#data-quality Repository
Scopri 41 repository GitHub open source attivi contrassegnati con #data-quality, che raccolgono un totale di 205,347 stelle (con una media di 5,008 stelle per progetto). Il progetto leader di questo argomento è GokuMohandas/Made-With-ML, con 50,112 stelle.
41 repository in totale
Impara a sviluppare, distribuire e iterare applicazioni ML di livello produttivo.
📚 Paper e blog tecnici di aziende che condividono il loro lavoro su data science e machine learning in produzione.
Il livello di contesto aperto per dati e IA, OpenMetadata, è la piattaforma aperta per costruire un contesto di dati affidabile e una semantica aziendale per esseri umani, assistenti IA e agenti.
Profilazione della qualità dei dati & analisi esplorativa dei dati con 1 riga di codice per Pandas e Spark DataFrames.
La libreria open-source di Cleanlab è il pacchetto AI data-centric standard per la qualità dei dati e l'apprendimento automatico con dati e etichette disordinati del mondo reale.
Evidently è un framework open-source per l'osservabilità di ML e LLM. Valuta, testa e monitora qualsiasi sistema basato sull'IA o pipeline dati. Dai dati tabellari a Gen AI. Oltre 100 metriche.
lakeFS - Controllo delle versioni dei dati per il tuo data lake | Git per i dati
Scopri come progettare, sviluppare, distribuire e iterare applicazioni ML pronte per la produzione.
Una libreria open-source per la registrazione dei dati per modelli di machine learning e pipeline di dati. 📚 Fornisce visibilità sulla qualità dei dati e sulle prestazioni del modello nel tempo. 🛡️ Supporta la raccolta dati che preserva la privacy, garantendo sicurezza e robustezza. 📈
Il Virtual Feature Store. Trasforma la tua infrastruttura dati esistente in un feature store.
Feathr – Una piattaforma unificata e scalabile per l'ingegneria dei dati e dell'IA per le imprese
re_data - correggi i problemi dei dati prima che i tuoi utenti e il tuo CEO li scoprano 😊
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, qualità dei dati, reverse ETL, lineage e MCP per agenti IA. Nessun cloud del fornitore, nessuna fatturazione per riga.
La prima piattaforma open-source per la scoperta e l'osservabilità dei dati. Semplifichiamo la vita ai professionisti dei dati in modo che tu possa concentrarti sul tuo business.
Trova automaticamente problemi nei set di dati di immagini e pratica la visione artificiale data-centric.
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 sull’Open Data Contract Standard (ODCS). Licenza MIT.
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.
📙 Fantastici cataloghi dati e piattaforme di osservabilità.
Valutazione della qualità dei dati e reporting dei metadati per dataframe e tabelle del database
Una competenza analitica riutilizzabile con 15 casi basati su dati pubblici. Definisci la decisione e le risorse disponibili, metti alla prova metodi alternativi sulle stesse evidenze e produci un report che colleghi ogni risultato ai relativi dati e calcoli.
Framework di gestione dei dati per Python che fornisce funzionalità per descrivere, estrarre, convalidare e trasformare dati tabellari
Dingo: Uno strumento completo per la valutazione della qualità di dati, modelli e applicazioni di IA
Conosci meglio i tuoi dati! Datavines è la piattaforma di osservabilità dei dati di nuova generazione, supporta la gestione dei metadati e la qualità dei dati.
Qualitis è una piattaforma di gestione della qualità dei dati all-in-one che supporta la verifica della qualità, le notifiche e la gestione per varie fonti di dati. Viene utilizzata per risolvere vari problemi di qualità dei dati causati dall'elaborazione dei dati. https://github.com/WeBankFinTech/Qualitis
Raccolta di esempi reali di alto profilo di progetti di machine learning falliti
Sistema ML di qualità produttiva per il rilevamento automatizzato degli errori di unità di misura | Accuratezza 88-92% | Autonomia 94% | Flusso di lavoro KNIME
Motore per il tracciamento, la visualizzazione, l'esplicabilità, il rilevamento della deriva e i dashboard di IA/ML/dati per Polyaxon.
Kit di strumenti per la convalida dei dati, la valutazione e il monitoraggio della qualità dei dati.
Domande frequenti
Qual è il repository #data-quality più popolare su GitHub?
Il progetto open source #data-quality più alto in classifica su GitHub è GokuMohandas/Made-With-ML, con 50,112 stelle. Impara a sviluppare, distribuire e iterare applicazioni ML di livello produttivo.
Quali linguaggi di programmazione sono più utilizzati nei repository #data-quality?
Tra i progetti #data-quality più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, Java, TypeScript.
Come viene calcolata la classifica dei repository #data-quality?
Monitoriamo 41 repository open source attivi contrassegnati con #data-quality (500+ stelle), per un totale di 205,347 stelle e una media di 5,008 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.