Git Stars Git Stars

#data-quality Repositorios

Descubre 41 repositorios activos de código abierto de GitHub etiquetados con #data-quality, que acumulan 205,347 estrellas en total (una media de 5,008 estrellas por proyecto). El líder de este tema es GokuMohandas/Made-With-ML, con 50,112 estrellas.

41
Total de Repositorios
205,347
Total de estrellas
5,008
Promedio de Estrellas/Repo

41 repositorios en total

1
GokuMohandas/Made-With-ML

Aprende a desarrollar, implementar y iterar en aplicaciones de ML de grado de producción.

GokuMohandas
⭐ 50,112 Jupyter Notebook 👤 GokuMohandas User 🕐 Actualizado 2026-03-04 📅 Creado 2018-11-05
2
eugeneyan/applied-ml

📚 Artículos y blogs de tecnología de empresas que comparten su trabajo sobre ciencia de datos y aprendizaje automático en producción.

eugeneyan
⭐ 28,577 👤 eugeneyan User 🕐 Actualizado 2024-07-18 📅 Creado 2020-07-04
3
open-metadata/OpenMetadata

La capa de contexto abierto para datos e IA, OpenMetadata, es la plataforma abierta para construir contexto de datos confiable y semántica empresarial para humanos, asistentes de IA y agentes.

open-metadata
⭐ 15,826 TypeScript 👤 open-metadata Organization 🕐 Actualizado 2026-11-21 📅 Creado 2021-08-01
4
Data-Centric-AI-Community/fg-data-profiling

Perfilado de calidad de datos & análisis exploratorio de datos con 1 línea de código para DataFrames de Pandas y Spark.

Data-Centric-AI-Community
⭐ 13,755 Python 👤 Data-Centric-AI-Community Organization 🕐 Actualizado 2026-11-16 📅 Creado 2016-01-09
5
fivetran/great_expectations

Siempre sepa qué esperar de sus datos.

fivetran
⭐ 11,941 Python 👤 fivetran Organization 🕐 Actualizado 2026-11-17 📅 Creado 2017-09-11
6
cleanlab/cleanlab

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.

cleanlab
⭐ 11,755 Python 👤 cleanlab Organization 🕐 Actualizado 2026-01-13 📅 Creado 2018-05-11
7
voxel51/fiftyone

Refinar conjuntos de datos de alta calidad y modelos de IA visual

voxel51
⭐ 11,324 TypeScript 👤 voxel51 Organization 🕐 Actualizado 2026-11-21 📅 Creado 2020-04-22
8
evidentlyai/evidently

Evidently es un framework de código abierto para la observabilidad de ML y LLM. Evalúe, pruebe y monitoree cualquier sistema impulsado por IA o pipeline de datos. Desde datos tabulares hasta Gen AI. Más de 100 métricas.

evidentlyai
⭐ 8,073 Jupyter Notebook 👤 evidentlyai Organization 🕐 Actualizado 2026-09-29 📅 Creado 2020-11-25
9
feast-dev/feast

El almacén de características de código abierto para IA/ML

feast-dev
⭐ 7,362 Python 👤 feast-dev Organization 🕐 Actualizado 2026-11-21 📅 Creado 2018-12-10
10
treeverse/lakeFS

lakeFS - Control de versiones de datos para su lago de datos | Git para datos

treeverse
⭐ 5,590 Go 👤 treeverse Organization 🕐 Actualizado 2026-11-19 📅 Creado 2019-09-12
11
GokuMohandas/mlops-course

Aprenda a diseñar, desarrollar, implementar e iterar en aplicaciones de ML listas para producción.

GokuMohandas
⭐ 3,272 Jupyter Notebook 👤 GokuMohandas User 🕐 Actualizado 2024-08-16 📅 Creado 2020-11-12
12
whylabs/whylogs

Una biblioteca de registro de datos de código abierto para modelos de aprendizaje automático y canalizaciones de datos. 📚 Proporciona visibilidad sobre la calidad de los datos y el rendimiento del modelo a lo largo del tiempo. 🛡️ Admite la recopilación de datos que preservan la privacidad, garantizando seguridad y robustez. 📈

whylabs
⭐ 2,819 Jupyter Notebook 👤 whylabs Organization 🕐 Actualizado 2025-01-10 📅 Creado 2020-08-14
13
danielbeach/data-engineering-practice

Problemas de práctica de ingeniería de datos

danielbeach
⭐ 2,706 Python 👤 danielbeach User 🕐 Actualizado 2025-01-08 📅 Creado 2022-02-17
14
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
15
featureform/featureform

La Tienda de Características Virtual. Convierte tu infraestructura de datos existente en una tienda de características.

featureform
⭐ 1,979 Go 👤 featureform Organization 🕐 Actualizado 2025-07-03 📅 Creado 2020-10-16
16
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
17
NVIDIA-NeMo/Curator

Kit de herramientas escalable para preprocesamiento y curación de datos para LLM

NVIDIA-NeMo
⭐ 1,866 Python 👤 NVIDIA-NeMo Organization 🕐 Actualizado 2026-11-19 📅 Creado 2024-03-14
18
re-data/re-data

re_data - soluciona problemas de datos antes de que tus usuarios y CEO los descubran 😊

re-data
⭐ 1,570 HTML 👤 re-data Organization 🕐 Actualizado 2024-04-30 📅 Creado 2020-11-02
19
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
20
aws-samples/aws-glue-samples

Ejemplos de código de AWS Glue

aws-samples
⭐ 1,538 Python 👤 aws-samples Organization 🕐 Actualizado 2026-11-16 📅 Creado 2017-05-21
21
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
22
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
23
cleanlab/cleanvision

Encuentre automáticamente problemas en conjuntos de datos de imágenes y practique la visión por computadora centrada en datos.

cleanlab
⭐ 1,213 Python 👤 cleanlab Organization 🕐 Actualizado 2026-01-08 📅 Creado 2022-05-26
24
wesbos/burner-email-providers

Una lista de proveedores de correo electrónico temporal

wesbos
⭐ 1,208 JavaScript 👤 wesbos User 🕐 Actualizado 2026-07-20 📅 Creado 2016-01-13
25
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
26
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
27
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
28
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
29
rstudio/pointblank

Evaluación de la calidad de datos y reporte de metadatos para data frames y tablas de base de datos

rstudio
⭐ 1,056 R 👤 rstudio Organization 🕐 Actualizado 2026-08-21 📅 Creado 2017-02-24
30
limingrui679-design/high-stakes-analytics-decision-lab

Una capacidad de análisis reutilizable con 15 casos de datos públicos. Define la decisión y los recursos disponibles, prueba métodos alternativos con la misma evidencia y entrega un informe que vincule cada hallazgo con sus datos y cálculos.

limingrui679-design
⭐ 1,006 Python 👤 limingrui679-design User 🕐 Actualizado 2026-11-21 📅 Creado 2026-07-29
31
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
32
awslabs/python-deequ

API de Python para Deequ

awslabs
⭐ 826 Jupyter Notebook 👤 awslabs Organization 🕐 Actualizado 2026-10-24 📅 Creado 2020-11-09
33
tensorflow/data-validation

Biblioteca para explorar y validar datos de aprendizaje automático

tensorflow
⭐ 786 Python 👤 tensorflow Organization 🕐 Actualizado 2026-08-14 📅 Creado 2018-07-02
34
MigoXLab/dingo

Dingo: Una herramienta integral de evaluación de la calidad de datos, modelos y aplicaciones de IA

MigoXLab
⭐ 771 Python 👤 MigoXLab Organization 🕐 Actualizado 2026-11-19 📅 Creado 2024-12-24
35
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
36
WeBankFinTech/Qualitis

Qualitis es una plataforma de gestión de calidad de datos de un solo punto de contacto que soporta verificación de calidad, notificación y gestión para diversas fuentes de datos. Se utiliza para resolver diversos problemas de calidad de datos causados por el procesamiento de datos. https://github.com/WeBankFinTech/Qualitis

WeBankFinTech
⭐ 768 Java 👤 WeBankFinTech Organization 🕐 Actualizado 2026-04-02 📅 Creado 2019-11-22
37
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
38
JulietMirambo/Units_of_Measure_Harmonization-intelligence-platform

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

JulietMirambo
⭐ 732 PowerShell 👤 JulietMirambo User 🕐 Actualizado 2026-05-21 📅 Creado 2025-10-20
39
polyaxon/traceml

Motor para seguimiento, visualización, explicabilidad, detección de deriva y paneles de control de IA/ML/datos para Polyaxon.

polyaxon
⭐ 533 Python 👤 polyaxon Organization 🕐 Actualizado 2026-11-11 📅 Creado 2016-03-25
⭐ 518 Python 👤 Daniel15568 User 🕐 Actualizado 2026-11-11 📅 Creado 2025-09-20
41
posit-dev/pointblank

Kit de herramientas de validación de datos para evaluar y supervisar la calidad de los datos.

posit-dev
⭐ 505 Python 👤 posit-dev Organization 🕐 Actualizado 2026-11-19 📅 Creado 2024-10-23

Preguntas frecuentes

1

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

El proyecto de código abierto de #data-quality mejor posicionado en GitHub es GokuMohandas/Made-With-ML, con 50,112 estrellas. Aprende a desarrollar, implementar y iterar en aplicaciones de ML de grado de producción.

2

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

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

3

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

Seguimos 41 repositorios activos de código abierto etiquetados con #data-quality (500+ estrellas), que suman un total de 205,347 estrellas, con una media de 5,008 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.