#data-cleaning Repositorios
Descubre 33 repositorios activos de código abierto de GitHub etiquetados con #data-cleaning, que acumulan 83,468 estrellas en total (una media de 2,529 estrellas por proyecto). El líder de este tema es cleanlab/cleanlab, con 11,755 estrellas.
33 repositorios en total
La biblioteca de código abierto de Cleanlab es el paquete estándar de IA centrado en datos para la calidad de datos y el aprendizaje automático con datos y etiquetas desordenados del mundo real.
Miller es como awk, sed, cut, join y sort para datos indexados por nombre como CSV, TSV y JSON tabular.
[SIGMOD'27] Preparación sencilla de datos con los operadores y pipelines más recientes basados en LLM.
Una biblioteca ligera, flexible y expresiva para pruebas de datos estadísticos
:truck: Flujos de trabajo de preparación de datos ágiles hechos fáciles con Pandas, Dask, cuDF, Dask-cuDF, Vaex y PySpark
El kit de herramientas de transformación y análisis de datos en JavaScript inspirado en Pandas y LINQ.
Aprender análisis de datos de forma práctica centrado en proyectos, con puntos de conocimiento integrados, para lograr mejores resultados de aprendizaje a través del aprendizaje, la práctica y la guía
Crea un almacén de datos en SQL Server a partir de dos sistemas de origen, un CRM y un ERP, pasando por las capas bronze, silver y gold. Archivos y scripts del proyecto completo y gratuito.
Un modelo de chat educativo de código abierto de ICALK, East China Normal University. Gran modelo de diálogo educativo chino-inglés de código abierto. (Modelo base universal, implementación en GPU, limpieza de datos) Homenaje a: LLaMA, MOSS, BELLE, Ziya, vLLM
Análisis Exploratorio de Datos Práctico con Python, publicado por Packt
Lista de artículos continuamente actualizada sobre avances en Data Agents. Repositorio compañero de nuestro artículo "A Survey of Data Agents: Emerging Paradigm or Overstated Hype?"
Implementación en C# .NET de la coincidencia de cadenas difusa del algoritmo Python FuzzyWuzzy bien conocido de Seat Geek.
Sistema de ML de calidad de producción para la detección automatizada de errores de unidad de medida | Precisión del 88-92% | Autonomía del 94% | Flujo de trabajo KNIME
Analiza los nombres de personas y separa el tratamiento, el nombre, el segundo nombre, los apellidos, el sufijo, el apodo y el apellido de soltera. Con tipado, sin dependencias y compatible con caracteres CJK.
Esta herramienta ha sido desarrollada por Md Saddam (YT-Saddam Tech).
Código fuente y datos para el rastreador de muertes excesivas por COVID-19 de The Economist
Repositorio para contenido de Community Mentor relacionado con la Especialización en Data Science de la Universidad Johns Hopkins en Coursera
Para el plugin de VSCode AugmentCode con recargas ilimitadas. Una herramienta que te permite usar el plugin de VSCode AugmentCode de forma indefinida.
Un modelo basado en SAM para la segmentación de instancias de imágenes de granos
Un paquete de validación de esquemas de JavaScript que admite la validación directa de objetos modificadores de actualización de MongoDB
Biblioteca Python fácil de usar con funciones personalizadas para limpiar y analizar datos.
Desbordante es un perfilador de datos de alto rendimiento capaz de descubrir muchos patrones diferentes en los datos mediante diversos algoritmos. También permite ejecutar escenarios de limpieza de datos utilizando estos algoritmos. Desbordante cuenta con una versión de consola y una aplicación web fácil de usar.
Schema-Inspector es un módulo simple de saneamiento y validación de objetos JavaScript.
Preguntas frecuentes
¿Cuál es el repositorio de #data-cleaning más popular en GitHub?
El proyecto de código abierto de #data-cleaning mejor posicionado en GitHub es cleanlab/cleanlab, con 11,755 estrellas. La biblioteca de código abierto de Cleanlab es el paquete estándar de IA centrado en datos para la calidad de datos y el aprendizaje automático con datos y etiquetas desordenados del mundo real.
¿Qué lenguajes de programación se utilizan más en los repositorios de #data-cleaning?
Entre los proyectos de #data-cleaning mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, TypeScript, R.
¿Cómo se calcula la clasificación de los repositorios de #data-cleaning?
Seguimos 33 repositorios activos de código abierto etiquetados con #data-cleaning (500+ estrellas), que suman un total de 83,468 estrellas, con una media de 2,529 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.