Git Stars Git Stars

#data-preprocessing Repository

Scopri 34 repository GitHub open source attivi contrassegnati con #data-preprocessing, che raccolgono un totale di 83,063 stelle (con una media di 2,443 stelle per progetto). Il progetto leader di questo argomento è openai/tiktoken, con 19,698 stelle.

34
Totale Repository
83,063
Totale stelle
2,443
Media Stelle/Repo

34 repository in totale

1
openai/tiktoken

tiktoken è un tokenizzatore BPE veloce da utilizzare con i modelli di OpenAI.

openai
⭐ 19,698 Python 👤 openai Organization 🕐 Aggiornato 2026-11-08 📅 Creato 2022-12-01
2
dwyl/english-words

:memo: Un file di testo contenente 479k parole inglesi per tutti i tuoi progetti basati su dizionari/parole, ad es. completamento automatico / suggerimento automatico

dwyl
⭐ 12,122 Python 👤 dwyl Organization 🕐 Aggiornato 2025-01-06 📅 Creato 2014-07-13
3
sjwhitworth/golearn

Machine Learning per Go

sjwhitworth
⭐ 9,455 Go 👤 sjwhitworth User 🕐 Aggiornato 2024-01-15 📅 Creato 2013-12-26
5
TommyZihao/Train_Custom_Dataset

Annotare i propri set di dati, addestrare, valutare, testare e distribuire i propri algoritmi di intelligenza artificiale

TommyZihao
⭐ 4,132 Jupyter Notebook 👤 TommyZihao User 🕐 Aggiornato 2026-01-07 📅 Creato 2022-07-23
6
rspeer/python-ftfy

Corregge il mojibake e altri glitch nel testo Unicode, a posteriori.

rspeer
⭐ 4,004 Python 👤 rspeer User 🕐 Aggiornato 2024-10-30 📅 Creato 2012-08-24
7
The-Japan-DataScientist-Society/100knocks-preprocess

100 Knockouts di Data Science (Elaborazione Dati Strutturati)

The-Japan-DataScientist-Society
⭐ 2,536 HTML 👤 The-Japan-DataScientist-Society Organization 🕐 Aggiornato 2026-11-11 📅 Creato 2020-05-28
8
scikit-learn-contrib/category_encoders

Una libreria di encoder di variabili categoriche compatibili con sklearn

scikit-learn-contrib
⭐ 2,510 Python 👤 scikit-learn-contrib Organization 🕐 Aggiornato 2026-10-31 📅 Creato 2015-11-29
9
WillKoehrsen/feature-selector

Il selettore di feature è uno strumento per la riduzione della dimensionalità di dataset di machine learning

WillKoehrsen
⭐ 2,237 Jupyter Notebook 👤 WillKoehrsen User 🕐 Aggiornato 2024-06-17 📅 Creato 2018-06-20
10
skrub-data/skrub

Apprendimento automatico con dataframes

skrub-data
⭐ 1,670 Python 👤 skrub-data Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2018-03-12
11
lizhe2004/Awesome-LLM-RAG-Application

le risorse sull'applicazione basata su LLM con pattern RAG

lizhe2004
⭐ 1,662 👤 lizhe2004 User 🕐 Aggiornato 2026-10-12 📅 Creato 2023-12-27
12
hashcat/hashcat-utils

Piccole utility utili per il cracking avanzato di password

hashcat
⭐ 1,643 C 👤 hashcat Organization 🕐 Aggiornato 2026-10-27 📅 Creato 2015-11-20
13
scikit-learn-contrib/boruta_py

Implementazioni Python del metodo di selezione delle feature all-relevant di Boruta.

scikit-learn-contrib
⭐ 1,635 Python 👤 scikit-learn-contrib Organization 🕐 Aggiornato 2025-11-13 📅 Creato 2016-01-30
14
jadijadi/machine_learning_with_python_jadi

I notebook che usiamo nel corso di ML

jadijadi
⭐ 1,215 Jupyter Notebook 👤 jadijadi User 🕐 Aggiornato 2025-10-16 📅 Creato 2021-09-20
15
campusx-official/ML-Roadmap-for-2022

Un elenco curato di video, link, progetti e dataset di Machine Learning per aiutarti a conquistare il panorama ML in 6 mesi.

campusx-official
⭐ 1,119 👤 campusx-official User 🕐 Aggiornato 2024-08-20 📅 Creato 2022-01-10
16
tensorflow/transform

Framework della pipeline di input

tensorflow
⭐ 992 Python 👤 tensorflow Organization 🕐 Aggiornato 2026-08-14 📅 Creato 2017-02-10
17
data-prep-kit/data-prep-kit

Progetto open source per la preparazione dei dati per applicazioni GenAI

data-prep-kit
⭐ 968 HTML 👤 data-prep-kit Organization 🕐 Aggiornato 2026-09-29 📅 Creato 2024-04-08
19
IIIS-Li-Group/OpenFE

OpenFE: generazione automatizzata di feature con prestazioni di livello esperto

IIIS-Li-Group
⭐ 842 Python 👤 IIIS-Li-Group Organization 🕐 Aggiornato 2024-05-27 📅 Creato 2022-11-21
20
potree/PotreeConverter

Crea nuvole di punti multi-risoluzione da utilizzare con potree

potree
⭐ 823 JavaScript 👤 potree User 🕐 Aggiornato 2026-11-02 📅 Creato 2014-02-08
22
LAION-AI/audio-dataset

Dataset audio per l'addestramento di CLAP e altri modelli

LAION-AI
⭐ 750 Python 👤 LAION-AI Organization 🕐 Aggiornato 2026-01-08 📅 Creato 2022-03-07
24
cesium-ml/cesium

Piattaforma per serie temporali di machine learning

cesium-ml
⭐ 682 Python 👤 cesium-ml Organization 🕐 Aggiornato 2025-01-17 📅 Creato 2014-10-29
25
NathanEpstein/Dora

Strumenti per l'analisi esplorativa dei dati in Python

NathanEpstein
⭐ 647 Python 👤 NathanEpstein User 🕐 Aggiornato 2025-08-05 📅 Creato 2016-02-16
26
Western-OC2-Lab/AutoML-Implementation-for-Static-and-Dynamic-Data-Analytics

Implementazione/Tutorial sull'utilizzo di metodi di apprendimento automatico automatizzato (AutoML) per l'apprendimento statico/batch e online/continuale

Western-OC2-Lab
⭐ 629 Jupyter Notebook 👤 Western-OC2-Lab Organization 🕐 Aggiornato 2024-05-14 📅 Creato 2022-09-09
27
tidymodels/recipes

Passi pipeable per l'ingegneria delle feature e la pre-elaborazione dei dati per preparare la modellazione

tidymodels
⭐ 626 R 👤 tidymodels Organization 🕐 Aggiornato 2026-09-17 📅 Creato 2016-12-16
29
Lightning-AI/litData

Accelera l'addestramento del modello correggendo il caricamento dei dati.

Lightning-AI
⭐ 617 Python 👤 Lightning-AI Organization 🕐 Aggiornato 2026-11-17 📅 Creato 2024-02-15
30
torcheeg/torcheeg

TorchEEG è una libreria costruita su PyTorch per l'analisi dei segnali EEG.

torcheeg
⭐ 585 Python 👤 torcheeg Organization 🕐 Aggiornato 2026-11-04 📅 Creato 2022-06-06
31
machinelearnjs/machinelearnjs

Libreria di Machine Learning per il web e Node.

machinelearnjs
⭐ 541 TypeScript 👤 machinelearnjs Organization 🕐 Aggiornato 2026-02-07 📅 Creato 2018-04-29
32
mlfoundations/open_lm

Un repository per la ricerca su modelli linguistici di medie dimensioni.

mlfoundations
⭐ 536 Python 👤 mlfoundations Organization 🕐 Aggiornato 2025-06-06 📅 Creato 2023-08-23
33
akanz1/klib

Libreria Python di facile utilizzo con funzioni personalizzate per la pulizia e l'analisi dei dati.

akanz1
⭐ 523 Python 👤 akanz1 User 🕐 Aggiornato 2026-10-28 📅 Creato 2020-03-25
34
Desbordante/desbordante-core

Desbordante è un profiler di dati ad alte prestazioni, in grado di scoprire molti modelli diversi nei dati utilizzando vari algoritmi. Consente inoltre di eseguire scenari di pulizia dei dati tramite questi algoritmi. Desbordante dispone di una versione per console e di un’applicazione web facile da usare.

Desbordante
⭐ 522 C++ 👤 Desbordante Organization 🕐 Aggiornato 2026-11-17 📅 Creato 2020-04-09

Domande frequenti

1

Qual è il repository #data-preprocessing più popolare su GitHub?

Il progetto open source #data-preprocessing più alto in classifica su GitHub è openai/tiktoken, con 19,698 stelle. tiktoken è un tokenizzatore BPE veloce da utilizzare con i modelli di OpenAI.

2

Quali linguaggi di programmazione sono più utilizzati nei repository #data-preprocessing?

Tra i progetti #data-preprocessing più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, HTML, Go.

3

Come viene calcolata la classifica dei repository #data-preprocessing?

Monitoriamo 34 repository open source attivi contrassegnati con #data-preprocessing (500+ stelle), per un totale di 83,063 stelle e una media di 2,443 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.