#data Repository
Scopri 232 repository GitHub open source attivi contrassegnati con #data, che raccolgono un totale di 1,106,761 stelle (con una media di 4,770 stelle per progetto). Il progetto leader di questo argomento è D4Vinci/Scrapling, con 104,760 stelle.
232 repository in totale
🕷️ Il MIGLIOR framework per il web scraping, in grado di gestire tutto, da una singola richiesta a una scansione su larga scala! Non essere timido: unisciti qui https://discord.gg/EMgGbDceNQ e seguici qui per consigli e trucchi quotidiani: https://x.com/Scrapling_dev
La sfida di programmazione '30 giorni di Python' è una guida passo-passo per imparare il linguaggio di programmazione Python in 30 giorni. Questa sfida potrebbe richiedere più di 100 giorni. Segui il tuo ritmo. Anche questi video potrebbero aiutarti: https://www.youtube.com/channel/UC7PNRuno1rzYPb1xLa4yktw
🤖 Potente gestione asincrona dello stato, utilità per lo stato del server e recupero dati per il web. TS/JS, React Query, Solid Query, Svelte Query e Vue Query.
Lo strumento di Business Intelligence e analisi integrate open source facile da usare che permette a tutti di lavorare con i dati :bar_chart:
Questo è un repository con collegamenti a tutto ciò che vorresti mai imparare sull'ingegneria dei dati
📗 SheetJS Spreadsheet Data Toolkit -- Nuova casa https://git.sheetjs.com/SheetJS/sheetjs
Prefect è un framework di orchestrazione dei workflow per la costruzione di pipeline di dati resilienti in Python.
Chiacchiera con il tuo database o il tuo datalake (SQL, CSV, parquet). PandasAI rende l'analisi dei dati conversazionale utilizzando LLM e RAG.
AKShare è una libreria di interfacce per dati finanziari elegante e semplice per Python, costruita per gli esseri umani! Libreria di interfacce per dati finanziari open source
Movimento di dati open-source per pipeline ELT e agenti AI — da API, database e file a data warehouse, data lake e applicazioni AI. Sia self-hosted che Cloud.
Un elenco curato di incredibili framework di big data, risorse e altre meraviglie.
PRQL è un linguaggio moderno per la trasformazione dei dati, un sostituto SQL semplice, potente e basato su pipeline.
:card_index: Un semplice generatore di dati fittizi per C#, F# e VB.NET. Basato su e portato dal famoso faker.js.
Un'interfaccia web per creare visualizzazioni personalizzate basate su vettori sul core di RAWGraphs
🧙 Costruisci, esegui e gestisci pipeline di dati per l'integrazione e la trasformazione dei dati.
[SIGMOD'27] Preparazione dei dati semplificata con gli operatori e le pipeline più recenti basati su LLM.
Elenco di stage e offerte di lavoro per neolaureati in AI/ML 2027 aggiornato quotidianamente
Pipeline di dati per i dati di configurazione e sicurezza del cloud. Creazione di soluzioni per l'inventario degli asset cloud, CSPM, FinOps e la gestione delle vulnerabilità. Estrazione da AWS, Azure, GCP e oltre 70 fonti cloud e SaaS.
Il Data Load Tool (dlt) è una libreria Python open source che semplifica il caricamento dei dati 🛠️
Dati di compatibilità del browser per le tecnologie Web come visualizzati su MDN
Una piattaforma di condivisione della conoscenza curata di prossima generazione per data scientist e altre professioni tecniche.
Edit Banana: Un framework per convertire formati statistici in editabili.
🚀 Glide Data Grid è una griglia dati React senza compromessi e incredibilmente veloce con rendering ricco, accessibilità di prima classe e supporto completo di TypeScript.
Superduper: Framework end-to-end per la creazione di applicazioni e agenti AI personalizzati.
CKAN è un DMS (data management system) open-source per alimentare data hub e portali di dati. CKAN rende facile pubblicare, condividere e utilizzare i dati. Alimenta catalog.data.gov, open.canada.ca/data, data.humdata.org tra molti altri siti.
Mimesis è una libreria Python per generare dati falsi ma realistici in molteplici lingue e impostazioni locali.
DeepAnalyze è il primo LLM agentico per la data science autonoma. 🎈 Il tuo analista di dati AI che analizza automaticamente grandi quantità di dati e genera report di analisi professionali con un solo clic!
Parser di front matter YAML più intelligente, utilizzato da metalsmith, Gatsby, Netlify, Assemble, mapbox-gl, phenomic, vuejs vitepress, TinaCMS, Shopify Polaris, Ant Design, Astro, hashicorp, garden, slidev, saber, sourcegraph e molti altri. Semplice da usare e testato sul campo. Analizza YAML per impostazione predefinita, ma può anche analizzare JSON Front Matter, Coffee Front Matter, TOML Front Matter e ha il supporto per parser personalizzati. Si prega di seguire l'autore di gray-matter: https://github.com/jonschlinkert
Framework RAG (Retrieval Augmented Generation) per la creazione di applicazioni open source modulari per la produzione di TrueFoundry
Preswald è un packager WASM per applicazioni dati interattive basate su Python: impacchetta flussi di lavoro di dati complessi completi, in particolare visualizzazioni, in singoli file, eseguibili completamente nel browser, utilizzando Pyodide, DuckDB, Pandas e Plotly, Matplotlib, ecc. Crea dashboard, report e notebook che vengono eseguiti offline, si caricano velocemente e si condividono come un documento.
Un framework per la raccolta e l'analisi dei dati di mercato delle previsioni, incluso il più grande set di dati pubblicamente disponibile su Polymarket e Kalshi relativo ai mercati e alle transazioni.
Domande frequenti
Qual è il repository #data più popolare su GitHub?
Il progetto open source #data più alto in classifica su GitHub è D4Vinci/Scrapling, con 104,760 stelle. 🕷️ Il MIGLIOR framework per il web scraping, in grado di gestire tutto, da una singola richiesta a una scansione su larga scala! Non essere timido: unisciti qui https://discord.gg/EMgGbDceNQ e seguici qui per consigli e trucchi quotidiani: https://x.com/Scrapling_dev
Quali linguaggi di programmazione sono più utilizzati nei repository #data?
Tra i progetti #data più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, TypeScript, JavaScript, Rust.
Come viene calcolata la classifica dei repository #data?
Monitoriamo 232 repository open source attivi contrassegnati con #data (500+ stelle), per un totale di 1,106,761 stelle e una media di 4,770 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.