Git Stars Git Stars

#data-preprocessing リポジトリ

#data-preprocessingのタグが付いた、GitHub上の34件のアクティブなオープンソースリポジトリをご覧ください。合計スター数は83,063個で、プロジェクトあたりの平均は2,443個です。このトピックをリードしているのは、19,698個のスターを獲得しているopenai/tiktokenです。

34
リポジトリ総数
83,063
合計スター数
2,443
リポジトリあたりの平均スター数

リポジトリ合計34件

1
openai/tiktoken

tiktokenは、OpenAIのモデルで使用するための高速なBPEトークナイザーです。

openai
⭐ 19,698 Python 👤 openai Organization 🕐 更新日時 2026-11-08 📅 作成日 2022-12-01
2
dwyl/english-words

:memo: すべての辞書/単語ベースのプロジェクト向けの 479k の英単語を含むテキスト ファイル。例: オートコンプリート / オートサジェスト

dwyl
⭐ 12,122 Python 👤 dwyl Organization 🕐 更新日時 2025-01-06 📅 作成日 2014-07-13
3
sjwhitworth/golearn

Goのための機械学習

sjwhitworth
⭐ 9,455 Go 👤 sjwhitworth User 🕐 更新日時 2024-01-15 📅 作成日 2013-12-26
4
codemayq/chinese-chatbot-corpus

中国語公開チャット語料庫

codemayq
⭐ 4,171 Python 👤 codemayq User 🕐 更新日時 2024-04-23 📅 作成日 2018-11-04
5
TommyZihao/Train_Custom_Dataset

独自のデータセットに注釈を付け、独自の人工知能アルゴリズムをトレーニング、評価、テスト、デプロイします。

TommyZihao
⭐ 4,132 Jupyter Notebook 👤 TommyZihao User 🕐 更新日時 2026-01-07 📅 作成日 2022-07-23
6
rspeer/python-ftfy

Unicode テキストの mojibake と他の不具合を事後的に修正します。

rspeer
⭐ 4,004 Python 👤 rspeer User 🕐 更新日時 2024-10-30 📅 作成日 2012-08-24
7
The-Japan-DataScientist-Society/100knocks-preprocess

データサイエンス100本ノック(構造化データ加工編)

The-Japan-DataScientist-Society
⭐ 2,536 HTML 👤 The-Japan-DataScientist-Society Organization 🕐 更新日時 2026-11-11 📅 作成日 2020-05-28
8
scikit-learn-contrib/category_encoders

sklearn互換のカテゴリカル変数エンコーダーのライブラリ

scikit-learn-contrib
⭐ 2,510 Python 👤 scikit-learn-contrib Organization 🕐 更新日時 2026-10-31 📅 作成日 2015-11-29
9
WillKoehrsen/feature-selector

Feature selector は、マシンラーニングデータセットの次元削減のためのツールです

WillKoehrsen
⭐ 2,237 Jupyter Notebook 👤 WillKoehrsen User 🕐 更新日時 2024-06-17 📅 作成日 2018-06-20
10
skrub-data/skrub

データフレームを使用した機械学習

skrub-data
⭐ 1,670 Python 👤 skrub-data Organization 🕐 更新日時 2026-11-20 📅 作成日 2018-03-12
11
lizhe2004/Awesome-LLM-RAG-Application

RAGパターンベースのLLMアプリケーションに関するリソース

lizhe2004
⭐ 1,662 👤 lizhe2004 User 🕐 更新日時 2026-10-12 📅 作成日 2023-12-27
12
hashcat/hashcat-utils

高度なパスワードクラッキングに役立つ小さなユーティリティ

hashcat
⭐ 1,643 C 👤 hashcat Organization 🕐 更新日時 2026-10-27 📅 作成日 2015-11-20
13
scikit-learn-contrib/boruta_py

Boruta 全関連特徴選択方法の Python 実装。

scikit-learn-contrib
⭐ 1,635 Python 👤 scikit-learn-contrib Organization 🕐 更新日時 2025-11-13 📅 作成日 2016-01-30
14
jadijadi/machine_learning_with_python_jadi

MLコースで使用するノートブック

jadijadi
⭐ 1,215 Jupyter Notebook 👤 jadijadi User 🕐 更新日時 2025-10-16 📅 作成日 2021-09-20
15
campusx-official/ML-Roadmap-for-2022

6か月でMLの状況を克服するのに役立つ、機械学習のビデオ、リンク、プロジェクト、およびデータセットの厳選されたリスト

campusx-official
⭐ 1,119 👤 campusx-official User 🕐 更新日時 2024-08-20 📅 作成日 2022-01-10
16
tensorflow/transform

入力パイプラインフレームワーク

tensorflow
⭐ 992 Python 👤 tensorflow Organization 🕐 更新日時 2026-08-14 📅 作成日 2017-02-10
17
data-prep-kit/data-prep-kit

GenAIアプリケーションのためのデータ準備オープンソースプロジェクト

data-prep-kit
⭐ 968 HTML 👤 data-prep-kit Organization 🕐 更新日時 2026-09-29 📅 作成日 2024-04-08
19
IIIS-Li-Group/OpenFE

OpenFE: 専門家レベルのパフォーマンスを備えた自動特徴量生成

IIIS-Li-Group
⭐ 842 Python 👤 IIIS-Li-Group Organization 🕐 更新日時 2024-05-27 📅 作成日 2022-11-21
20
potree/PotreeConverter

Potreeで使用するマルチ解像度ポイントクラウドの作成

potree
⭐ 823 JavaScript 👤 potree User 🕐 更新日時 2026-11-02 📅 作成日 2014-02-08
22
LAION-AI/audio-dataset

CLAPおよびその他のモデルのトレーニング用オーディオデータセット

LAION-AI
⭐ 750 Python 👤 LAION-AI Organization 🕐 更新日時 2026-01-08 📅 作成日 2022-03-07
24
cesium-ml/cesium

機械学習時系列プラットフォーム

cesium-ml
⭐ 682 Python 👤 cesium-ml Organization 🕐 更新日時 2025-01-17 📅 作成日 2014-10-29
25
NathanEpstein/Dora

Python での探索的データ分析ツール

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

静的/バッチ学習およびオンライン/継続学習のための自動機械学習(AutoML)方法の使用に関する実装/チュートリアル

Western-OC2-Lab
⭐ 629 Jupyter Notebook 👤 Western-OC2-Lab Organization 🕐 更新日時 2024-05-14 📅 作成日 2022-09-09
27
tidymodels/recipes

モデリング準備のための特徴量エンジニアリングとデータ前処理用のパイプ可能ステップ

tidymodels
⭐ 626 R 👤 tidymodels Organization 🕐 更新日時 2026-09-17 📅 作成日 2016-12-16
29
Lightning-AI/litData

データローディングを修正してモデルトレーニングを高速化します。

Lightning-AI
⭐ 617 Python 👤 Lightning-AI Organization 🕐 更新日時 2026-11-17 📅 作成日 2024-02-15
30
torcheeg/torcheeg

TorchEEGは、EEG信号分析のためにPyTorch上に構築されたライブラリです。

torcheeg
⭐ 585 Python 👤 torcheeg Organization 🕐 更新日時 2026-11-04 📅 作成日 2022-06-06
31
machinelearnjs/machinelearnjs

Web と Node 用の機械学習ライブラリ。

machinelearnjs
⭐ 541 TypeScript 👤 machinelearnjs Organization 🕐 更新日時 2026-02-07 📅 作成日 2018-04-29
32
mlfoundations/open_lm

中規模言語モデルに関する研究のリポジトリ。

mlfoundations
⭐ 536 Python 👤 mlfoundations Organization 🕐 更新日時 2025-06-06 📅 作成日 2023-08-23
33
akanz1/klib

データのクリーニングと分析のためのカスタマイズされた関数を備えた、使いやすいPythonライブラリ。

akanz1
⭐ 523 Python 👤 akanz1 User 🕐 更新日時 2026-10-28 📅 作成日 2020-03-25
34
Desbordante/desbordante-core

Desbordante は、さまざまなアルゴリズムを使用してデータ内の多種多様なパターンを発見できる高性能なデータプロファイラーです。また、これらのアルゴリズムを使ってデータクレンジングのシナリオを実行することもできます。Desbordante には、コンソール版と使いやすい Web アプリケーションがあります。

Desbordante
⭐ 522 C++ 👤 Desbordante Organization 🕐 更新日時 2026-11-17 📅 作成日 2020-04-09

よくある質問

1

GitHubで最も人気のある#data-preprocessingリポジトリは何ですか?

GitHubで最も上位にランクインしているオープンソースの#data-preprocessingプロジェクトは、19,698個のスターを獲得しているopenai/tiktokenです。tiktokenは、OpenAIのモデルで使用するための高速なBPEトークナイザーです。

2

#data-preprocessingリポジトリで最もよく使われているプログラミング言語は何ですか?

GitHubで上位にランクインしている#data-preprocessingプロジェクトでは、Python, Jupyter Notebook, HTML, Goが最も一般的なプログラミング言語です。

3

#data-preprocessingリポジトリのランキングはどのように算出されていますか?

#data-preprocessingのタグが付いた34件のアクティブなオープンソースリポジトリ(スター500個以上)を追跡しています。合計スター数は83,063個で、リポジトリあたりの平均は2,443個です。ランキングはGitHub APIからのデータに基づいて毎日更新されます。