#data-cleaning Dépôts
Découvrez 33 dépôts GitHub open source actifs associés à #data-cleaning, cumulant 83,468 étoiles au total (soit une moyenne de 2,529 étoiles par projet). Le projet en tête de ce thème est cleanlab/cleanlab, avec 11,755 étoiles.
33 dépôts au total
La bibliothèque open-source de Cleanlab est le package AI centré sur les données standard pour la qualité des données et l'apprentissage automatique avec des données et des étiquettes désordonnées du monde réel.
Miller est comme awk, sed, cut, join et sort pour les données indexées par nom telles que CSV, TSV et JSON tabulaire.
[SIGMOD'27] Préparation simplifiée des données grâce aux opérateurs et pipelines les plus récents fondés sur les LLM.
Une bibliothèque légère, flexible et expressive pour les tests de données statistiques
:truck: Flux de travail de préparation de données agiles rendus faciles avec Pandas, Dask, cuDF, Dask-cuDF, Vaex et PySpark
L'ensemble d'outils JavaScript pour la transformation et l'analyse de données inspiré par Pandas et LINQ.
Apprentissage pratique de l'analyse de données axé sur les projets, les points de connaissance étant intégrés et permettant d'obtenir de meilleurs résultats d'apprentissage par l'apprentissage, la pratique et le guidage
Créez un entrepôt de données dans SQL Server à partir de deux systèmes sources, un CRM et un ERP, en passant par les couches bronze, silver et gold. Fichiers et scripts du projet complet gratuit.
Un modèle de chat éducatif open-source d'ICALK, East China Normal University. Grand modèle de dialogue éducatif open-source chinois-anglais. (Modèle de base universel, déploiement GPU, nettoyage des données) Hommage à : LLaMA, MOSS, BELLE, Ziya, vLLM
Analyse exploratoire des données pratique avec Python, publié par Packt
Liste de papiers continuellement mise à jour sur les avancées en Data Agents. Repo compagnon de notre article « A Survey of Data Agents : Emerging Paradigm or Overstated Hype ? »
Implémentation en C# .NET de la correspondance de chaînes floues de l'algorithme Python FuzzyWuzzy bien connu de Seat Geek.
Système ML de qualité production pour la détection automatisée d'erreurs d'unité de mesure | Précision de 88 à 92 % | Autonomie de 94 % | Flux de travail KNIME
Analyse les noms de personnes en distinguant le titre, le prénom, le deuxième prénom, le nom de famille, le suffixe, le surnom et le nom de naissance. Typé, sans dépendance et compatible avec les caractères CJK.
Code source et données pour le suivi des décès excédentaires liés au COVID-19 de The Economist
Répertoire pour le contenu Community Mentor lié à la Spécialisation en Data Science de l'Université Johns Hopkins sur Coursera
Pour le plugin VSCode d'AugmentCode à rechargement illimité. Un outil qui vous permet d'utiliser le plugin VSCode d'AugmentCode indéfiniment.
Un modèle basé sur SAM pour la segmentation d'instances d'images de grains
Un package de validation de schéma JavaScript qui prend en charge la validation directe des objets modificateurs de mise à jour MongoDB
Bibliothèque Python facile à utiliser de fonctions personnalisées pour le nettoyage et l'analyse des données.
Desbordante est un profileur de données hautes performances capable de découvrir de nombreux motifs différents dans les données à l’aide de divers algorithmes. Il permet également d’exécuter des scénarios de nettoyage des données à l’aide de ces algorithmes. Desbordante propose une version console et une application web facile à utiliser.
Schema-Inspector est un module simple de nettoyage et de validation d'objets JavaScript.
Foire aux questions
Quel est le dépôt #data-cleaning le plus populaire sur GitHub ?
Le projet #data-cleaning open source le mieux classé sur GitHub est cleanlab/cleanlab, avec 11,755 étoiles. La bibliothèque open-source de Cleanlab est le package AI centré sur les données standard pour la qualité des données et l'apprentissage automatique avec des données et des étiquettes désordonnées du monde réel.
Quels langages de programmation sont les plus utilisés dans les dépôts #data-cleaning ?
Parmi les projets #data-cleaning les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, TypeScript, R.
Comment le classement des dépôts #data-cleaning est-il calculé ?
Nous suivons 33 dépôts open source actifs associés à #data-cleaning (500+ étoiles), totalisant 83,468 étoiles, avec une moyenne de 2,529 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.