#data-engineering Repository
152 repository in totale
Apache Hamilton aiuta data scientist e ingegneri a definire dataflow testabili, modulari e auto-documentanti, che codificano lineage/tracing e metadati. Funziona e scala ovunque lo faccia python.
Un servizio di machine learning low-code per il ranking personalizzato di articoli, annunci, risultati di ricerca, raccomandazioni che aumenta il coinvolgimento degli utenti. Un motore Learn-to-Rank amichevole
Datart รจ una piattaforma aperta di visualizzazione dati di nuova generazione
Il posto migliore per imparare il data engineering. Costruito e mantenuto dalla community di data engineering.
๐พ nao รจ la soluzione di BI agentica open source numero uno. (1) Crea contesto con la CLI nao-core; (2) distribuisci lโinterfaccia di chat nao per tutti.
Il futuro del Data Engineering โ un client SQL da riga di comando per il moderno data stack, che abilita un context engineering nativamente AI per i dati.
Feathr โ Una piattaforma unificata e scalabile per l'ingegneria dei dati e dell'IA per le imprese
Oltre 2000+ domande per colloqui di ingegnere dei dati.
Un elenco completo di oltre 180 canali YouTube per Data Science, Data Engineering, Machine Learning, Deep Learning, Informatica, programmazione, ingegneria del software, ecc.
I materiali del corso gratuito di SQL di 30 ore: i database per SQL Server, MySQL e PostgreSQL, tutte le query dei 41 capitoli e le slide.
MLRun รจ una piattaforma open source MLOps per la rapida costruzione e gestione di applicazioni ML continue durante tutto il loro ciclo di vita. MLRun si integra nel tuo ambiente di sviluppo e CI/CD e automatizza la consegna di dati di produzione, pipeline ML e applicazioni online.
ktx รจ un livello di contesto eseguibile per agenti di dati e analisi ๐ Consenti a Claude Code, Codex o altri agenti AI di interrogare database analitici in modo accurato e con il pieno contesto della tua azienda
Script e documentazione per https://www.dolthub.com/repositories/chenditc/investment_data
ETL/ELT open source da implementare sui propri server o nel cloud. Basato su DuckDB: pipeline visive no-code/low-code o SQL, 446 componenti, dbt, CDC, qualitร dei dati, reverse ETL, lineage e MCP per agenti IA. Nessun cloud del fornitore, nessuna fatturazione per riga.
API pulite per la pulizia dei dati. Implementazione in Python del pacchetto R Janitor
Una collezione curata di oltre 300 articoli di blog di ingegneria dalle principali aziende tecnologiche. Scopri come i migliori team di ingegneria risolvono problemi reali su larga scala.
La prima piattaforma open-source per la scoperta e l'osservabilitร dei dati. Semplifichiamo la vita ai professionisti dei dati in modo che tu possa concentrarti sul tuo business.
Codice sorgente che accompagna il libro: Data Science su Google Cloud Platform, Valliappa Lakshmanan, O'Reilly 2017
Quilt รจ una piattaforma di gestione scientifica dei dati su AWS che aiuta team e AI a trovare, fidarsi e riutilizzare i dati attraverso pacchetti di dati profondamente versionati e ricchi di contesto.
Crawler Dianping (interamente navigabile sul sito, risolve la crittografia dei font dinamici, non OCR). Aggiornamento continuo
Un elenco curato, ma incompleto, di risorse di intelligenza artificiale incentrate sui dati.
Test open source dei contratti dei dati per Snowflake, Databricks, BigQuery, Kafka e altre 15 piattaforme. Basati sullโOpen Data Contract Standard (ODCS). Licenza MIT.
Un elenco curato di fantastiche risorse Hadoop e dell'ecosistema Hadoop
Crea un data warehouse in SQL Server a partire da due sistemi sorgente, un CRM e un ERP, passando per i livelli bronze, silver e gold. File e script del progetto completo gratuito.
Esempi pubblici eseguibili di utilizzo di NLP di John Snow Labs per Apache Spark.
๐ง Converti oggetti JSON in MySQL, JSON Schema, Mongoose, Google BigQuery, Swagger e altro ancora.
๐ Fantastici cataloghi dati e piattaforme di osservabilitร .
Materiali del corso per Analytics nei mercati azionari Zoomcamp
Dataform รจ un framework per la gestione di operazioni sui dati basate su SQL in BigQuery.
๐ Sincronizza continuamente i sistemi in cui risiedono i tuoi dati con i sistemi in cui _vuoi_ che risiedano, gestendo i tuoi flussi di dati con Estuary. ๐