#data Repositorios
Descubre 232 repositorios activos de código abierto de GitHub etiquetados con #data, que acumulan 1,106,761 estrellas en total (una media de 4,770 estrellas por proyecto). El líder de este tema es D4Vinci/Scrapling, con 104,760 estrellas.
232 repositorios en total
🕷️ ¡El MEJOR framework de web scraping, capaz de gestionar desde una sola solicitud hasta un rastreo a gran escala! No seas tímido: únete aquí https://discord.gg/EMgGbDceNQ y síguenos aquí para recibir consejos y trucos a diario: https://x.com/Scrapling_dev
El desafío de programación '30 Días de Python' es una guía paso a paso para aprender el lenguaje de programación Python en 30 días. Este desafío puede tomar más de 100 días. Sigue tu propio ritmo. Estos videos también pueden ser de ayuda: https://www.youtube.com/channel/UC7PNRuno1rzYPb1xLa4yktw
🤖 Potente gestión asíncrona de estados, utilidades de estado del servidor y recuperación de datos para la web. TS/JS, React Query, Solid Query, Svelte Query y Vue Query.
La herramienta de Business Intelligence y análisis integrados de código abierto fácil de usar que permite a todos trabajar con datos :bar_chart:
Este es un repositorio con enlaces a todo lo que jamás querrías aprender sobre ingeniería de datos
📗 SheetJS Spreadsheet Data Toolkit -- Nuevo hogar https://git.sheetjs.com/SheetJS/sheetjs
Prefect es un marco de orquestación de flujos de trabajo para construir tuberías de datos resilientes en Python.
Chatea con tu base de datos o tu datalake (SQL, CSV, parquet). PandasAI hace que el análisis de datos sea conversacional utilizando LLMs y RAG.
AKShare es una biblioteca de interfaz de datos financieros elegante y simple para Python, ¡construida para humanos! Biblioteca de interfaz de datos financieros de código abierto
Movimiento de datos de código abierto para pipelines ELT y agentes de IA — de APIs, bases de datos y archivos a almacenes, lagos y aplicaciones de IA. Tanto autoalojado como Cloud.
Una lista curada de increíbles frameworks de big data, recursos y otras maravillas.
PRQL es un lenguaje moderno para transformar datos, un reemplazo de SQL simple, potente y basado en canalizaciones.
:card_index: Un generador simple de datos falsos para C#, F# y VB.NET. Basado en y portado desde el famoso faker.js.
Una interfaz web para crear visualizaciones personalizadas basadas en vectores sobre el núcleo de RAWGraphs
🧙 Cree, ejecute y administre pipelines de datos para integrar y transformar datos.
[SIGMOD'27] Preparación sencilla de datos con los operadores y pipelines más recientes basados en LLM.
Lista de pasantías y empleos para nuevos graduados en IA/ML 2027 actualizada diariamente
Pipelines de datos para la configuración en la nube y los datos de seguridad. Desarrolle soluciones de inventario de activos en la nube, CSPM, FinOps y gestión de vulnerabilidades. Extracción de datos de AWS, Azure, GCP y más de 70 fuentes cloud y SaaS.
¡El hogar del lenguaje CUE! Valida y define configuraciones basadas en texto y dinámicas
Data Load Tool (dlt) es una biblioteca Python de código abierto que facilita la carga de datos 🛠️
Datos de compatibilidad del navegador para tecnologías web tal como se muestran en MDN
Una plataforma de compartición de conocimiento curada de próxima generación para científicos de datos y otras profesiones técnicas.
🚀 Glide Data Grid es una cuadrícula de datos de React sin concesiones y extremadamente rápida con renderizado enriquecido, accesibilidad de primera clase y soporte completo de TypeScript.
Superduper: Framework de extremo a extremo para la creación de aplicaciones y agentes de IA personalizados.
CKAN es un DMS (sistema de gestión de datos) de código abierto para impulsar centros de datos y portales de datos. CKAN facilita la publicación, el intercambio y el uso de datos. Alimenta catalog.data.gov, open.canada.ca/data, data.humdata.org entre muchos otros sitios.
Mimesis es una biblioteca de Python para generar datos falsos pero realistas en múltiples idiomas y configuraciones regionales.
Lista curada de conjuntos de datos y herramientas para entrenamiento posterior.
DeepAnalyze es el primer LLM agéntico para la ciencia de datos autónoma. 🎈 ¡Tu analista de datos de IA que analiza automáticamente grandes cantidades de datos y genera informes de análisis profesionales con un solo clic!
TFDS es una colección de conjuntos de datos listos para usar con TensorFlow, Jax, ...
Analizador de metadatos YAML más inteligente, utilizado por metalsmith, Gatsby, Netlify, Assemble, mapbox-gl, phenomic, vuejs vitepress, TinaCMS, Shopify Polaris, Ant Design, Astro, hashicorp, garden, slidev, saber, sourcegraph y muchos otros. Fácil de usar y probado en batalla. Analiza YAML por defecto, pero también puede analizar JSON Front Matter, Coffee Front Matter, TOML Front Matter y tiene soporte para analizadores personalizados. Por favor, siga al autor de gray-matter: https://github.com/jonschlinkert
Framework RAG (Retrieval Augmented Generation) para construir aplicaciones modulares de código abierto para producción por TrueFoundry
Preswald es un empaquetador WASM para aplicaciones de datos interactivas basadas en Python: empaquete flujos de trabajo de datos complejos completos, en particular visualizaciones, en archivos únicos, ejecutables completamente en el navegador, utilizando Pyodide, DuckDB, Pandas y Plotly, Matplotlib, etc. Cree paneles, informes y cuadernos que se ejecuten sin conexión, carguen rápido y se compartan como un documento.
Un marco para recopilar y analizar datos de mercado de predicción, que incluye el conjunto de datos público más grande disponible sobre los mercados y transacciones de Polymarket y Kalshi.
Preguntas frecuentes
¿Cuál es el repositorio de #data más popular en GitHub?
El proyecto de código abierto de #data mejor posicionado en GitHub es D4Vinci/Scrapling, con 104,760 estrellas. 🕷️ ¡El MEJOR framework de web scraping, capaz de gestionar desde una sola solicitud hasta un rastreo a gran escala! No seas tímido: únete aquí https://discord.gg/EMgGbDceNQ y síguenos aquí para recibir consejos y trucos a diario: https://x.com/Scrapling_dev
¿Qué lenguajes de programación se utilizan más en los repositorios de #data?
Entre los proyectos de #data mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, TypeScript, JavaScript, Rust.
¿Cómo se calcula la clasificación de los repositorios de #data?
Seguimos 232 repositorios activos de código abierto etiquetados con #data (500+ estrellas), que suman un total de 1,106,761 estrellas, con una media de 4,770 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.