Git Stars Git Stars

#data-mining Repositorios

Descubre 81 repositorios activos de código abierto de GitHub etiquetados con #data-mining, que acumulan 318,511 estrellas en total (una media de 3,932 estrellas por proyecto). El líder de este tema es academic/awesome-datascience, con 30,352 estrellas.

81
Total de Repositorios
318,511
Total de estrellas
3,932
Promedio de Estrellas/Repo

81 repositorios en total

1
academic/awesome-datascience

:memo: Un fantástico repositorio de Data Science para aprender y aplicar a problemas del mundo real.

academic
⭐ 30,352 👤 academic Organization 🕐 Actualizado 2026-11-20 📅 Creado 2014-07-05
2
JaidedAI/EasyOCR

OCR listo para usar con más de 80 idiomas compatibles y todos los scripts de escritura populares, incluidos latín, chino, árabe, devanagari, cirílico, etc.

JaidedAI
⭐ 30,160 Python 👤 JaidedAI Organization 🕐 Actualizado 2026-11-13 📅 Creado 2020-03-14
3
EthicalML/awesome-production-machine-learning

Una lista curada de excelentes bibliotecas de código abierto para desplegar, monitorear, versionar y escalar tu machine learning

EthicalML
⭐ 21,121 👤 EthicalML Organization 🕐 Actualizado 2026-11-12 📅 Creado 2018-08-15
4
lightgbm-org/LightGBM

Un framework rápido, distribuido y de alto rendimiento para gradient boosting (GBT, GBDT, GBRT, GBM o MART) basado en algoritmos de árboles de decisión, utilizado para ranking, clasificación y muchas otras tareas de aprendizaje automático.

lightgbm-org
⭐ 18,995 C++ 👤 lightgbm-org Organization 🕐 Actualizado 2026-11-21 📅 Creado 2016-08-05
5
piskvorky/gensim

Modelado de temas para humanos

piskvorky
⭐ 16,507 Python 👤 piskvorky User 🕐 Actualizado 2025-11-01 📅 Creado 2011-02-10
6
microsoft/RD-Agent

La investigación y el desarrollo (I+D) son cruciales para la mejora de la productividad industrial, especialmente en la era de la IA, donde los aspectos centrales de la I+D se centran principalmente en datos y modelos. Estamos comprometidos a automatizar estos procesos de I+D genéricos de alto valor a través de R&D-Agent, que permite a la IA impulsar la IA basada en datos. 🔗https://aka.ms/RD-Agent-Tech-Report

microsoft
⭐ 15,443 Python 👤 microsoft Organization 🕐 Actualizado 2026-10-21 📅 Creado 2024-04-03
7
rasbt/python-machine-learning-book

El repositorio de código y recurso de información del libro "Python Machine Learning (1ª edición)"

rasbt
⭐ 12,680 Jupyter Notebook 👤 rasbt User 🕐 Actualizado 2026-07-18 📅 Creado 2015-08-07
8
tangyudi/Ai-Learn

Mapa de ruta de aprendizaje de inteligencia artificial, recopilación de casi 200 casos y proyectos prácticos, materiales complementarios gratuitos, entrada desde cero bases, práctica para el empleo! Incluye: Python, matemáticas, aprendizaje automático, análisis de datos, aprendizaje profundo, visión por computadora, procesamiento del lenguaje natural, PyTorch, tensorflow, machine-learning, deep-learning, data-analysis, data-mining, mathematics, data-science, artificial-intelligence, python, tensorflow, tensorflow2, caffe, keras, pytorch, algorithm, numpy, pandas, matplotlib, seaborn, nlp, cv y otros campos populares

tangyudi
⭐ 12,412 👤 tangyudi User 🕐 Actualizado 2024-06-02 📅 Creado 2020-01-28
9
sktime/sktime

Un marco unificado para el aprendizaje automático con series temporales

sktime
⭐ 10,100 Python 👤 sktime Organization 🕐 Actualizado 2026-11-21 📅 Creado 2018-11-06
10
yzhao062/pyod

Una biblioteca de Python para la detección de anomalías en datos tabulares, series temporales, grafos, texto, imágenes y audio. Incluye más de 60 detectores, orquestación ADEngine respaldada por benchmarks y un flujo de trabajo agente para agentes de IA.

yzhao062
⭐ 10,098 Python 👤 yzhao062 User 🕐 Actualizado 2026-11-12 📅 Creado 2017-10-03
11
yzhao062/anomaly-detection-resources

Libros, artículos, vídeos y cajas de herramientas relacionados con la detección de anomalías. ¡Última actualización a finales de 2025 para trabajos sobre LLM y VLM!

yzhao062
⭐ 9,457 Python 👤 yzhao062 User 🕐 Actualizado 2026-03-02 📅 Creado 2018-05-16
12
catboost/catboost

Una biblioteca de Gradient Boosting en Árboles de Decisión rápida, escalable y de alto rendimiento, utilizada para ranking, clasificación, regresión y otras tareas de aprendizaje automático para Python, R, Java, C++. Soporta cómputo en CPU y GPU.

catboost
⭐ 9,210 C++ 👤 catboost Organization 🕐 Actualizado 2026-11-20 📅 Creado 2017-07-18
13
jivoi/awesome-ml-for-cybersecurity

:octocat: Machine Learning para Ciberseguridad

jivoi
⭐ 7,953 👤 jivoi User 🕐 Actualizado 2024-08-19 📅 Creado 2016-12-20
14
faridrashidi/kaggle-solutions

🏅 Colección de Soluciones e Ideas de Kaggle 🏅

faridrashidi
⭐ 6,556 Astro 👤 faridrashidi User 🕐 Actualizado 2026-11-06 📅 Creado 2018-11-25
15
biolab/orange3

🍊 :bar_chart: :bulb: Orange: Análisis de datos interactivo

biolab
⭐ 5,759 Python 👤 biolab Organization 🕐 Actualizado 2026-11-20 📅 Creado 2013-02-22
16
rasbt/mlxtend

Una biblioteca de módulos de extensión y ayuda para las bibliotecas de análisis de datos y aprendizaje automático de Python.

rasbt
⭐ 5,194 Python 👤 rasbt User 🕐 Actualizado 2026-11-13 📅 Creado 2014-08-14
17
lixin4ever/Conference-Acceptance-Rate

Tasas de aceptación para las principales conferencias de IA

lixin4ever
⭐ 4,781 Jupyter Notebook 👤 lixin4ever User 🕐 Actualizado 2025-09-23 📅 Creado 2017-10-20
18
deanmalmgren/textract

Extraiga texto de cualquier documento. Sin complicaciones. Sin problemas.

deanmalmgren
⭐ 4,736 HTML 👤 deanmalmgren User 🕐 Actualizado 2026-10-30 📅 Creado 2014-07-03
19
cjlin1/libsvm

LIBSVM -- Una Biblioteca para Máquinas de Vectores de Soporte

cjlin1
⭐ 4,716 Java 👤 cjlin1 User 🕐 Actualizado 2025-12-29 📅 Creado 2013-09-10
20
r0f1/datascience

Lista curada de recursos de Python para ciencia de datos.

r0f1
⭐ 4,695 👤 r0f1 User 🕐 Actualizado 2026-10-29 📅 Creado 2018-11-22
21
alibaba/Alink

Alink es la plataforma de algoritmos de Machine Learning basada en Flink, desarrollada por el equipo PAI de la plataforma de cómputo de Alibaba.

alibaba
⭐ 3,625 Java 👤 alibaba Organization 🕐 Actualizado 2024-06-07 📅 Creado 2018-09-30
22
Kanaries/graphic-walker

Una alternativa de código abierto a Tableau. Análisis visual incrustable

Kanaries
⭐ 3,294 TypeScript 👤 Kanaries Organization 🕐 Actualizado 2026-11-19 📅 Creado 2022-09-27
23
automeris-io/WebPlotDigitizer

Herramienta asistida por visión por computadora para extraer datos numéricos de imágenes de gráficos.

automeris-io
⭐ 3,191 JavaScript 👤 automeris-io Organization 🕐 Actualizado 2026-07-27 📅 Creado 2010-09-25
24
rob-med/awesome-TS-anomaly-detection

Lista de herramientas y conjuntos de datos para la detección de anomalías en datos de series temporales.

rob-med
⭐ 3,152 👤 rob-med User 🕐 Actualizado 2024-10-21 📅 Creado 2017-12-19
25
CrawlScript/WebCollector

WebCollector es un framework de rastreo web de código abierto basado en Java. Proporciona algunas interfaces sencillas para rastrear la Web, puede configurar un rastreador web multihilo en menos de 5 minutos.

CrawlScript
⭐ 3,073 Java 👤 CrawlScript Organization 🕐 Actualizado 2026-02-10 📅 Creado 2014-07-12
26
vladkens/twscrape

Biblioteca de Python y CLI para el scraping de X/Twitter con rotación de múltiples cuentas y manejo integrado de límites de velocidad.

vladkens
⭐ 2,980 Python 👤 vladkens User 🕐 Actualizado 2026-11-19 📅 Creado 2023-05-05
27
invoice-x/invoice2data

Extraer datos estructurados de facturas PDF

invoice-x
⭐ 2,253 Python 👤 invoice-x Organization 🕐 Actualizado 2026-11-17 📅 Creado 2015-04-09
28
WenjieDu/PyPOTS

Una biblioteca/herramienta de Python para aprendizaje automático/profundo y minería de datos centrado en la realidad en series temporales parcialmente observadas, con más de 50 modelos de redes neuronales SOTA para tareas de análisis científico (imputación, clasificación, agrupación, pronóstico, detección de anomalías, limpieza) en TS multivariadas industriales incompletas muestreadas irregularmente con valores faltantes NaN

WenjieDu
⭐ 2,097 Python 👤 WenjieDu User 🕐 Actualizado 2026-11-18 📅 Creado 2022-03-29
29
youngfish42/Awesome-FL

Información académica completa y oportuna sobre aprendizaje federado (artículos, marcos, conjuntos de datos, tutoriales, talleres)

youngfish42
⭐ 2,020 Python 👤 youngfish42 User 🕐 Actualizado 2026-11-11 📅 Creado 2022-05-21
30
safe-graph/graph-fraud-detection-papers

Una lista curada de artículos y recursos sobre detección de fraudes, anomalías y valores atípicos basada en grafos/transformadores

safe-graph
⭐ 1,908 👤 safe-graph Organization 🕐 Actualizado 2026-11-15 📅 Creado 2019-11-21
31
benedekrozemberczki/awesome-fraud-detection-papers

Una lista curada de artículos de minería de datos sobre detección de fraudes.

benedekrozemberczki
⭐ 1,843 Python 👤 benedekrozemberczki User 🕐 Actualizado 2026-01-05 📅 Creado 2019-05-27
32
zslucky/awesome-AI-books

Algunos libros y pdf increíbles relacionados con la IA para aprender y descargar, también aplica algunos modelos de campo de pruebas para aprender

zslucky
⭐ 1,842 Jupyter Notebook 👤 zslucky User 🕐 Actualizado 2026-07-07 📅 Creado 2018-02-25
33
PaddlePaddle/Research

nuevos trabajos de investigación en aprendizaje profundo con PaddlePaddle

PaddlePaddle
⭐ 1,750 Python 👤 PaddlePaddle Organization 🕐 Actualizado 2024-08-16 📅 Creado 2020-02-13
34
sunlabuiuc/PyHealth

Un kit de herramientas de aprendizaje profundo para la IA en salud: historias clínicas electrónicas (MIMIC, eICU, OMOP), texto clínico, señales e imágenes. Más de 30 modelos y flujos de trabajo reproducibles.

sunlabuiuc
⭐ 1,704 Python 👤 sunlabuiuc Organization 🕐 Actualizado 2026-11-21 📅 Creado 2020-08-03
35
topepo/caret

paquete R caret (Classification And Regression Training) que contiene funciones varias para entrenar y graficar modelos de clasificación y regresión

topepo
⭐ 1,666 R 👤 topepo User 🕐 Actualizado 2026-11-16 📅 Creado 2014-05-16
36
qingsongedu/awesome-AI-for-time-series-papers

Una lista profesional de artículos, tutoriales y encuestas sobre IA para series temporales en las principales conferencias y revistas de IA.

qingsongedu
⭐ 1,573 👤 qingsongedu User 🕐 Actualizado 2024-04-06 📅 Creado 2022-06-03
37
jundongl/scikit-feature

Repositorio de código abierto para selección de características en Python

jundongl
⭐ 1,561 Python 👤 jundongl User 🕐 Actualizado 2024-07-11 📅 Creado 2015-11-06
38
K0lb3/UnityPy

UnityPy es un módulo de Python que hace posible extraer/desempaquetar y editar activos de Unity.

K0lb3
⭐ 1,541 Python 👤 K0lb3 User 🕐 Actualizado 2026-11-15 📅 Creado 2019-07-23
39
sepandhaghighi/pycm

Biblioteca de matriz de confusión multi-clase en Python

sepandhaghighi
⭐ 1,507 Python 👤 sepandhaghighi User 🕐 Actualizado 2026-11-16 📅 Creado 2018-01-22
40
aeon-toolkit/aeon

Un kit de herramientas para aprendizaje automático y aprendizaje profundo de series temporales

aeon-toolkit
⭐ 1,481 Python 👤 aeon-toolkit Organization 🕐 Actualizado 2026-11-20 📅 Creado 2022-12-20
41
anvaka/sayit

Visualización de subreddits relacionados

anvaka
⭐ 1,436 JavaScript 👤 anvaka User 🕐 Actualizado 2026-04-11 📅 Creado 2018-12-13
42
CIRCL/AIL-framework

Framework AIL - Analysis Information Leak framework. Proyecto movido a https://github.com/ail-project

CIRCL
⭐ 1,384 HTML 👤 CIRCL Organization 🕐 Actualizado 2026-11-19 📅 Creado 2014-08-05
43
alan-turing-institute/CleverCSV

CleverCSV es un paquete de Python para manejar archivos CSV desordenados. Proporciona un reemplazo directo para el módulo CSV integrado con una detección de dialectos mejorada, y viene con una aplicación práctica de línea de comandos para trabajar con archivos CSV.

alan-turing-institute
⭐ 1,343 Python 👤 alan-turing-institute Organization 🕐 Actualizado 2026-08-10 📅 Creado 2019-01-30
44
TheAlgorithms/R

Colección de varios algoritmos implementados en R.

TheAlgorithms
⭐ 1,224 R 👤 TheAlgorithms Organization 🕐 Actualizado 2026-11-19 📅 Creado 2018-09-23
45
nfstream/nfstream

NFStream: un Marco Flexible de Análisis de Datos de Red.

nfstream
⭐ 1,222 Python 👤 nfstream Organization 🕐 Actualizado 2026-09-14 📅 Creado 2019-10-18
46
annoviko/pyclustering

pyclustering es una biblioteca de minería de datos de Python, C++.

annoviko
⭐ 1,204 Python 👤 annoviko User 🕐 Actualizado 2024-02-25 📅 Creado 2014-02-25
47
leomaurodesenv/game-datasets

:video_game: Una lista curada de datasets de juegos increíbles y herramientas para inteligencia artificial en juegos

leomaurodesenv
⭐ 1,146 👤 leomaurodesenv User 🕐 Actualizado 2026-10-25 📅 Creado 2018-10-03
48
astroML/astroML

Aprendizaje automático, estadística y minería de datos para astronomía y astrofísica

astroML
⭐ 1,143 Python 👤 astroML Organization 🕐 Actualizado 2024-05-25 📅 Creado 2012-10-17
49
process-intelligence-solutions/pm4py

Repositorio público oficial para PM4Py (Process Mining for Python) — una biblioteca de código abierto para explorar, analizar y optimizar procesos de negocio con Python.

process-intelligence-solutions
⭐ 1,082 Python 👤 process-intelligence-solutions Organization 🕐 Actualizado 2026-11-20 📅 Creado 2018-07-03
50
ail-project/ail-framework

Framework AIL - Framework de fuga de información de análisis

ail-project
⭐ 1,060 HTML 👤 ail-project Organization 🕐 Actualizado 2026-11-19 📅 Creado 2020-04-20

Preguntas frecuentes

1

¿Cuál es el repositorio de #data-mining más popular en GitHub?

El proyecto de código abierto de #data-mining mejor posicionado en GitHub es academic/awesome-datascience, con 30,352 estrellas. :memo: Un fantástico repositorio de Data Science para aprender y aplicar a problemas del mundo real.

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #data-mining?

Entre los proyectos de #data-mining mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, HTML, Java.

3

¿Cómo se calcula la clasificación de los repositorios de #data-mining?

Seguimos 81 repositorios activos de código abierto etiquetados con #data-mining (500+ estrellas), que suman un total de 318,511 estrellas, con una media de 3,932 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.