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

101
latitude-dev/latitude

Análisis integrados para desarrolladores

latitude-dev
⭐ 949 TypeScript 👤 latitude-dev Organization 🕐 Actualizado 2024-09-30 📅 Creado 2024-01-31
102
youssefHosni/Awesome-AI-Data-GitHub-Repos

Una colección de los repositorios de Github más importantes para profesionales de ML, IA y ciencia de datos

youssefHosni
⭐ 946 👤 youssefHosni User 🕐 Actualizado 2024-12-24 📅 Creado 2023-05-09
103
odpi/egeria

La plataforma central de Project Egeria, que ofrece compatibilidad con Open Metadata y Governance. Cuenta con un sistema de tipos abierto, un grafo de conocimiento distribuido, API REST, gobernanza inteligente y contenido predefinido.

odpi
⭐ 925 Java 👤 odpi Organization 🕐 Actualizado 2026-11-18 📅 Creado 2018-05-31
104
natayadev/dataengineering-roadmap

Un repositorio más con conceptos básicos, desafíos técnicos y recursos sobre ingeniería de datos en español 🧙✨

natayadev
⭐ 919 👤 natayadev User 🕐 Actualizado 2026-02-28 📅 Creado 2023-11-24
105
luisguiserrano/manning

Repositorio para el libro Grokking Machine Learning, por Manning Editors

luisguiserrano
⭐ 917 Jupyter Notebook 👤 luisguiserrano User 🕐 Actualizado 2026-11-02 📅 Creado 2019-03-25
106
pyspark-ai/pyspark-ai

SDK en inglés para Apache Spark

pyspark-ai
⭐ 879 Python 👤 pyspark-ai Organization 🕐 Actualizado 2026-10-27 📅 Creado 2023-04-27
107
bacalhau-project/bacalhau

Framework impulsado por la comunidad, simple pero potente para un cálculo distribuido rápido y rentable sobre datos.

bacalhau-project
⭐ 878 Go 👤 bacalhau-project Organization 🕐 Actualizado 2026-11-19 📅 Creado 2021-11-05
108
CloudWise-OpenSource/FlyFish

FlyFish es una plataforma de codificación de visualización de datos. Podemos crear un modelo de datos rápidamente de una manera sencilla y generar rápidamente un conjunto de soluciones de visualización de datos mediante arrastrar y soltar.

CloudWise-OpenSource
⭐ 877 JavaScript 👤 CloudWise-OpenSource Organization 🕐 Actualizado 2024-06-11 📅 Creado 2021-10-08
109
flow-php/flow

El framework de procesamiento de datos más avanzado que permite crear pipelines de procesamiento de datos escalables y mover datos entre diversas fuentes y destinos de datos.

flow-php
⭐ 875 PHP 👤 flow-php Organization 🕐 Actualizado 2026-11-20 📅 Creado 2021-05-23
110
NeumTry/NeumAI

Neum AI es un marco de primer nivel para gestionar la creación y sincronización de incrustaciones vectoriales a gran escala.

NeumTry
⭐ 864 Python 👤 NeumTry Organization 🕐 Actualizado 2024-01-15 📅 Creado 2023-09-14
111
frictionlessdata/frictionless-py

Framework de gestión de datos para Python que proporciona funcionalidad para describir, extraer, validar y transformar datos tabulares

frictionlessdata
⭐ 859 Python 👤 frictionlessdata Organization 🕐 Actualizado 2026-10-15 📅 Creado 2014-12-23
112
zoltanctoth/complete-dbt-bootcamp-zero-to-hero

Materiales suplementarios para el curso de Udemy "The Complete dbt (Data Build Tool) Bootcamp"

zoltanctoth
⭐ 842 Python 👤 zoltanctoth User 🕐 Actualizado 2026-10-05 📅 Creado 2022-02-24
113
ssp-data/practical-data-engineering

Ingeniería de datos práctica: una guía de proyectos inmobiliarios prácticos

ssp-data
⭐ 833 Jupyter Notebook 👤 ssp-data Organization 🕐 Actualizado 2026-06-25 📅 Creado 2020-11-18
114
AltimateAI/altimate-code

Harness de ingeniería de datos agentic de código abierto para dbt, SQL y almacenes de datos en la nube. Más de 100 herramientas, 10 almacenes, impulsado por IA.

AltimateAI
⭐ 822 TypeScript 👤 AltimateAI Organization 🕐 Actualizado 2026-11-21 📅 Creado 2026-02-27
115
Nike-Inc/koheesio

Framework de Python para construir pipelines de datos eficientes. Promueve la modularidad y la colaboración, permitiendo la creación de pipelines complejos a partir de componentes simples y reutilizables.

Nike-Inc
⭐ 818 Python 👤 Nike-Inc Organization 🕐 Actualizado 2026-10-17 📅 Creado 2024-05-06
116
astronomer/airflow-guides

Guías y documentación para ayudarte a ponerte en marcha con Apache Airflow.

astronomer
⭐ 816 JavaScript 👤 astronomer Organization 🕐 Actualizado 2025-11-15 📅 Creado 2018-05-17
117
BasPH/data-pipelines-with-apache-airflow

Código para pipelines de datos con Apache Airflow

BasPH
⭐ 810 Python 👤 BasPH User 🕐 Actualizado 2024-08-15 📅 Creado 2019-06-10
118
liuhuanyong/ChainKnowledgeGraph

ChainKnowledgeGraph, el grafo de conocimiento de la cadena industrial incluye empresas cotizadas de acciones A, industrias y productos, un total de 3 tipos de entidades, incluyendo relaciones de pertenencia sectorial de empresas cotizadas, relaciones de industrias superiores, relaciones de materias primas upstream de productos, relaciones de productos downstream, productos principales de la empresa y subcategorías de productos, un total de 6 categorías principales. Empresas cotizadas: 4,654, industrias: 511, productos: 95,559, materias primas upstream: 56,824, industrias superiores: 480, productos downstream: 390, subcategorías de productos: 52,937, industrias de pertenencia: 3,946.

liuhuanyong
⭐ 779 Python 👤 liuhuanyong User 🕐 Actualizado 2025-12-22 📅 Creado 2021-10-26
119
microsoft/sqlworkshops

Talleres de SQL Server

microsoft
⭐ 777 Jupyter Notebook 👤 microsoft Organization 🕐 Actualizado 2024-05-14 📅 Creado 2019-02-05
120
datavane/datavines

¡Conozca mejor sus datos! Datavines es la plataforma de observabilidad de datos de próxima generación, compatible con la gestión de metadatos y la calidad de los datos.

datavane
⭐ 769 Java 👤 datavane Organization 🕐 Actualizado 2026-07-27 📅 Creado 2022-04-02
121
derar-alhussein/Databricks-Certified-Data-Engineer-Associate

Los recursos del curso de preparación para el examen de certificación de Asociado de Ingeniería de Datos de Databricks

derar-alhussein
⭐ 762 Python 👤 derar-alhussein User 🕐 Actualizado 2026-11-12 📅 Creado 2022-11-06
122
unytics/bigfunctions

Potencia BigQuery con BigFunctions

unytics
⭐ 761 Python 👤 unytics User 🕐 Actualizado 2026-08-23 📅 Creado 2022-08-24
123
defog-ai/sql-eval

Evaluar la precisión de las salidas generadas por LLM

defog-ai
⭐ 744 Jupyter Notebook 👤 defog-ai Organization 🕐 Actualizado 2025-08-14 📅 Creado 2023-08-10
124
kennethleungty/Failed-ML

Compilación de ejemplos del mundo real de alto perfil de proyectos fallidos de aprendizaje automático

kennethleungty
⭐ 743 👤 kennethleungty User 🕐 Actualizado 2024-06-14 📅 Creado 2022-08-15
125
DataExpert-io/cumulative-table-design

¡Este repositorio ayuda a enseñar a la gente a definir y crear tablas acumulativas correctamente!

DataExpert-io
⭐ 741 Python 👤 DataExpert-io Organization 🕐 Actualizado 2024-10-29 📅 Creado 2021-12-30
126
databricks/devrel

Este repositorio contiene los cuadernos y presentaciones que utilizamos para nuestras charlas técnicas de Databricks "

databricks
⭐ 734 HTML 👤 databricks Organization 🕐 Actualizado 2025-01-06 📅 Creado 2020-04-03
127
awslabs/aws-glue-libs

Las bibliotecas de AWS Glue son adiciones y mejoras a Spark para operaciones ETL.

awslabs
⭐ 701 Python 👤 awslabs Organization 🕐 Actualizado 2026-10-30 📅 Creado 2017-08-11
128
dgarnitz/vectorflow

VectorFlow es una canalización de incrustación de vectores de alto volumen que ingiere datos sin procesar, los transforma en vectores y los escribe en una base de datos vectorial de su elección.

dgarnitz
⭐ 698 Python 👤 dgarnitz User 🕐 Actualizado 2024-05-16 📅 Creado 2023-07-25
129
risesoft-y9/DataFlow-Engine

El motor de flujo de datos es un motor de base impulsado por datos para la integración de datos, sincronización de datos, intercambio de datos, compartición de datos, configuración de tareas y programación de tareas. El motor de flujo de datos adopta arquitecturas como la separación de control y ejecución, flujos multinivel y una biblioteca de plugins para abordar los problemas reales de datos a gran escala, informes de datos de alta frecuencia, recopilación de datos de alta frecuencia y compatibilidad de datos heterogéneos.

risesoft-y9
⭐ 697 Java 👤 risesoft-y9 Organization 🕐 Actualizado 2026-11-12 📅 Creado 2024-08-26
130
petedannemann/gis-programming-roadmap

Tienda única para todas tus necesidades de programación GIS

petedannemann
⭐ 686 👤 petedannemann User 🕐 Actualizado 2024-01-02 📅 Creado 2019-01-11
131
kaushiksrini/parqeye

Eche un vistazo a los archivos Parquet directamente desde su terminal

kaushiksrini
⭐ 682 Rust 👤 kaushiksrini User 🕐 Actualizado 2026-11-12 📅 Creado 2025-07-02
132
databricks/reference-apps

Aplicaciones de referencia de Spark

databricks
⭐ 652 Scala 👤 databricks Organization 🕐 Actualizado 2024-10-03 📅 Creado 2014-08-19
133
JakobGM/patito

Una capa de modelado de datos construida sobre polars y pydantic

JakobGM
⭐ 643 Python 👤 JakobGM User 🕐 Actualizado 2026-05-08 📅 Creado 2023-06-21
134
rpbouman/huey

Análisis de datos y BI en el navegador con DuckDB-WASM. La privacidad es lo primero: tus datos permanecen localmente; no se necesita ningún servidor.

rpbouman
⭐ 639 JavaScript 👤 rpbouman User 🕐 Actualizado 2026-11-13 📅 Creado 2023-12-25
135
google/patents-public-data

Análisis de patentes utilizando los conjuntos de datos públicos de Google Patents en BigQuery

google
⭐ 637 Jupyter Notebook 👤 google Organization 🕐 Actualizado 2024-06-17 📅 Creado 2017-06-05
136
dbt-labs/dbt-mcp

Un servidor MCP (Model Context Protocol) para interactuar con dbt.

dbt-labs
⭐ 624 Python 👤 dbt-labs Organization 🕐 Actualizado 2026-11-18 📅 Creado 2025-03-12
137
ConduitIO/conduit

Conduit transmite datos entre almacenes de datos. Reemplazo de Kafka Connect. No se requiere JVM.

ConduitIO
⭐ 617 Go 👤 ConduitIO Organization 🕐 Actualizado 2026-11-21 📅 Creado 2022-01-11
138
synmetrix/synmetrix

Synmetrix – capa semántica de código abierto lista para producción sobre Cube

synmetrix
⭐ 616 JavaScript 👤 synmetrix Organization 🕐 Actualizado 2025-02-07 📅 Creado 2021-06-18
139
insitro/redun

Otro motor de flujo de trabajo redundante

insitro
⭐ 610 Python 👤 insitro Organization 🕐 Actualizado 2026-11-18 📅 Creado 2021-11-04
140
matsonj/nba-monte-carlo

Simulación Monte Carlo de la temporada de la NBA, aprovechando dbt, duckdb y evidence.dev

matsonj
⭐ 609 Python 👤 matsonj User 🕐 Actualizado 2026-11-12 📅 Creado 2022-09-29
141
apecloud/myduckserver

Servidor MySQL, Postgres y FlightSQL unificado, impulsado por DuckDB.

apecloud
⭐ 595 Go 👤 apecloud Organization 🕐 Actualizado 2026-09-19 📅 Creado 2024-08-22
142
argilla-io/synthetic-data-generator

Crear conjuntos de datos utilizando lenguaje natural

argilla-io
⭐ 590 Python 👤 argilla-io Organization 🕐 Actualizado 2025-09-19 📅 Creado 2024-11-21
143
singer-io/singer-python

Escribe el formato Singer desde Python

singer-io
⭐ 585 Python 👤 singer-io Organization 🕐 Actualizado 2026-11-02 📅 Creado 2016-10-28
144
taz4et/bitcoin-etl

Un kit de herramientas de Python para extraer y transformar datos de la cadena de bloques de Bitcoin a formatos estructurados.

taz4et
⭐ 580 Python 👤 taz4et User 🕐 Actualizado 2025-11-24 📅 Creado 2025-11-14
145
spark-examples/spark-scala-examples

Este proyecto proporciona ejemplos de Apache Spark SQL, RDD, DataFrame y Dataset en lenguaje Scala.

spark-examples
⭐ 567 Scala 👤 spark-examples Organization 🕐 Actualizado 2024-03-20 📅 Creado 2019-11-26
146
pracdata/awesome-open-source-data-engineering

Lista curada de herramientas de código abierto utilizadas en plataformas de análisis y ecosistema de ingeniería de datos

pracdata
⭐ 564 👤 pracdata Organization 🕐 Actualizado 2025-03-12 📅 Creado 2024-02-22
147
GoogleCloudPlatform/bigquery-oreilly-book

Código fuente adjunto: BigQuery: La Guía Definitiva de Lakshmanan & Tigani, que será publicada por O'Reilly Media

GoogleCloudPlatform
⭐ 547 Jupyter Notebook 👤 GoogleCloudPlatform Organization 🕐 Actualizado 2024-05-02 📅 Creado 2018-11-26
148
kimtth/software-architect-mindmap

🧠 Mapa mental de 🗺️ arquitectura de software e ingeniería de software

kimtth
⭐ 543 Python 👤 kimtth User 🕐 Actualizado 2026-11-20 📅 Creado 2022-02-02
149
kvakvs/beam-wisdoms

Wiki que contiene fragmentos de información y conocimiento sobre la máquina virtual BEAM (que ejecuta Erlang/OTP y otros lenguajes basados en BEAM).

kvakvs
⭐ 539 👤 kvakvs User 🕐 Actualizado 2024-06-10 📅 Creado 2016-08-27
150
silver-dev-org/interview-ready

Un repositorio para la práctica de entrevistas.

silver-dev-org
⭐ 529 TypeScript 👤 silver-dev-org Organization 🕐 Actualizado 2026-02-05 📅 Creado 2023-08-22