerledigungsquoten und Burnout-Anzeichen. Datenschutzsicher, ideal für ML- und Workflow-Analysen.

syncora-ai
⭐ 657 Jupyter Notebook 👤 syncora-ai User 🕐 Aktualisiert 2025-09-04 📅 Erstellt 2025-07-31
46
NathanEpstein/Dora

Tools für explorative Datenanalyse in Python

NathanEpstein
⭐ 647 Python 👤 NathanEpstein User 🕐 Aktualisiert 2025-08-05 📅 Erstellt 2016-02-16
47
achuthasubhash/Complete-Life-Cycle-of-a-Data-Science-Project

Vollständiger Lebenszyklus eines Data-Science-Projekts

achuthasubhash
⭐ 631 👤 achuthasubhash User 🕐 Aktualisiert 2024-06-07 📅 Erstellt 2020-09-02
48
Western-OC2-Lab/AutoML-Implementation-for-Static-and-Dynamic-Data-Analytics

Implementierung/Tutorial zur Verwendung automatisierter maschineller Lernmethoden (AutoML) für statisches/Batch- und Online/kontinuierliches Lernen

Western-OC2-Lab
⭐ 629 Jupyter Notebook 👤 Western-OC2-Lab Organization 🕐 Aktualisiert 2024-05-14 📅 Erstellt 2022-09-09
49
tidymodels/recipes

Pipeline-fähige Schritte für Feature-Engineering und Daten-Vorverarbeitung zur Vorbereitung auf das Modellieren

tidymodels
⭐ 626 R 👤 tidymodels Organization 🕐 Aktualisiert 2026-09-17 📅 Erstellt 2016-12-16

Häufig gestellte Fragen

1

Welches ist das beliebteste #feature-engineering-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#feature-engineering-Projekt auf GitHub ist EpistasisLab/tpot mit 10,051 Sternen. Ein Python-basiertes Automated-Machine-Learning-Tool, das Machine-Learning-Pipelines mit genetischer Programmierung optimiert.

2

Welche Programmiersprachen werden in #feature-engineering-Repositories am häufigsten verwendet?

Unter den am höchsten eingestuften #feature-engineering-Projekten auf GitHub sind Python, Jupyter Notebook, Scala, Java die am häufigsten verwendeten Programmiersprachen.

3

Wie wird das Ranking der #feature-engineering-Repositories berechnet?

Wir verfolgen 56 aktive Open-Source-Repositories, die mit #feature-engineering getaggt sind (500+ Sterne), mit insgesamt 95,158 Sternen und durchschnittlich 1,699 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.