Git Stars Git Stars

#unstructured-data Repositorios

Descubre 21 repositorios activos de código abierto de GitHub etiquetados con #unstructured-data, que acumulan 67,625 estrellas en total (una media de 3,220 estrellas por proyecto). El líder de este tema es treeverse/dvc, con 15,993 estrellas.

21
Total de Repositorios
67,625
Total de estrellas
3,220
Promedio de Estrellas/Repo

21 repositorios en total

1
treeverse/dvc

🦉 Versionamiento de datos y experimentos de ML

treeverse
⭐ 15,993 Python 👤 treeverse Organization 🕐 Actualizado 2026-11-20 📅 Creado 2017-03-04
2
voxel51/fiftyone

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

voxel51
⭐ 11,326 TypeScript 👤 voxel51 Organization 🕐 Actualizado 2026-11-21 📅 Creado 2020-04-22
3
neo4j-labs/llm-graph-builder

Construcción de grafos Neo4j a partir de datos no estructurados utilizando LLM

neo4j-labs
⭐ 5,320 Jupyter Notebook 👤 neo4j-labs Organization 🕐 Actualizado 2026-11-01 📅 Creado 2024-01-11
4
ucbepic/docetl

Un sistema para el procesamiento de datos y ETL impulsado por LLM agentivo

ucbepic
⭐ 4,266 Python 👤 ucbepic Organization 🕐 Actualizado 2026-11-17 📅 Creado 2024-07-09
5
towhee-io/towhee

Towhee es un framework dedicado a hacer que los pipelines de procesamiento de datos neuronales sean simples y rápidos.

towhee-io
⭐ 3,444 Python 👤 towhee-io Organization 🕐 Actualizado 2024-10-18 📅 Creado 2021-07-13
6
datachain-ai/datachain

La capa de contexto para datos no estructurados: conjuntos de datos tipados y versionados sobre S3, GCS, Azure

datachain-ai
⭐ 2,831 Python 👤 datachain-ai Organization 🕐 Actualizado 2026-11-22 📅 Creado 2024-06-25
7
milvus-io/bootcamp

Manejo de todos los datos no estructurados, como búsqueda inversa de imágenes, búsqueda de audio, búsqueda molecular, análisis de video, sistemas de preguntas y respuestas, NLP, etc.

milvus-io
⭐ 2,454 Jupyter Notebook 👤 milvus-io Organization 🕐 Actualizado 2026-10-21 📅 Creado 2019-08-09
8
instill-ai/instill-core

Instill Core es una herramienta de infraestructura de IA full-stack para la orquestación de datos, modelos y pipelines, diseñada para optimizar todos los aspectos de la creación de aplicaciones versátiles centradas en la IA.

instill-ai
⭐ 2,322 Python 👤 instill-ai Organization 🕐 Actualizado 2026-06-01 📅 Creado 2022-01-13
9
shcherbak-ai/contextgem

Extrae datos estructurados e información valiosa de documentos mediante modelos de lenguaje grandes y modelos de decisión

shcherbak-ai
⭐ 2,098 Python 👤 shcherbak-ai Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-10-11
10
NanoNets/docext

Un kit de herramientas local, sin OCR, para extracción de datos no estructurados, conversión a markdown y benchmarking. (https://idp-leaderboard.org/)

NanoNets
⭐ 2,086 Python 👤 NanoNets Organization 🕐 Actualizado 2026-03-17 📅 Creado 2025-03-25
11
nomic-ai/nomic

SDK del desarrollador de la API de Nomic

nomic-ai
⭐ 1,881 Python 👤 nomic-ai Organization 🕐 Actualizado 2025-11-11 📅 Creado 2022-07-21
12
lotus-data/lotus

Procesamiento optimizado de agentes y LLM en lote sobre sus datos

lotus-data
⭐ 1,739 Python 👤 lotus-data Organization 🕐 Actualizado 2026-11-10 📅 Creado 2024-07-16
13
dingodb/dingo

Una base de datos vectorial multimodal que admite inserciones y consultas vectoriales utilizando SQL unificado (compatible con MySQL) sobre datos estructurados y no estructurados, al tiempo que cumple los requisitos de alta concurrencia y latencia ultrabaja.

dingodb
⭐ 1,706 Java 👤 dingodb Organization 🕐 Actualizado 2026-10-30 📅 Creado 2021-10-14
14
yobix-ai/extractous

Extracción de datos no estructurados, rápida y eficiente. Escrito en Rust con enlaces para muchos idiomas.

yobix-ai
⭐ 1,660 Rust 👤 yobix-ai Organization 🕐 Actualizado 2024-12-21 📅 Creado 2024-06-04
15
Open-Source-Legal/OpenContracts

La plataforma abierta de inteligencia documental para constructores y hackers - DMS para el mundo agéntico

Open-Source-Legal
⭐ 1,551 Python 👤 Open-Source-Legal Organization 🕐 Actualizado 2026-11-21 📅 Creado 2022-10-24
16
emcf/thepipe

Obtenga datos limpios de documentos complicados, impulsados por modelos de visión y lenguaje ⚡

emcf
⭐ 1,529 Python 👤 emcf User 🕐 Actualizado 2026-09-28 📅 Creado 2024-03-22
17
amphi-ai/amphi-etl

Preparación visual de datos impulsada por Python

amphi-ai
⭐ 1,410 TypeScript 👤 amphi-ai Organization 🕐 Actualizado 2026-08-24 📅 Creado 2024-03-20
18
Renumics/spotlight

Explore interactivamente conjuntos de datos no estructurados de su dataframe.

Renumics
⭐ 1,288 TypeScript 👤 Renumics Organization 🕐 Actualizado 2026-11-16 📅 Creado 2023-01-29
19
Oxen-AI/Oxen

Sistema de control de versiones de datos ultrarrápido para grandes repositorios de datos. Se siente como git, empuja y tira como bueyes.

Oxen-AI
⭐ 1,211 Rust 👤 Oxen-AI Organization 🕐 Actualizado 2026-11-22 📅 Creado 2022-08-01
20
HKUSTDial/awesome-data-agents

Lista de artículos continuamente actualizada sobre avances en Data Agents. Repositorio compañero de nuestro artículo "A Survey of Data Agents: Emerging Paradigm or Overstated Hype?"

HKUSTDial
⭐ 805 Python 👤 HKUSTDial Organization 🕐 Actualizado 2026-11-08 📅 Creado 2025-08-31
21
nuclia/nucliadb

NucliaDB, la base de datos de búsqueda de IA para RAG

nuclia
⭐ 722 Python 👤 nuclia Organization 🕐 Actualizado 2026-11-20 📅 Creado 2022-04-05

Preguntas frecuentes

1

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

El proyecto de código abierto de #unstructured-data mejor posicionado en GitHub es treeverse/dvc, con 15,993 estrellas. 🦉 Versionamiento de datos y experimentos de ML

2

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

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

3

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

Seguimos 21 repositorios activos de código abierto etiquetados con #unstructured-data (500+ estrellas), que suman un total de 67,625 estrellas, con una media de 3,220 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.