#dataops Dépôts
Découvrez 15 dépôts GitHub open source actifs associés à #dataops, cumulant 32,987 étoiles au total (soit une moyenne de 2,199 étoiles par projet). Le projet en tête de ce thème est lance-format/lance, avec 7,374 étoiles.
15 dépôts au total
Format Lakehouse ouvert pour l'IA multimodale. Convertissez depuis Parquet en 2 lignes de code pour un accès aléatoire 100 fois plus rapide, un index vectoriel et la gestion de version des données. Compatible avec Pandas, DuckDB, Polars, Pyarrow et PyTorch, avec d'autres intégrations à venir.
Redpanda Console est une interface utilisateur conviviale pour les développeurs permettant de gérer vos charges de travail Kafka/Redpanda. Console vous offre une approche simple et interactive pour obtenir de la visibilité sur vos sujets, masquer des données, gérer des groupes de consommateurs et explorer des données en temps réel avec le débogage de voyage dans le temps.
Framework de transformation de données évolutif et efficace - rétrocompatible avec dbt.
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. 📈
Meltano : le moteur d'intégration de données déclaratif axé sur le code qui alimente vos idées les plus folles de produits basés sur les données et l'IA. Dites adieu à la rédaction, à la maintenance et à la mise à l'échelle de vos propres intégrations API.
La solution d'observabilité de données native pour dbt pour les ingénieurs de données et d'analyse. Surveillez vos pipelines de données en quelques minutes. Disponible en auto-hébergement ou en service cloud avec des fonctionnalités premium.
Kafka Docker pour le développement. Kafka, Zookeeper, Schema Registry, Kafka-Connect, , 20+ connecteurs
Plateforme Cloud Native DataOps & AIOps | Plateforme Cloud Native DataOps & AIOps
Prise en charge de DataOps agiles pour les ontologies basés sur Flink, DataX et Flink-CDC via une interface Web
📙 D'incroyables catalogues de données et plateformes d'observabilité.
Optimus est un orchestrateur de flux de travail facile à utiliser, fiable et performant pour la transformation des données, la modélisation des données, les pipelines et la gestion de la qualité des données.
DataOps pour les technologies Microsoft Data Platform. https://aka.ms/dataops-repo
Une liste d'outils pour annoter les données, gérer les annotations, etc.
Moteur pour le suivi, la visualisation, l'explicabilité, la détection de dérive et les tableaux de bord IA/ML/données pour Polyaxon.
Foire aux questions
Quel est le dépôt #dataops le plus populaire sur GitHub ?
Le projet #dataops open source le mieux classé sur GitHub est lance-format/lance, avec 7,374 étoiles. Format Lakehouse ouvert pour l'IA multimodale. Convertissez depuis Parquet en 2 lignes de code pour un accès aléatoire 100 fois plus rapide, un index vectoriel et la gestion de version des données. Compatible avec Pandas, DuckDB, Polars, Pyarrow et PyTorch, avec d'autres intégrations à venir.
Quels langages de programmation sont les plus utilisés dans les dépôts #dataops ?
Parmi les projets #dataops les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Shell, Java, Rust.
Comment le classement des dépôts #dataops est-il calculé ?
Nous suivons 15 dépôts open source actifs associés à #dataops (500+ étoiles), totalisant 32,987 étoiles, avec une moyenne de 2,199 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.