Git Stars Git Stars

#data-engineering Repositorios

152
Total de Repositorios
727,632
Total de estrellas
4,787
Promedio de Estrellas/Repo

152 repositorios en total

51
apache/hamilton

Apache Hamilton ayuda a los científicos e ingenieros de datos a definir flujos de datos probables, modulares y autodocumentados, que codifican el linaje/seguimiento y los metadatos. Se ejecuta y escala en cualquier lugar donde lo haga python.

apache
⭐ 2,631 Jupyter Notebook 👤 apache Organization 🕐 Actualizado 2026-11-16 📅 Creado 2023-02-23
52
sodadata/soda-core

Motor de Contratos de Datos para la pila de datos moderna. https://www.soda.io

sodadata
⭐ 2,463 Python 👤 sodadata Organization 🕐 Actualizado 2026-11-21 📅 Creado 2020-12-14
53
metarank/metarank

Un servicio de aprendizaje automático de bajo código para clasificar de forma personalizada artículos, listados, resultados de búsqueda, recomendaciones que impulsa la participación del usuario. Un motor amigable de Aprender para Clasificar

metarank
⭐ 2,461 Scala 👤 metarank Organization 🕐 Actualizado 2026-10-06 📅 Creado 2020-08-19
54
running-elephant/datart

Datart es una plataforma abierta de visualización de datos de próxima generación

running-elephant
⭐ 2,288 TypeScript 👤 running-elephant Organization 🕐 Actualizado 2025-02-10 📅 Creado 2021-10-15
55
bytewax/bytewax

Procesamiento de flujos de Python

bytewax
⭐ 2,074 Python 👤 bytewax Organization 🕐 Actualizado 2026-11-13 📅 Creado 2022-02-04
56
data-engineering-community/data-engineering-wiki

El mejor lugar para aprender ingeniería de datos. Construido y mantenido por la comunidad de ingeniería de datos.

data-engineering-community
⭐ 2,067 CSS 👤 data-engineering-community Organization 🕐 Actualizado 2026-09-15 📅 Creado 2021-05-04
57
getnao/nao

👾 nao es la solución de BI agéntica de código abierto número uno. (1) Crea contexto con la CLI de nao-core; (2) implementa la interfaz de chat de nao para todos.

getnao
⭐ 2,034 TypeScript 👤 getnao Organization 🕐 Actualizado 2026-11-20 📅 Creado 2025-12-30
58
Datus-ai/Datus-agent

El futuro de la ingeniería de datos: un cliente SQL de línea de comandos para el stack de datos moderno que permite una ingeniería de contexto nativa de IA para los datos.

Datus-ai
⭐ 1,932 Python 👤 Datus-ai Organization 🕐 Actualizado 2026-11-20 📅 Creado 2025-07-04
59
feathr-ai/feathr

Feathr – Una plataforma de ingeniería de datos e IA escalable y unificada para empresas

feathr-ai
⭐ 1,916 Scala 👤 feathr-ai Organization 🕐 Actualizado 2024-04-04 📅 Creado 2022-02-18
60
dbt-labs/dbt-utils

Funciones de utilidad para proyectos de dbt.

dbt-labs
⭐ 1,837 Makefile 👤 dbt-labs Organization 🕐 Actualizado 2026-11-21 📅 Creado 2017-07-16
61
kiwenlau/hadoop-cluster-docker

Ejecutar clúster de Hadoop dentro de contenedores Docker

kiwenlau
⭐ 1,827 Shell 👤 kiwenlau User 🕐 Actualizado 2024-07-01 📅 Creado 2015-05-21
62
OBenner/data-engineering-interview-questions

Más de 2000 preguntas de entrevista para ingenieros de datos.

OBenner
⭐ 1,815 Python 👤 OBenner User 🕐 Actualizado 2026-01-13 📅 Creado 2021-08-08
63
Hiflylabs/awesome-dbt

Una lista curada de impresionantes recursos de dbt

Hiflylabs
⭐ 1,754 👤 Hiflylabs Organization 🕐 Actualizado 2026-11-17 📅 Creado 2021-10-09
64
benthecoder/yt-channels-DS-AI-ML-CS

Una lista completa de más de 180 canales de YouTube sobre ciencia de datos, ingeniería de datos, aprendizaje automático, aprendizaje profundo, informática, programación, ingeniería de software, etc.

benthecoder
⭐ 1,732 👤 benthecoder User 🕐 Actualizado 2026-07-19 📅 Creado 2021-06-14
65
DataWithBaraa/sql-ultimate-course

Los materiales del curso gratuito de SQL de 30 horas: las bases de datos de SQL Server, MySQL y PostgreSQL, todas las consultas de los 41 capítulos y las diapositivas.

DataWithBaraa
⭐ 1,711 TSQL 👤 DataWithBaraa User 🕐 Actualizado 2026-11-06 📅 Creado 2025-03-18
66
mlrun/mlrun

MLRun es una plataforma de MLOps de código abierto para construir y gestionar rápidamente aplicaciones de ML continuas a lo largo de su ciclo de vida. MLRun se integra en su entorno de desarrollo y CI/CD y automatiza la entrega de datos de producción, tuberías de ML y aplicaciones en línea.

mlrun
⭐ 1,703 Python 👤 mlrun Organization 🕐 Actualizado 2026-11-20 📅 Creado 2019-09-01
67
Multiwoven/multiwoven

🔥🔥🔥 Reverse ETL de código abierto - alternativa a hightouch y census.

Multiwoven
⭐ 1,685 Ruby 👤 Multiwoven Organization 🕐 Actualizado 2026-11-18 📅 Creado 2023-10-20
68
Kaelio/ktx

ktx es una capa de contexto ejecutable para agentes de datos y análisis 🐙 Permite que Claude Code, Codex u otros agentes de IA consulten bases de datos analíticas con precisión y con el contexto completo de su empresa

Kaelio
⭐ 1,633 TypeScript 👤 Kaelio Organization 🕐 Actualizado 2026-11-18 📅 Creado 2026-05-10
69
kantord/just-dashboard

:bar_chart: :clipboard: Tableros utilizando archivos YAML o JSON

kantord
⭐ 1,587 TypeScript 👤 kantord User 🕐 Actualizado 2026-02-21 📅 Creado 2018-01-18
70
quixio/quix-streams

DataFrames de streaming de Python para Kafka

quixio
⭐ 1,582 Python 👤 quixio Organization 🕐 Actualizado 2026-11-18 📅 Creado 2022-11-17
71
JeffSackmann/tennis_atp

Clasificaciones, Resultados y Estadísticas de Tenis de la ATP

JeffSackmann
⭐ 1,577 👤 JeffSackmann User 🕐 Actualizado 2026-06-08 📅 Creado 2015-03-13
72
chenditc/investment_data

Scripts y documentación para https://www.dolthub.com/repositories/chenditc/investment_data

chenditc
⭐ 1,571 Python 👤 chenditc User 🕐 Actualizado 2026-11-20 📅 Creado 2022-07-19
73
slothflowlabs/duckle

ETL/ELT de código abierto que puedes implementar en tus propios servidores o en la nube. Basado en DuckDB: pipelines visuales sin código o de bajo código, o SQL; 446 componentes, dbt, CDC, calidad de datos, ETL inverso, linaje y MCP para agentes de IA. Sin nube del proveedor ni facturación por fila.

slothflowlabs
⭐ 1,558 Rust 👤 slothflowlabs Organization 🕐 Actualizado 2026-11-20 📅 Creado 2026-05-21
74
duneanalytics/spellbook

Vistas SQL para Dune

duneanalytics
⭐ 1,529 Python 👤 duneanalytics Organization 🕐 Actualizado 2026-11-21 📅 Creado 2020-01-31
75
pyper-dev/pyper

Python concurrente simplificado

pyper-dev
⭐ 1,521 Python 👤 pyper-dev User 🕐 Actualizado 2025-02-04 📅 Creado 2024-05-22
76
pyjanitor-devs/pyjanitor

APIs limpias para la limpieza de datos. Implementación en Python del paquete R Janitor

pyjanitor-devs
⭐ 1,500 Python 👤 pyjanitor-devs Organization 🕐 Actualizado 2026-11-20 📅 Creado 2018-03-04
77
ashishps1/awesome-engineering-articles

Una colección curada de más de 300 artículos de blog de ingeniería de las principales empresas tecnológicas. Aprende cómo los mejores equipos de ingeniería resuelven problemas del mundo real a escala.

ashishps1
⭐ 1,491 👤 ashishps1 User 🕐 Actualizado 2026-03-01 📅 Creado 2026-02-15
78
lvgalvao/data-engineering-roadmap

Formación Profesional en Ingeniería de Datos e IA

lvgalvao
⭐ 1,451 Python 👤 lvgalvao User 🕐 Actualizado 2026-05-12 📅 Creado 2024-01-16
79
opendatadiscovery/odd-platform

La primera plataforma de código abierto para el descubrimiento y la observabilidad de datos. Facilitamos la vida de los profesionales de datos para que puedas concentrarte en tu negocio.

opendatadiscovery
⭐ 1,441 Java 👤 opendatadiscovery Organization 🕐 Actualizado 2026-10-19 📅 Creado 2021-07-07
80
GoogleCloudPlatform/data-science-on-gcp

Código fuente que acompaña al libro: Ciencia de datos en Google Cloud Platform, Valliappa Lakshmanan, O'Reilly 2017

GoogleCloudPlatform
⭐ 1,432 Jupyter Notebook 👤 GoogleCloudPlatform Organization 🕐 Actualizado 2026-02-20 📅 Creado 2017-02-10
81
zapret-info/z-i

Registro de direcciones de Internet filtradas en la Federación Rusa

zapret-info
⭐ 1,388 👤 zapret-info User 🕐 Actualizado 2025-10-01 📅 Creado 2012-11-19
82
quiltdata/quilt

Quilt es una Plataforma de Gestión de Datos Científicos en AWS que ayuda a equipos e IA a encontrar, confiar y reutilizar datos a través de paquetes de datos profundamente versionados y ricos en contexto.

quiltdata
⭐ 1,373 TypeScript 👤 quiltdata Organization 🕐 Actualizado 2026-11-21 📅 Creado 2017-02-10
83
spark-examples/pyspark-examples

Ejemplos de PySpark RDD, DataFrame y Dataset en lenguaje Python

spark-examples
⭐ 1,371 Python 👤 spark-examples Organization 🕐 Actualizado 2025-12-07 📅 Creado 2019-11-26
84
gtoonstra/etl-with-airflow

Mejores prácticas de ETL con Airflow, con ejemplos

gtoonstra
⭐ 1,353 Shell 👤 gtoonstra User 🕐 Actualizado 2024-09-25 📅 Creado 2016-10-16
85
Sniper970119/dianping_spider

Crawler de Dianping (se puede rastrear en todo el sitio, resuelve el cifrado de fuentes dinámicas, no OCR). Actualización continua

Sniper970119
⭐ 1,329 Python 👤 Sniper970119 User 🕐 Actualizado 2026-11-03 📅 Creado 2021-01-22
86
Data-Learn/data-engineering

Primeros Pasos con la Ingeniería de Datos

Data-Learn
⭐ 1,323 Python 👤 Data-Learn Organization 🕐 Actualizado 2025-04-20 📅 Creado 2020-05-14
87
bitol-io/open-data-contract-standard

Hogar del Estándar de Contratos de Datos Abiertos (ODCS).

bitol-io
⭐ 1,238 Shell 👤 bitol-io Organization 🕐 Actualizado 2026-11-17 📅 Creado 2023-06-27
88
abhishek-ch/around-dataengineering

Un centro de conocimiento de ingeniería de datos y aprendizaje automático

abhishek-ch
⭐ 1,140 Python 👤 abhishek-ch User 🕐 Actualizado 2024-02-02 📅 Creado 2020-09-18
89
daochenzha/data-centric-AI

Una lista seleccionada, pero incompleta, de recursos de IA centrados en datos.

daochenzha
⭐ 1,138 👤 daochenzha User 🕐 Actualizado 2024-06-26 📅 Creado 2023-03-07
90
datacontract/datacontract-cli

Pruebas de contratos de datos de código abierto para Snowflake, Databricks, BigQuery, Kafka y otras 15 plataformas. Basadas en el Estándar Abierto de Contratos de Datos (ODCS). Licencia MIT.

datacontract
⭐ 1,114 JavaScript 👤 datacontract Organization 🕐 Actualizado 2026-11-18 📅 Creado 2023-07-24
91
youngwookim/awesome-hadoop

Una lista curada de recursos increíblemente geniales de Hadoop y del ecosistema Hadoop

youngwookim
⭐ 1,113 👤 youngwookim User 🕐 Actualizado 2024-05-07 📅 Creado 2014-07-08
92
DataWithBaraa/sql-data-warehouse-project

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.

DataWithBaraa
⭐ 1,089 TSQL 👤 DataWithBaraa User 🕐 Actualizado 2026-11-06 📅 Creado 2024-12-30
93
JohnSnowLabs/spark-nlp-workshop

Ejemplos públicos ejecutables de uso de NLP de John Snow Labs para Apache Spark.

JohnSnowLabs
⭐ 1,089 Jupyter Notebook 👤 JohnSnowLabs Organization 🕐 Actualizado 2026-11-17 📅 Creado 2018-08-20
94
mattm/sql-style-guide

Una guía subjetiva para escribir SQL limpio y mantenible.

mattm
⭐ 1,088 👤 mattm User 🕐 Actualizado 2025-01-14 📅 Creado 2019-03-27
95
nijikokun/generate-schema

🧞 Convierta objetos JSON a MySQL, JSON Schema, Mongoose, Google BigQuery, Swagger y más.

nijikokun
⭐ 1,067 JavaScript 👤 nijikokun User 🕐 Actualizado 2024-01-30 📅 Creado 2015-02-16
96
opendatadiscovery/awesome-data-catalogs

📙 Impresionantes catálogos de datos y plataformas de observabilidad.

opendatadiscovery
⭐ 1,059 👤 opendatadiscovery Organization 🕐 Actualizado 2025-08-14 📅 Creado 2021-07-14
97
DataTalksClub/stock-markets-analytics-zoomcamp

Materiales del curso de Análisis en Mercados Bursátiles Zoomcamp

DataTalksClub
⭐ 1,052 Jupyter Notebook 👤 DataTalksClub Organization 🕐 Actualizado 2026-10-30 📅 Creado 2024-02-14
99
dataform-co/dataform

Dataform es un framework para gestionar operaciones de datos basadas en SQL en BigQuery.

dataform-co
⭐ 998 TypeScript 👤 dataform-co Organization 🕐 Actualizado 2026-11-20 📅 Creado 2018-09-03
100
estuary/flow

🌊 Sincronice continuamente los sistemas donde residen sus datos con los sistemas donde _desea_ que residan, gestionando sus flujos de datos con Estuary. 🌊

estuary
⭐ 995 Rust 👤 estuary Organization 🕐 Actualizado 2026-11-21 📅 Creado 2020-02-13