#data-processing Repositorios
Descubre 72 repositorios activos de código abierto de GitHub etiquetados con #data-processing, que acumulan 211,976 estrellas en total (una media de 2,944 estrellas por proyecto). El líder de este tema es pathwaycom/pathway, con 61,976 estrellas.
72 repositorios en total
Framework ETL de Python para procesamiento de streams, análisis en tiempo real, pipelines de LLM y RAG.
Motor incremental para agentes de horizonte largo 🌟 ¡Pon una estrella si te gusta!
Una colección de Bash One-Liners útiles y trucos de terminal para el procesamiento de datos y el mantenimiento del sistema Linux.
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.
Consulta, transformación y modificación unificada de JSON, TOML, YAML, XML, INI, HCL, KDL y CSV.
Una biblioteca acelerada por GPU que contiene bloques de construcción altamente optimizados y un motor de ejecución para el procesamiento de datos, para acelerar aplicaciones de entrenamiento e inferencia de aprendizaje profundo.
Un framework ligero de procesamiento de datos construido sobre DuckDB y 3FS.
Una biblioteca ligera, flexible y expresiva para pruebas de datos estadísticos
Una implementación de differential dataflow usando timely dataflow en Rust.
Plataforma nativa de Kubernetes para ejecutar trabajos masivamente paralelos de datos/streaming
La capa de contexto para datos no estructurados: conjuntos de datos tipados y versionados sobre S3, GCS, Azure
Ingestión y procesamiento de datos concurrentes y de múltiples etapas con Elixir
Kit de herramientas para aprendizaje automático, procesamiento de lenguaje natural y generación de texto en TensorFlow. Esto es parte del proyecto CASL: http://casl-project.ai/
Kit de herramientas escalable para preprocesamiento y curación de datos para LLM
Cree conjuntos de teselas vectoriales a partir de grandes colecciones de características GeoJSON.
Datos y herramientas para generar e inspeccionar datos de preentrenamiento de OLMo.
Código fuente que acompaña al libro: Ciencia de datos en Google Cloud Platform, Valliappa Lakshmanan, O'Reilly 2017
Distribuya y ejecute cargas de trabajo de IA en Kubernetes mágicamente en Python, como PyTorch para la infraestructura de ML.
Una lista curada de impresionantes software, bibliotecas y recursos de radar de apertura sintética (SAR).
Un servidor Model Context Protocol (MCP) que lee y escribe datos de MS Excel
Este es el repositorio oficial de desarrollo para BCFtools. Consulta las instrucciones de instalación y otra documentación aquí http://samtools.github.io/bcftools/howtos/install.html
Extrae correos electrónicos y archivos adjuntos guardados en los archivos .msg de Microsoft Outlook
Un modelo de riesgo de renta variable multifactorial para el trading cuantitativo.
Herramienta de línea de comandos para descargar y extraer datos de páginas HTML/XML o JSON-API, utilizando CSS, XPath 3.0, XQuery 3.0, JSONiq o coincidencia de patrones. También puede crear nuevos o documentos XML/HTML/JSON transformados.
Flux es un lenguaje de scripting ligero para consultar bases de datos (como InfluxDB) y trabajar con datos. Es parte de InfluxDB 1.7 y 2.0, pero puede ejecutarse de forma independiente.
Una biblioteca de código abierto para interactuar y procesar datos de radar, especializada en radares MIMO mmWave
HStreamDB es una base de datos de streaming nativa de la nube y de código abierto para IoT y más allá. Modernice su pila de datos para aplicaciones en tiempo real.
Preguntas frecuentes
¿Cuál es el repositorio de #data-processing más popular en GitHub?
El proyecto de código abierto de #data-processing mejor posicionado en GitHub es pathwaycom/pathway, con 61,976 estrellas. Framework ETL de Python para procesamiento de streams, análisis en tiempo real, pipelines de LLM y RAG.
¿Qué lenguajes de programación se utilizan más en los repositorios de #data-processing?
Entre los proyectos de #data-processing mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, C++, Jupyter Notebook, Rust.
¿Cómo se calcula la clasificación de los repositorios de #data-processing?
Seguimos 72 repositorios activos de código abierto etiquetados con #data-processing (500+ estrellas), que suman un total de 211,976 estrellas, con una media de 2,944 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.