#data Repositorios
232 repositorios en total
[NeurIPS 2026] DataFlex: Un punto de referencia y una plataforma de evaluación unificados para el entrenamiento de modelos de lenguaje de gran tamaño centrado en los datos
El Data Transfer Project facilita a las plataformas la creación de funciones interoperables para la portabilidad de datos de usuarios. Estamos estableciendo un marco común, que incluye modelos de datos y protocolos, para permitir la transferencia directa de datos tanto hacia como desde proveedores de servicios en línea participantes.
Un generador de datos sintéticos para el reconocimiento de texto
AnyCrawl 🚀: Un rastreador Node.js/TypeScript que convierte sitios web en datos listos para LLM y extrae resultados SERP estructurados de Google/Bing/Baidu/etc. Multihilo nativo para procesamiento masivo.
Una lista curada de conjuntos de datos JSON geniales que no requieren autenticación.
Memphis.dev es una plataforma de transmisión de datos altamente escalable y sin esfuerzo
Una forma simple, declarativa y componible de obtener datos para componentes de React
Extraiga datos de una amplia gama de fuentes de Internet en un DataFrame de pandas.
Apache DevLake es una plataforma de datos de desarrollo de código abierto para ingerir, analizar y visualizar los datos fragmentados de las herramientas DevOps, extrayendo información para la excelencia en ingeniería, la experiencia del desarrollador y el crecimiento de la comunidad.
QuantMind es un marco de código abierto, nativo para agentes, de extracción y recuperación de conocimiento para las finanzas cuantitativas.
Añada un nodo de análisis en tiempo real a su base de datos operativa. Spice es un motor portátil y acelerado de consultas SQL, búsqueda e inferencia de LLM escrito en Rust para aplicaciones y agentes de IA basados en datos.
Deepnote es un reemplazo directo de Jupyter con un diseño centrado en IA, una interfaz de usuario elegante, nuevos bloques e integraciones de datos nativas. Utilice Python, R y SQL localmente en su IDE favorito y luego escale a la nube de Deepnote para colaboración en tiempo real, el agente Deepnote y aplicaciones de datos desplegables. https://deepnote.com/
Un paquete de biblioteca de estadísticas Golang completo y bien probado sin dependencias.
Una lista de conjuntos de datos disponibles públicamente con datos en tiempo real mantenidos por el equipo de bytewax.io
PyPika es un constructor de consultas SQL en Python que expone toda la riqueza del lenguaje SQL utilizando una sintaxis que refleja la consulta resultante. PyPika destaca en todo tipo de consultas SQL, pero es especialmente útil para el análisis de datos.
🎁 Más de 7.400.000 imágenes de Unsplash disponibles para investigación y aprendizaje automático
Libro_6_"El Camino de los Datos" | El Libro Iris: De la suma, resta, multiplicación y división al aprendizaje automático; ¡damos la bienvenida a críticas y correcciones! ¡Los estudiantes que corrijan muchos errores recibirán un ejemplar del libro como agradecimiento!
Meltano: el motor de integración de datos declarativo y centrado en el código que impulsa sus ideas más descabelladas de productos impulsados por datos e IA. Diga adiós a la escritura, el mantenimiento y la escalada de sus propias integraciones de API.
ArcticDB es una base de datos DataFrame sin servidor de alto rendimiento construida para el ecosistema de Data Science de Python.
Extensiones de Jupyter que te ayudan a escribir código más rápido: Chat de IA consciente del contexto, Autocompletado y Hoja de cálculo
Malloy es un lenguaje moderno de código abierto para describir relaciones y transformaciones de datos.
Biblioteca de Python para crear flujos de datos con programación funcional en cadena
Listas de países ISO 3166-1 fusionadas con sus códigos regionales del Esquema Geográfico de la ONU en conjuntos de datos JSON, XML y CSV listos para usar
Científico de datos basado en LLM, aplicación de datos nativa de IA. El pensamiento infinito impulsado por IA redefine la BI.
📅🇨🇳 Datos de días festivos estatutarios de China Recopilados automáticamente diariamente de los anuncios del Consejo de Estado
Asistente de escritura de código de IA que comprende el contenido de los datos
Un marco de integración de datos distribuido que simplifica aspectos comunes de la integración de big data, como la ingesta de datos, la replicación, la organización y la gestión del ciclo de vida para ecosistemas de datos en tiempo real y por lotes.
Operador de datos anidados (y CLI) de Python, para todas sus necesidades de reestructuración declarativa. ¿Tienes datos? ¡Agrúpalos! ☄️
Abrir conjunto de datos de ejercicios de dominio público en formato JSON, más de 800 ejercicios con un frontend público y buscable
🔊 Una lista completa de conjuntos de datos de código abierto para la computación de voz y sonido (más de 95 conjuntos de datos).
El mejor lugar para aprender ingeniería de datos. Construido y mantenido por la comunidad de ingeniería de datos.
👾 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.
Zui es una potente aplicación de escritorio para explorar y trabajar con datos. El frontend oficial del lago Zed.
El Almacén de Datos de IA para Esquemas, BLOBs y Predicciones. Úselo con sus aplicaciones o integre la Supervisión Humana integrada, el Flujo de Trabajo de Datos y el Catálogo de UI para obtener el máximo valor de sus Datos de IA.