Git Stars Git Stars

#feature-engineering Repository

Scopri 56 repository GitHub open source attivi contrassegnati con #feature-engineering, che raccolgono un totale di 95,158 stelle (con una media di 1,699 stelle per progetto). Il progetto leader di questo argomento è EpistasisLab/tpot, con 10,051 stelle.

56
Totale Repository
95,158
Totale stelle
1,699
Media Stelle/Repo

56 repository in totale

1
EpistasisLab/tpot

Uno strumento di Automated Machine Learning in Python che ottimizza i pipeline di machine learning utilizzando la programmazione genetica.

EpistasisLab
⭐ 10,051 Jupyter Notebook 👤 EpistasisLab Organization 🕐 Aggiornato 2025-09-11 📅 Creato 2015-11-03
2
alteryx/featuretools

Una libreria Python open source per l'ingegneria delle feature automatizzata

alteryx
⭐ 7,697 Python 👤 alteryx Organization 🕐 Aggiornato 2026-09-11 📅 Creato 2017-09-08
3
airbnb/aerosolve

Un pacchetto di machine learning costruito per gli umani.

airbnb
⭐ 4,809 Scala 👤 airbnb Organization 🕐 Aggiornato 2025-11-06 📅 Creato 2015-05-12
5
alibaba/Alink

Alink è la piattaforma di algoritmi di Machine Learning basata su Flink, sviluppata dal team PAI della piattaforma di computing di Alibaba.

alibaba
⭐ 3,625 Java 👤 alibaba Organization 🕐 Aggiornato 2024-06-07 📅 Creato 2018-09-30
6
data-science-on-aws/data-science-on-aws

AI e Machine Learning con Kubeflow, Amazon EKS e SageMaker

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

Pacchetto Python per AutoML su dati tabulari con Feature Engineering, Tuning degli Iper-Parametri, Spiegazioni e Documentazione Automatica

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

Libro_6_"La Via dei Dati" | Il libro Iris: Dall'addizione, sottrazione, moltiplicazione e divisione al machine learning; diamo il benvenuto a critiche e correzioni! Gli studenti che correggono molti errori riceveranno una copia del libro come ringraziamento!

Visualize-ML
⭐ 2,799 Jupyter Notebook 👤 Visualize-ML User 🕐 Aggiornato 2026-05-01 📅 Creato 2022-10-11
9
apache/hamilton

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.

apache
⭐ 2,631 Jupyter Notebook 👤 apache Organization 🕐 Aggiornato 2026-11-16 📅 Creato 2023-02-23
10
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
11
metarank/metarank

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

metarank
⭐ 2,461 Scala 👤 metarank Organization 🕐 Aggiornato 2026-10-06 📅 Creato 2020-08-19
12
feature-engine/feature_engine

Libreria Python open-source per l'ingegnerizzazione e la selezione delle feature compatibile con sklearn.

feature-engine
⭐ 2,297 Python 👤 feature-engine Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2018-12-31
13
salesforce/TransmogrifAI

TransmogrifAI (pronunciato trăns-mŏgˈrə-fī) è una libreria AutoML per la creazione di flussi di lavoro di apprendimento automatico modulari, riutilizzabili e fortemente tipizzati su Apache Spark con una minima regolazione manuale.

salesforce
⭐ 2,280 Scala 👤 salesforce Organization 🕐 Aggiornato 2026-06-02 📅 Creato 2017-11-02
14
ytzfhqs/AAAMLP-CN

Approaching (Almost) Any Machine Learning Problem versione cinese, indirizzo della documentazione online: https://ytzfhqs.github.io/AAAMLP-CN/

ytzfhqs
⭐ 1,987 Jupyter Notebook 👤 ytzfhqs User 🕐 Aggiornato 2025-12-10 📅 Creato 2023-08-30
15
featureform/featureform

Il Virtual Feature Store. Trasforma la tua infrastruttura dati esistente in un feature store.

featureform
⭐ 1,979 Go 👤 featureform Organization 🕐 Aggiornato 2025-07-03 📅 Creato 2020-10-16
16
feathr-ai/feathr

Feathr – Una piattaforma unificata e scalabile per l'ingegneria dei dati e dell'IA per le imprese

feathr-ai
⭐ 1,916 Scala 👤 feathr-ai Organization 🕐 Aggiornato 2024-04-04 📅 Creato 2022-02-18
17
asavinov/intelligent-trading-bot

Intelligent Trading Bot: Generazione automatica di segnali e trading basato su machine learning e feature engineering

asavinov
⭐ 1,906 Python 👤 asavinov User 🕐 Aggiornato 2026-11-18 📅 Creato 2021-10-24
18
linkedin/greykite

Una libreria di previsione flessibile, intuitiva e veloce

linkedin
⭐ 1,855 Python 👤 linkedin Organization 🕐 Aggiornato 2025-02-20 📅 Creato 2021-04-27
19
4paradigm/OpenMLDB

OpenMLDB è un database open-source per il machine learning che fornisce una piattaforma di feature per il calcolo di feature coerenti per addestramento e inferenza.

4paradigm
⭐ 1,717 C++ 👤 4paradigm Organization 🕐 Aggiornato 2026-11-10 📅 Creato 2021-03-12
20
LastAncientOne/Deep_Learning_Machine_Learning_Stock

Le azioni di Deep Learning e Machine Learning rappresentano opportunità promettenti sia per investitori e trader a lungo termine che a breve termine.

LastAncientOne
⭐ 1,689 Jupyter Notebook 👤 LastAncientOne User 🕐 Aggiornato 2024-03-01 📅 Creato 2018-09-29
21
hyperopt/hyperopt-sklearn

Ottimizzazione degli iperparametri per sklearn

hyperopt
⭐ 1,646 Python 👤 hyperopt Organization 🕐 Aggiornato 2025-04-15 📅 Creato 2013-02-19
22
winedarksea/AutoTS

Previsione automatizzata delle serie temporali

winedarksea
⭐ 1,432 Python 👤 winedarksea User 🕐 Aggiornato 2026-11-19 📅 Creato 2019-11-26
24
logicalclocks/hopsworks

Hopsworks - Piattaforma AI data-intensive con Feature Store

logicalclocks
⭐ 1,299 Java 👤 logicalclocks Organization 🕐 Aggiornato 2025-02-10 📅 Creato 2018-07-26
25
functime-org/functime

Machine learning per serie temporali su larga scala. Costruito con Polars per l'estrazione di funzionalità e previsioni sui dati del pannello, facilmente parallelizzabili.

functime-org
⭐ 1,194 Python 👤 functime-org Organization 🕐 Aggiornato 2026-05-03 📅 Creato 2023-06-05
26
8080labs/ppscore

Predictive Power Score (PPS) in Python

8080labs
⭐ 1,170 Python 👤 8080labs User 🕐 Aggiornato 2026-03-11 📅 Creato 2020-04-17
27
NVIDIA-Merlin/NVTabular

NVTabular è una libreria di feature engineering e preprocessing per dati tabulari progettata per manipolare in modo rapido e semplice dataset su scala di terabyte utilizzati per addestrare sistemi di raccomandazione basati su deep learning.

NVIDIA-Merlin
⭐ 1,153 Python 👤 NVIDIA-Merlin Organization 🕐 Aggiornato 2026-05-22 📅 Creato 2020-04-03
28
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
29
elastic/ember

Elastic Malware Benchmark per Potenziare i Ricercatori

elastic
⭐ 1,110 Jupyter Notebook 👤 elastic Organization 🕐 Aggiornato 2024-11-22 📅 Creato 2018-04-11
31
tensorflow/transform

Framework della pipeline di input

tensorflow
⭐ 992 Python 👤 tensorflow Organization 🕐 Aggiornato 2026-08-14 📅 Creato 2017-02-10
32
EpistasisLab/pmlb

PMLB: Un grande repository curato di dataset di benchmark per valutare algoritmi di machine learning supervisionati.

EpistasisLab
⭐ 866 Python 👤 EpistasisLab Organization 🕐 Aggiornato 2025-02-25 📅 Creato 2016-11-11
33
alteryx/evalml

EvalML è una libreria AutoML scritta in Python.

alteryx
⭐ 852 Python 👤 alteryx Organization 🕐 Aggiornato 2026-01-14 📅 Creato 2019-07-17
34
tidymodels/tidymodels

Installa e carica facilmente i pacchetti tidymodels

tidymodels
⭐ 824 R 👤 tidymodels Organization 🕐 Aggiornato 2026-09-17 📅 Creato 2018-07-05
35
ashishpatel26/Amazing-Feature-Engineering

L'ingegneria delle feature è il processo di utilizzo della conoscenza del dominio per estrarre feature dai dati grezzi tramite tecniche di data mining. Queste feature possono essere utilizzate per migliorare le prestazioni degli algoritmi di machine learning. L'ingegneria delle feature può essere considerata come il machine learning applicato in sé.

ashishpatel26
⭐ 794 Jupyter Notebook 👤 ashishpatel26 User 🕐 Aggiornato 2025-06-29 📅 Creato 2019-02-19
37
jeongyoonlee/Kaggler

Codice per le Competizioni di Data Science di Kaggle

jeongyoonlee
⭐ 751 Python 👤 jeongyoonlee User 🕐 Aggiornato 2024-04-25 📅 Creato 2015-01-28
38
muaimingjun/bigData

Biblioteca di progetti di competizione big data

muaimingjun
⭐ 734 Python 👤 muaimingjun User 🕐 Aggiornato 2025-05-07 📅 Creato 2019-10-14
39
Meesho/BharatMLStack

BharatMLStack è uno stack di infrastruttura di machine learning open-source end-to-end costruito da Meesho per supportare carichi di lavoro ML in tempo reale e batch su scala Bharat

Meesho
⭐ 716 Go 👤 Meesho Organization 🕐 Aggiornato 2026-11-14 📅 Creato 2025-05-23
40
google/temporian

Temporian è una libreria Python open-source per la preelaborazione ⚡ e feature engineering 🛠 di dati temporali 📈 per applicazioni di machine learning 🤖

google
⭐ 711 Python 👤 google Organization 🕐 Aggiornato 2025-10-29 📅 Creato 2023-01-17
41
v1tzor/TimePlanner

Pianificazione quotidiana delle attività, completamente gratuita, comoda e veloce

v1tzor
⭐ 708 Kotlin 👤 v1tzor User 🕐 Aggiornato 2026-08-30 📅 Creato 2023-05-08
42
featurestoreorg/serverless-ml-course

Corso di Machine Learning Serverless per la creazione di servizi di previsione abilitati all'IA da modelli e funzionalità

featurestoreorg
⭐ 678 Jupyter Notebook 👤 featurestoreorg Organization 🕐 Aggiornato 2024-09-24 📅 Creato 2022-09-01
43
AutoViML/featurewiz

Utilizza strategie avanzate di feature engineering e seleziona le migliori feature dal tuo set di dati con una singola riga di codice. Creato da Ram Seshadri. Collaboratori benvenuti.

AutoViML
⭐ 677 Python 👤 AutoViML User 🕐 Aggiornato 2025-02-19 📅 Creato 2020-11-29
44
abstractqqq/polars_ds_extension

Estensione Polars per casi d'uso generici di data science

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

Dataset sintetici ad alta fedeltà che catturano metriche di produttività degli sviluppatori AI — incluse ore di concentrazione, tassi di completamento delle attività e indicatori di burnout. Sicuro per la privacy, ideale per analisi ML e di flusso di lavoro.

syncora-ai
⭐ 657 Jupyter Notebook 👤 syncora-ai User 🕐 Aggiornato 2025-09-04 📅 Creato 2025-07-31
46
NathanEpstein/Dora

Strumenti per l'analisi esplorativa dei dati in Python

NathanEpstein
⭐ 647 Python 👤 NathanEpstein User 🕐 Aggiornato 2025-08-05 📅 Creato 2016-02-16
47
achuthasubhash/Complete-Life-Cycle-of-a-Data-Science-Project

Ciclo di vita completo di un progetto di data science

achuthasubhash
⭐ 631 👤 achuthasubhash User 🕐 Aggiornato 2024-06-07 📅 Creato 2020-09-02
48
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
49
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

Domande frequenti

1

Qual è il repository #feature-engineering più popolare su GitHub?

Il progetto open source #feature-engineering più alto in classifica su GitHub è EpistasisLab/tpot, con 10,051 stelle. Uno strumento di Automated Machine Learning in Python che ottimizza i pipeline di machine learning utilizzando la programmazione genetica.

2

Quali linguaggi di programmazione sono più utilizzati nei repository #feature-engineering?

Tra i progetti #feature-engineering più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, Scala, Java.

3

Come viene calcolata la classifica dei repository #feature-engineering?

Monitoriamo 56 repository open source attivi contrassegnati con #feature-engineering (500+ stelle), per un totale di 95,158 stelle e una media di 1,699 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.