#data-quality Dépôts
Découvrez 41 dépôts GitHub open source actifs associés à #data-quality, cumulant 205,347 étoiles au total (soit une moyenne de 5,008 étoiles par projet). Le projet en tête de ce thème est GokuMohandas/Made-With-ML, avec 50,112 étoiles.
41 dépôts au total
Apprenez à développer, déployer et itérer sur des applications ML de qualité production.
📚 Articles et blogs tech d'entreprises partageant leur travail sur la science des données et l'apprentissage automatique en production.
Couche de contexte ouverte pour les données et l'IA, OpenMetadata est la plateforme ouverte permettant de construire un contexte de données fiable et une sémantique métier pour les humains, les assistants IA et les agents.
Profilage de la qualité des données & analyse exploratoire des données en 1 ligne de code pour les DataFrames Pandas et Spark.
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.
Evidently est un framework open-source d'observabilité ML et LLM. Évaluez, testez et surveillez tout système alimenté par l'IA ou pipeline de données. Des données tabulaires à Gen AI. Plus de 100 métriques.
lakeFS - Contrôle de version des données pour votre lac de données | Git pour les données
Apprenez à concevoir, développer, déployer et itérer sur des applications ML prêtes pour la production.
Une bibliothèque open-source de journalisation de données pour les modèles d'apprentissage automatique et les pipelines de données. 📚 Offre une visibilité sur la qualité des données et les performances du modèle au fil du temps. 🛡️ Prend en charge la collecte de données respectueuse de la vie privée, garantissant sécurité et robustesse. 📈
Le Virtual Feature Store. Transformez votre infrastructure de données existante en un magasin de fonctionnalités.
Feathr – Une plateforme unifiée et évolutive d'ingénierie de données et d'IA pour l'entreprise
Kit d'outils évolutif pour le prétraitement et la curation de données pour les LLM
re_data - corrigez les problèmes de données avant que vos utilisateurs et votre PDG ne les découvrent 😊
ETL/ELT open source que vous déployez sur vos propres serveurs ou dans le cloud. Construit sur DuckDB : pipelines visuels no-code/low-code ou SQL, 446 composants, dbt, CDC, qualité des données, ETL inversé, lignage et MCP pour les agents IA. Aucun cloud fournisseur, aucune facturation par ligne.
La première plateforme open-source de découverte et d'observabilité des données. Nous facilitons la vie des praticiens de données afin que vous puissiez vous concentrer sur votre entreprise.
Trouvez automatiquement des problèmes dans les jeux de données d'images et pratiquez la vision par ordinateur axée sur les données.
Une liste organisée, mais incomplète, de ressources sur l'IA axée sur les données.
Tests de contrats de données open source pour Snowflake, Databricks, BigQuery, Kafka et 15 autres plateformes. Basés sur l’Open Data Contract Standard (ODCS). Licence MIT.
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.
📙 D'incroyables catalogues de données et plateformes d'observabilité.
Évaluation de la qualité des données et rapport sur les métadonnées pour les data frames et les tables de base de données
Une compétence d’analyse réutilisable comprenant 15 cas fondés sur des données publiques. Définissez la décision et les ressources disponibles, testez des méthodes concurrentes sur les mêmes éléments probants et livrez un rapport qui relie chaque constat à ses données et à son calcul.
Framework de gestion de données pour Python qui fournit des fonctionnalités pour décrire, extraire, valider et transformer des données tabulaires
Bibliothèque pour explorer et valider les données d'apprentissage automatique
Dingo: Un outil complet d'évaluation de la qualité des données, modèles et applications d'IA
Apprenez à mieux connaître vos données ! Datavines est la plateforme d'observabilité des données de nouvelle génération, prenant en charge la gestion des métadonnées et la qualité des données.
Qualitis est une plateforme de gestion de la qualité des données tout-en-un qui prend en charge la vérification de la qualité, les notifications et la gestion pour diverses sources de données. Elle est utilisée pour résoudre divers problèmes de qualité des données causés par le traitement des données. https://github.com/WeBankFinTech/Qualitis
Compilation d'exemples concrets de haut niveau de projets d'apprentissage automatique ayant échoué
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
Moteur pour le suivi, la visualisation, l'explicabilité, la détection de dérive et les tableaux de bord IA/ML/données pour Polyaxon.
Boîte à outils de validation des données pour évaluer et surveiller leur qualité.
Foire aux questions
Quel est le dépôt #data-quality le plus populaire sur GitHub ?
Le projet #data-quality open source le mieux classé sur GitHub est GokuMohandas/Made-With-ML, avec 50,112 étoiles. Apprenez à développer, déployer et itérer sur des applications ML de qualité production.
Quels langages de programmation sont les plus utilisés dans les dépôts #data-quality ?
Parmi les projets #data-quality les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Java, TypeScript.
Comment le classement des dépôts #data-quality est-il calculé ?
Nous suivons 41 dépôts open source actifs associés à #data-quality (500+ étoiles), totalisant 205,347 étoiles, avec une moyenne de 5,008 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.