Git Stars Git Stars

#feature-engineering Dépôts

Découvrez 56 dépôts GitHub open source actifs associés à #feature-engineering, cumulant 95,158 étoiles au total (soit une moyenne de 1,699 étoiles par projet). Le projet en tête de ce thème est EpistasisLab/tpot, avec 10,051 étoiles.

56
Total des Dépôts
95,158
Nombre total d'étoiles
1,699
Moyenne d'Étoiles/Dépôt
1
EpistasisLab/tpot

Un outil de Machine Learning Automatisé en Python qui optimise les pipelines de machine learning en utilisant la programmation génétique.

EpistasisLab
⭐ 10,051 Jupyter Notebook 👤 EpistasisLab Organization 🕐 Mis à jour 2025-09-11 📅 Créé 2015-11-03
2
alteryx/featuretools

Une bibliothèque Python open source pour l'ingénierie de fonctionnalités automatisée

alteryx
⭐ 7,697 Python 👤 alteryx Organization 🕐 Mis à jour 2026-09-11 📅 Créé 2017-09-08
3
airbnb/aerosolve

Un package d'apprentissage automatique conçu pour les humains.

airbnb
⭐ 4,809 Scala 👤 airbnb Organization 🕐 Mis à jour 2025-11-06 📅 Créé 2015-05-12
5
alibaba/Alink

Alink est la plateforme d'algorithmes d'apprentissage automatique basée sur Flink, développée par l'équipe PAI de la plateforme de calcul Alibaba.

alibaba
⭐ 3,625 Java 👤 alibaba Organization 🕐 Mis à jour 2024-06-07 📅 Créé 2018-09-30
6
data-science-on-aws/data-science-on-aws

IA et apprentissage automatique avec Kubeflow, Amazon EKS et SageMaker

data-science-on-aws
⭐ 3,422 Jupyter Notebook 👤 data-science-on-aws Organization 🕐 Mis à jour 2024-07-31 📅 Créé 2020-02-29
7
mljar/mljar-supervised

Paquet Python pour AutoML sur des données tabulaires avec ingénierie des caractéristiques, réglage des hyper-paramètres, explications et documentation automatique

mljar
⭐ 3,306 Python 👤 mljar Organization 🕐 Mis à jour 2026-11-05 📅 Créé 2018-11-05
8
Visualize-ML/Book6_First-Course-in-Data-Science

Livre_6_"La Voie des Données" | Le livre Iris : De l'addition, la soustraction, la multiplication et la division au machine learning ; nous vous invitons à critiquer et corriger ! Les étudiants qui corrigeront le plus d'erreurs recevront un exemplaire du livre en remerciement !

Visualize-ML
⭐ 2,799 Jupyter Notebook 👤 Visualize-ML User 🕐 Mis à jour 2026-05-01 📅 Créé 2022-10-11
9
apache/hamilton

Apache Hamilton aide les scientifiques des données et les ingénieurs à définir des dataflows testables, modulaires et auto-documentants, qui encodent la lignée/le traçage et les métadonnées. S'exécute et s'adapte partout où python le fait.

apache
⭐ 2,631 Jupyter Notebook 👤 apache Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2023-02-23
10
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
11
metarank/metarank

Un service de classement personnalisé par apprentissage automatique à faible code pour les articles, les annonces, les résultats de recherche, les recommandations qui stimule l'engagement des utilisateurs. Un moteur Learn-to-Rank convivial

metarank
⭐ 2,461 Scala 👤 metarank Organization 🕐 Mis à jour 2026-10-06 📅 Créé 2020-08-19
12
feature-engine/feature_engine

Bibliothèque Python open-source de préparation et de sélection de caractéristiques compatible avec sklearn.

feature-engine
⭐ 2,297 Python 👤 feature-engine Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2018-12-31
13
salesforce/TransmogrifAI

TransmogrifAI (prononcé trăns-mŏgˈrə-fī) est une bibliothèque AutoML permettant de créer des flux de travail d'apprentissage automatique modulaires, réutilisables et fortement typés sur Apache Spark avec un réglage manuel minimal.

salesforce
⭐ 2,280 Scala 👤 salesforce Organization 🕐 Mis à jour 2026-06-02 📅 Créé 2017-11-02
14
ytzfhqs/AAAMLP-CN

Approaching (Almost) Any Machine Learning Problem traduction chinoise, adresse de la documentation en ligne : https://ytzfhqs.github.io/AAAMLP-CN/

ytzfhqs
⭐ 1,987 Jupyter Notebook 👤 ytzfhqs User 🕐 Mis à jour 2025-12-10 📅 Créé 2023-08-30
15
featureform/featureform

Le Virtual Feature Store. Transformez votre infrastructure de données existante en un magasin de fonctionnalités.

featureform
⭐ 1,979 Go 👤 featureform Organization 🕐 Mis à jour 2025-07-03 📅 Créé 2020-10-16
16
feathr-ai/feathr

Feathr – Une plateforme unifiée et évolutive d'ingénierie de données et d'IA pour l'entreprise

feathr-ai
⭐ 1,916 Scala 👤 feathr-ai Organization 🕐 Mis à jour 2024-04-04 📅 Créé 2022-02-18
17
asavinov/intelligent-trading-bot

Trading Bot Intelligent : Génération automatique de signaux et trading basé sur l'apprentissage automatique et l'ingénierie des caractéristiques

asavinov
⭐ 1,906 Python 👤 asavinov User 🕐 Mis à jour 2026-11-18 📅 Créé 2021-10-24
18
linkedin/greykite

Une bibliothèque de prévision flexible, intuitive et rapide

linkedin
⭐ 1,855 Python 👤 linkedin Organization 🕐 Mis à jour 2025-02-20 📅 Créé 2021-04-27
19
4paradigm/OpenMLDB

OpenMLDB est une base de données open-source de machine learning qui fournit une plateforme de fonctionnalités pour le calcul de fonctionnalités cohérentes pour l'entraînement et l'inférence.

4paradigm
⭐ 1,717 C++ 👤 4paradigm Organization 🕐 Mis à jour 2026-11-10 📅 Créé 2021-03-12
20
LastAncientOne/Deep_Learning_Machine_Learning_Stock

Les actions en deep learning et en machine learning représentent des opportunités prometteuses pour les investisseurs et les traders à long et court terme.

LastAncientOne
⭐ 1,689 Jupyter Notebook 👤 LastAncientOne User 🕐 Mis à jour 2024-03-01 📅 Créé 2018-09-29
21
hyperopt/hyperopt-sklearn

Optimisation des hyperparamètres pour sklearn

hyperopt
⭐ 1,646 Python 👤 hyperopt Organization 🕐 Mis à jour 2025-04-15 📅 Créé 2013-02-19
22
winedarksea/AutoTS

Prévision automatisée des séries temporelles

winedarksea
⭐ 1,432 Python 👤 winedarksea User 🕐 Mis à jour 2026-11-19 📅 Créé 2019-11-26
23
shunliz/Machine-Learning

Principes d'apprentissage automatique

shunliz
⭐ 1,423 Python 👤 shunliz User 🕐 Mis à jour 2025-08-03 📅 Créé 2017-05-28
24
logicalclocks/hopsworks

Hopsworks - Plateforme IA intensive en données avec un Feature Store

logicalclocks
⭐ 1,299 Java 👤 logicalclocks Organization 🕐 Mis à jour 2025-02-10 📅 Créé 2018-07-26
25
functime-org/functime

Apprentissage automatique de séries temporelles à grande échelle. Construit avec Polars pour une extraction de caractéristiques et des prévisions sur des données de panel, facilement parallélisables.

functime-org
⭐ 1,194 Python 👤 functime-org Organization 🕐 Mis à jour 2026-05-03 📅 Créé 2023-06-05
26
8080labs/ppscore

Score de puissance prédictive (PPS) en Python

8080labs
⭐ 1,170 Python 👤 8080labs User 🕐 Mis à jour 2026-03-11 📅 Créé 2020-04-17
27
NVIDIA-Merlin/NVTabular

NVTabular est une bibliothèque d'ingénierie et de prétraitement de caractéristiques pour les données tabulaires, conçue pour manipuler rapidement et facilement des jeux de données à l'échelle du téraoctet utilisés pour entraîner des systèmes de recommandation basés sur l'apprentissage profond.

NVIDIA-Merlin
⭐ 1,153 Python 👤 NVIDIA-Merlin Organization 🕐 Mis à jour 2026-05-22 📅 Créé 2020-04-03
28
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
29
elastic/ember

Elastic Malware Benchmark pour Renforcer les Chercheurs

elastic
⭐ 1,110 Jupyter Notebook 👤 elastic Organization 🕐 Mis à jour 2024-11-22 📅 Créé 2018-04-11
31
tensorflow/transform

Framework du pipeline d'entrée

tensorflow
⭐ 992 Python 👤 tensorflow Organization 🕐 Mis à jour 2026-08-14 📅 Créé 2017-02-10
32
EpistasisLab/pmlb

PMLB : Un grand dépôt curaté de jeux de données de référence pour évaluer les algorithmes d'apprentissage automatique supervisé.

EpistasisLab
⭐ 866 Python 👤 EpistasisLab Organization 🕐 Mis à jour 2025-02-25 📅 Créé 2016-11-11
33
alteryx/evalml

EvalML est une bibliothèque AutoML écrite en Python.

alteryx
⭐ 852 Python 👤 alteryx Organization 🕐 Mis à jour 2026-01-14 📅 Créé 2019-07-17
34
tidymodels/tidymodels

Installez et chargez facilement les packages tidymodels

tidymodels
⭐ 824 R 👤 tidymodels Organization 🕐 Mis à jour 2026-09-17 📅 Créé 2018-07-05
35
ashishpatel26/Amazing-Feature-Engineering

L'ingénierie des caractéristiques est le processus d'utilisation des connaissances du domaine pour extraire des caractéristiques des données brutes via des techniques de fouille de données. Ces caractéristiques peuvent être utilisées pour améliorer les performances des algorithmes d'apprentissage automatique. L'ingénierie des caractéristiques peut être considérée comme l'apprentissage automatique appliqué lui-même.

ashishpatel26
⭐ 794 Jupyter Notebook 👤 ashishpatel26 User 🕐 Mis à jour 2025-06-29 📅 Créé 2019-02-19
37
jeongyoonlee/Kaggler

Code pour les compétitions de science des données Kaggle

jeongyoonlee
⭐ 751 Python 👤 jeongyoonlee User 🕐 Mis à jour 2024-04-25 📅 Créé 2015-01-28
38
muaimingjun/bigData

Bibliothèque de projets de compétition en big data

muaimingjun
⭐ 734 Python 👤 muaimingjun User 🕐 Mis à jour 2025-05-07 📅 Créé 2019-10-14
39
Meesho/BharatMLStack

BharatMLStack est une pile d'infrastructure d'apprentissage automatique open-source de bout en bout construite chez Meesho pour prendre en charge les charges de travail ML en temps réel et par lots à l'échelle de Bharat

Meesho
⭐ 716 Go 👤 Meesho Organization 🕐 Mis à jour 2026-11-14 📅 Créé 2025-05-23
40
google/temporian

Temporian est une bibliothèque Python open-source pour le prétraitement ⚡ et l'ingénierie des caractéristiques 🛠 de données temporelles 📈 pour les applications d'apprentissage automatique 🤖

google
⭐ 711 Python 👤 google Organization 🕐 Mis à jour 2025-10-29 📅 Créé 2023-01-17
41
v1tzor/TimePlanner

Planification quotidienne des tâches, entièrement gratuite, pratique et rapide

v1tzor
⭐ 708 Kotlin 👤 v1tzor User 🕐 Mis à jour 2026-08-30 📅 Créé 2023-05-08
42
featurestoreorg/serverless-ml-course

Cours d'apprentissage automatique sans serveur pour la création de services de prédiction basés sur l'IA à partir de modèles et de fonctionnalités

featurestoreorg
⭐ 678 Jupyter Notebook 👤 featurestoreorg Organization 🕐 Mis à jour 2024-09-24 📅 Créé 2022-09-01
43
AutoViML/featurewiz

Utilisez des stratégies avancées d'ingénierie des fonctionnalités et sélectionnez les meilleures fonctionnalités de votre jeu de données en une seule ligne de code. Créé par Ram Seshadri. Collaborateurs bienvenus.

AutoViML
⭐ 677 Python 👤 AutoViML User 🕐 Mis à jour 2025-02-19 📅 Créé 2020-11-29
44
abstractqqq/polars_ds_extension

Extension Polars pour les cas d'utilisation généraux de la science des données

abstractqqq
⭐ 661 Rust 👤 abstractqqq User 🕐 Mis à jour 2026-11-18 📅 Créé 2023-10-30
45
syncora-ai/Synthetic-AI-Developer-Productivity-Dataset

Ensemble de données synthétiques haute fidélité capturant les métriques de productivité des développeurs d'IA — y compris les heures de concentration, les taux d'achèvement des tâches et les indicateurs d'épuisement professionnel. Sécurisé pour la confidentialité, idéal pour l'analyse ML et de flux de travail.

syncora-ai
⭐ 657 Jupyter Notebook 👤 syncora-ai User 🕐 Mis à jour 2025-09-04 📅 Créé 2025-07-31
46
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
47
achuthasubhash/Complete-Life-Cycle-of-a-Data-Science-Project

Cycle de vie complet d'un projet de science des données

achuthasubhash
⭐ 631 👤 achuthasubhash User 🕐 Mis à jour 2024-06-07 📅 Créé 2020-09-02
48
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
49
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

Foire aux questions

1

Quel est le dépôt #feature-engineering le plus populaire sur GitHub ?

Le projet #feature-engineering open source le mieux classé sur GitHub est EpistasisLab/tpot, avec 10,051 étoiles. Un outil de Machine Learning Automatisé en Python qui optimise les pipelines de machine learning en utilisant la programmation génétique.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #feature-engineering ?

Parmi les projets #feature-engineering les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Scala, Java.

3

Comment le classement des dépôts #feature-engineering est-il calculé ?

Nous suivons 56 dépôts open source actifs associés à #feature-engineering (500+ étoiles), totalisant 95,158 étoiles, avec une moyenne de 1,699 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.