Git Stars Git Stars

#data-preprocessing Dépôts

Découvrez 34 dépôts GitHub open source actifs associés à #data-preprocessing, cumulant 83,063 étoiles au total (soit une moyenne de 2,443 étoiles par projet). Le projet en tête de ce thème est openai/tiktoken, avec 19,698 étoiles.

34
Total des Dépôts
83,063
Nombre total d'étoiles
2,443
Moyenne d'Étoiles/Dépôt
1
openai/tiktoken

tiktoken est un tokenizer BPE rapide à utiliser avec les modèles d'OpenAI.

openai
⭐ 19,698 Python 👤 openai Organization 🕐 Mis à jour 2026-11-08 📅 Créé 2022-12-01
2
dwyl/english-words

:memo: Un fichier texte contenant 479k mots anglais pour tous vos projets basés sur des dictionnaires/mots, par exemple : autocomplétion / suggestion automatique

dwyl
⭐ 12,122 Python 👤 dwyl Organization 🕐 Mis à jour 2025-01-06 📅 Créé 2014-07-13
3
sjwhitworth/golearn

Apprentissage automatique pour Go

sjwhitworth
⭐ 9,455 Go 👤 sjwhitworth User 🕐 Mis à jour 2024-01-15 📅 Créé 2013-12-26
5
TommyZihao/Train_Custom_Dataset

Annoter ses propres ensembles de données, entraîner, évaluer, tester et déployer ses propres algorithmes d'intelligence artificielle

TommyZihao
⭐ 4,132 Jupyter Notebook 👤 TommyZihao User 🕐 Mis à jour 2026-01-07 📅 Créé 2022-07-23
6
rspeer/python-ftfy

Corrige le mojibake et autres glitches dans le texte Unicode, a posteriori.

rspeer
⭐ 4,004 Python 👤 rspeer User 🕐 Mis à jour 2024-10-30 📅 Créé 2012-08-24
7
The-Japan-DataScientist-Society/100knocks-preprocess

100 Knockouts de Data Science (Traitement de Données Structurées)

The-Japan-DataScientist-Society
⭐ 2,536 HTML 👤 The-Japan-DataScientist-Society Organization 🕐 Mis à jour 2026-11-11 📅 Créé 2020-05-28
8
scikit-learn-contrib/category_encoders

Une bibliothèque d'encodeurs de variables catégorielles compatibles avec sklearn

scikit-learn-contrib
⭐ 2,510 Python 👤 scikit-learn-contrib Organization 🕐 Mis à jour 2026-10-31 📅 Créé 2015-11-29
9
WillKoehrsen/feature-selector

Le sélecteur de fonctionnalités est un outil pour la réduction de dimensionnalité des ensembles de données d'apprentissage automatique

WillKoehrsen
⭐ 2,237 Jupyter Notebook 👤 WillKoehrsen User 🕐 Mis à jour 2024-06-17 📅 Créé 2018-06-20
10
skrub-data/skrub

Apprentissage automatique avec des dataframes

skrub-data
⭐ 1,670 Python 👤 skrub-data Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2018-03-12
11
lizhe2004/Awesome-LLM-RAG-Application

les ressources sur l'application basée sur LLM avec le modèle RAG

lizhe2004
⭐ 1,662 👤 lizhe2004 User 🕐 Mis à jour 2026-10-12 📅 Créé 2023-12-27
12
hashcat/hashcat-utils

Petits utilitaires utiles pour le cracking avancé de mots de passe

hashcat
⭐ 1,643 C 👤 hashcat Organization 🕐 Mis à jour 2026-10-27 📅 Créé 2015-11-20
13
scikit-learn-contrib/boruta_py

Implémentations Python de la méthode de sélection de caractéristiques all-relevant de Boruta.

scikit-learn-contrib
⭐ 1,635 Python 👤 scikit-learn-contrib Organization 🕐 Mis à jour 2025-11-13 📅 Créé 2016-01-30
14
jadijadi/machine_learning_with_python_jadi

Les carnets que nous utilisons dans le cours de ML

jadijadi
⭐ 1,215 Jupyter Notebook 👤 jadijadi User 🕐 Mis à jour 2025-10-16 📅 Créé 2021-09-20
15
campusx-official/ML-Roadmap-for-2022

Une liste organisée de vidéos, liens, projets et jeux de données d'apprentissage automatique pour vous aider à conquérir le paysage de la ML en 6 mois.

campusx-official
⭐ 1,119 👤 campusx-official User 🕐 Mis à jour 2024-08-20 📅 Créé 2022-01-10
16
tensorflow/transform

Framework du pipeline d'entrée

tensorflow
⭐ 992 Python 👤 tensorflow Organization 🕐 Mis à jour 2026-08-14 📅 Créé 2017-02-10
17
data-prep-kit/data-prep-kit

Projet open source pour la préparation des données pour les applications GenAI

data-prep-kit
⭐ 968 HTML 👤 data-prep-kit Organization 🕐 Mis à jour 2026-09-29 📅 Créé 2024-04-08
19
IIIS-Li-Group/OpenFE

OpenFE : génération automatisée de caractéristiques avec des performances de niveau expert

IIIS-Li-Group
⭐ 842 Python 👤 IIIS-Li-Group Organization 🕐 Mis à jour 2024-05-27 📅 Créé 2022-11-21
20
potree/PotreeConverter

Créer un nuage de points multi-résolution à utiliser avec potree

potree
⭐ 823 JavaScript 👤 potree User 🕐 Mis à jour 2026-11-02 📅 Créé 2014-02-08
22
LAION-AI/audio-dataset

Ensemble de données audio pour l'entraînement de CLAP et d'autres modèles

LAION-AI
⭐ 750 Python 👤 LAION-AI Organization 🕐 Mis à jour 2026-01-08 📅 Créé 2022-03-07
24
cesium-ml/cesium

Plateforme de séries temporelles d'apprentissage automatique

cesium-ml
⭐ 682 Python 👤 cesium-ml Organization 🕐 Mis à jour 2025-01-17 📅 Créé 2014-10-29
25
NathanEpstein/Dora

Outils pour l'analyse exploratoire des données en Python

NathanEpstein
⭐ 647 Python 👤 NathanEpstein User 🕐 Mis à jour 2025-08-05 📅 Créé 2016-02-16
26
Western-OC2-Lab/AutoML-Implementation-for-Static-and-Dynamic-Data-Analytics

Implémentation/Tutoriel de l'utilisation des méthodes d'apprentissage automatique automatisé (AutoML) pour l'apprentissage statique/par lots et l'apprentissage en ligne/continu

Western-OC2-Lab
⭐ 629 Jupyter Notebook 👤 Western-OC2-Lab Organization 🕐 Mis à jour 2024-05-14 📅 Créé 2022-09-09
27
tidymodels/recipes

Étapes pipeables pour l'ingénierie des caractéristiques et le prétraitement des données pour préparer la modélisation

tidymodels
⭐ 626 R 👤 tidymodels Organization 🕐 Mis à jour 2026-09-17 📅 Créé 2016-12-16
29
Lightning-AI/litData

Accélérez l'entraînement du modèle en corrigeant le chargement des données.

Lightning-AI
⭐ 617 Python 👤 Lightning-AI Organization 🕐 Mis à jour 2026-11-17 📅 Créé 2024-02-15
30
torcheeg/torcheeg

TorchEEG est une bibliothèque construite sur PyTorch pour l'analyse des signaux EEG.

torcheeg
⭐ 585 Python 👤 torcheeg Organization 🕐 Mis à jour 2026-11-04 📅 Créé 2022-06-06
31
machinelearnjs/machinelearnjs

Bibliothèque de Machine Learning pour le web et Node.

machinelearnjs
⭐ 541 TypeScript 👤 machinelearnjs Organization 🕐 Mis à jour 2026-02-07 📅 Créé 2018-04-29
32
mlfoundations/open_lm

Un dépôt pour la recherche sur les modèles de langage de taille moyenne.

mlfoundations
⭐ 536 Python 👤 mlfoundations Organization 🕐 Mis à jour 2025-06-06 📅 Créé 2023-08-23
33
akanz1/klib

Bibliothèque Python facile à utiliser de fonctions personnalisées pour le nettoyage et l'analyse des données.

akanz1
⭐ 523 Python 👤 akanz1 User 🕐 Mis à jour 2026-10-28 📅 Créé 2020-03-25
34
Desbordante/desbordante-core

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.

Desbordante
⭐ 522 C++ 👤 Desbordante Organization 🕐 Mis à jour 2026-11-17 📅 Créé 2020-04-09

Foire aux questions

1

Quel est le dépôt #data-preprocessing le plus populaire sur GitHub ?

Le projet #data-preprocessing open source le mieux classé sur GitHub est openai/tiktoken, avec 19,698 étoiles. tiktoken est un tokenizer BPE rapide à utiliser avec les modèles d'OpenAI.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #data-preprocessing ?

Parmi les projets #data-preprocessing les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, HTML, Go.

3

Comment le classement des dépôts #data-preprocessing est-il calculé ?

Nous suivons 34 dépôts open source actifs associés à #data-preprocessing (500+ étoiles), totalisant 83,063 étoiles, avec une moyenne de 2,443 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.