#tabular-data Repositories
Entdecke 48 aktive Open-Source-GitHub-Repositories, die mit #tabular-data getaggt sind und insgesamt 136,778 Sterne gesammelt haben (durchschnittlich 2,849 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist bvaughn/react-virtualized mit 27,072 Sternen.
Insgesamt 48 Repositories
React-Komponenten für die effiziente Darstellung großer Listen und Tabellendaten
Miller ist wie awk, sed, cut, join und sort für namenindizierte Daten wie CSV, TSV und tabellarisches JSON.
Out-of-Core Hybrid-Apache-Arrow/NumPy-DataFrame für Python, ML, Visualisierung und Exploration großer tabellarischer Daten mit einer Milliarde Zeilen pro Sekunde 🚀
Eine schnelle Bibliothek für AutoML und Tuning. Treten Sie unserem Discord bei: https://discord.gg/Cppx2vSPVP.
Eine schnelle und schlanke, ohne Konfiguration nutzbare Virtual-List-, Grid- und Masonry-Komponente für React, Vue, Solid, Svelte und Angular.
Eine leichtgewichtige TUI-Anwendung zur Anzeige und Abfrage von tabellarischen Datendateien wie CSV, TSV und Parquet.
PyTorch-Implementierung des TabNet-Papiers: https://arxiv.org/pdf/1908.07442.pdf
🍞🔡 Die leistungsstarke Komponente zum Anzeigen und Bearbeiten von Daten. Erleben Sie den ultimativen Daten-Transformer!
SDG ist ein spezialisiertes Framework, das zur Generierung von hochwertigen strukturierten tabellarischen Daten entwickelt wurde.
📺(tv) Tidy Viewer ist ein plattformübergreifender CLI-CSV-Pretty-Printer, der Spaltenstyling verwendet, um die Freude des Betrachters zu maximieren.
Umfassende und zeitnahe akademische Informationen zum föderierten Lernen (Paper, Frameworks, Datensätze, Tutorials, Workshops)
Ein einheitliches Framework für Deep-Learning-Modelle auf tabellarischen Daten
Was steckt in Ihren Daten? Extrahieren Sie Schemata, Statistiken und Entitäten aus Datensätzen
Ein flexibles Paket für multimodal-deep-learning, um tabellarische Daten mit Text und Bildern unter Verwendung von Wide- und Deep-Modellen in Pytorch zu kombinieren
Transformers4Rec ist eine flexible und effiziente Bibliothek für sequentielle und sessionsbasierte Empfehlungen, die mit PyTorch funktioniert.
ktrain ist eine Python-Bibliothek, die Deep Learning und KI zugänglicher und einfacher anzuwenden macht
Implementierung von TabTransformer, einem Aufmerksamkeitsnetzwerk für tabellarische Daten, in Pytorch
Machine Learning University: Beschleunigter Kurs für tabellarische Daten
Ein umfassendes Toolkit und Benchmark für das Lernen von Tabellendaten, das über 35 Deep-Learning-Methoden, mehr als 10 klassische Methoden und 300 verschiedene Tabellendatensätze umfasst.
Eine Bibliothek zur Generierung und Bewertung synthetischer tabellarischer Daten für Datenschutz, Fairness und Datenanreicherung.
Wir sammeln Arbeiten über „große Sprachmodelle (LLM) für tabellenbezogene Aufgaben“, z. B. die Verwendung von LLM für die Table QA-Aufgabe. „Tabelle + LLM“-bezogene Papiersammlung
Dieses Projekt zielt darauf ab, Open-Source-Datensätze für Tabellenintelligenzaufgaben (wie Tabellen-Frage-Antwort, Tabellen-zu-Text-Generierung usw.) zu sammeln, Rohdaten in ein Instruktions-Fine-Tuning-Format zu bringen und LLMs feinabzustimmen, um deren Verständnis von Tabellendaten zu verbessern und schließlich große Sprachmodelle zu entwickeln, die speziell auf Tabellenintelligenzaufgaben ausgerichtet sind.
Multimodales Modell für Text- und tabellarische Daten mit HuggingFace-Transformern als Baustein für Textdaten
Demo zur Generierung synthetischer Daten unter Verwendung eines britischen Einzelhandels-Transaktionsdatensatzes. Ideal für Fachleute in den Sektoren Einzelhandel, E-Commerce, Finanzen und Lieferkette, die Datenschutz bewahrende, realistische synthetische Daten für Tests, Analysen und maschinelles Lernen erstellen möchten.
Wir kennen GANs für ihre Erfolge bei der realistischen Bilderzeugung. Sie können jedoch auch zur Erzeugung tabellarischer Daten angewendet werden. Wir werden einige neuere Arbeiten zu tabellarischen GANs in Aktion überprüfen und untersuchen.
Desbordante ist ein leistungsstarker Datenprofiler, der mithilfe verschiedener Algorithmen viele unterschiedliche Muster in Daten erkennen kann. Außerdem können mit diesen Algorithmen Szenarien zur Datenbereinigung ausgeführt werden. Desbordante ist als Konsolenversion und als benutzerfreundliche Webanwendung verfügbar.
Toolkit zur Datenvalidierung und zur Bewertung und Überwachung der Datenqualität.
Häufig gestellte Fragen
Welches ist das beliebteste #tabular-data-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#tabular-data-Projekt auf GitHub ist bvaughn/react-virtualized mit 27,072 Sternen. React-Komponenten für die effiziente Darstellung großer Listen und Tabellendaten
Welche Programmiersprachen werden in #tabular-data-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #tabular-data-Projekten auf GitHub sind Python, TypeScript, Jupyter Notebook, Rust die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #tabular-data-Repositories berechnet?
Wir verfolgen 48 aktive Open-Source-Repositories, die mit #tabular-data getaggt sind (500+ Sterne), mit insgesamt 136,778 Sternen und durchschnittlich 2,849 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.