#data Repositórios
Descubra 232 repositórios ativos de código aberto no GitHub marcados com #data, acumulando um total de 1,106,761 estrelas (uma média de 4,770 por projeto). O líder deste tópico é D4Vinci/Scrapling, com 104,760 estrelas.
232 repositórios no total
🕷️ O MELHOR framework de web scraping, que dá conta de tudo, desde uma única solicitação até uma coleta em grande escala! Não seja tímido: participe aqui https://discord.gg/EMgGbDceNQ e siga-nos aqui para receber dicas e truques diários: https://x.com/Scrapling_dev
O desafio de programação '30 Dias de Python' é um guia passo a passo para aprender a linguagem de programação Python em 30 dias. Este desafio pode levar mais de 100 dias. Siga o seu próprio ritmo. Estes vídeos também podem ajudar: https://www.youtube.com/channel/UC7PNRuno1rzYPb1xLa4yktw
🤖 Gerenciamento de estado assíncrono poderoso, utilitários de estado do servidor e busca de dados para a web. TS/JS, React Query, Solid Query, Svelte Query e Vue Query.
A ferramenta de Business Intelligence e Análise Embutida de código aberto e fácil de usar que permite a todos trabalhar com dados :bar_chart:
Este é um repositório com links para tudo o que você gostaria de aprender sobre engenharia de dados
📗 SheetJS Spreadsheet Data Toolkit -- Novo lar https://git.sheetjs.com/SheetJS/sheetjs
Prefect é um framework de orquestração de fluxo de trabalho para construir pipelines de dados resilientes em Python.
Converse com seu banco de dados ou seu datalake (SQL, CSV, parquet). O PandasAI torna a análise de dados conversacional usando LLMs e RAG.
AKShare é uma biblioteca de interface de dados financeiros elegante e simples para Python, construída para seres humanos! Biblioteca de Interface de Dados Financeiros de Código Aberto
Movimentação de dados open-source para pipelines ELT e agentes de IA — de APIs, bancos de dados e arquivos para data warehouses, lagos de dados e aplicações de IA. Tanto self-hosted quanto Cloud.
Uma lista selecionada de frameworks, recursos e outras coisas incríveis de big data.
PRQL é uma linguagem moderna para transformar dados — uma substituição simples, poderosa e baseada em pipeline para o SQL
:card_index: Um gerador de dados falsos simples para C#, F# e VB.NET. Baseado e portado do famoso faker.js.
Uma interface web para criar visualizações personalizadas baseadas em vetores sobre o núcleo do RAWGraphs
🧙 Construa, execute e gerencie pipelines de dados para integrar e transformar dados.
[SIGMOD'27] Preparação de dados simplificada com os mais recentes operadores e pipelines baseados em LLM.
Lista de estágios e empregos para novos graduados em IA/ML 2027 atualizada diariamente
Pipelines de dados para configuração de nuvem e dados de segurança. Crie soluções de inventário de ativos em nuvem, CSPM, FinOps e gerenciamento de vulnerabilidades. Extraia dados da AWS, Azure, GCP e mais de 70 fontes de nuvem e SaaS.
data load tool (dlt) é uma biblioteca Python de código aberto que facilita o carregamento de dados 🛠️
Dados de compatibilidade do navegador para tecnologias da Web, conforme exibido no MDN
Uma plataforma de compartilhamento de conhecimento selecionada de próxima geração para cientistas de dados e outras profissões técnicas.
Edit Banana: Um framework para converter formatos estatísticos em editáveis.
🚀 O Glide Data Grid é uma grade de dados React incrivelmente rápida e sem concessões, que oferece renderização avançada, acessibilidade de primeira classe e suporte total ao TypeScript.
Superduper: Framework de ponta a ponta para a criação de aplicações e agentes de IA personalizados.
CKAN é um DMS (sistema de gestão de dados) de código aberto para alimentar centros de dados e portais de dados. O CKAN facilita a publicação, o compartilhamento e o uso de dados. Ele alimenta o catalog.data.gov, open.canada.ca/data, data.humdata.org entre muitos outros sites.
Mimesis é uma biblioteca Python para gerar dados falsos, porém realistas, em vários idiomas e locais.
Lista selecionada de conjuntos de dados e ferramentas para pós-treinamento.
DeepAnalyze é o primeiro LLM agêntico para ciência de dados autônoma. 🎈 Seu analista de dados de IA que analisa automaticamente grandes volumes de dados e gera relatórios de análise profissionais com apenas um clique!
TFDS é uma coleção de conjuntos de dados prontos para usar com TensorFlow, Jax, ...
Analisador de front matter YAML mais inteligente, utilizado por metalsmith, Gatsby, Netlify, Assemble, mapbox-gl, phenomic, vuejs vitepress, TinaCMS, Shopify Polaris, Ant Design, Astro, hashicorp, garden, slidev, saber, sourcegraph, e muitos outros. Simples de usar e testado em batalha. Analisa YAML por padrão, mas também pode analisar JSON Front Matter, Coffee Front Matter, TOML Front Matter e tem suporte para analisadores personalizados. Por favor, siga o autor de gray-matter: https://github.com/jonschlinkert
Estrutura RAG (Retrieval Augmented Generation) para construir aplicações modulares e de código aberto para produção pela TrueFoundry
Preswald é um empacotador WASM para aplicações de dados interativas baseadas em Python: agrupa fluxos de trabalho de dados complexos completos, particularmente visualizações, em arquivos únicos, executáveis completamente no navegador, usando Pyodide, DuckDB, Pandas e Plotly, Matplotlib, etc. Crie dashboards, relatórios e notebooks que rodam offline, carregam rapidamente e são compartilhados como um documento.
Um sistema baseado em agentes para processamento de dados e ETL, impulsionado por LLM.
Um framework para coleta e análise de dados de mercado de previsão, incluindo o maior conjunto de dados público disponível de mercado e negociações da Polymarket e Kalshi.
Perguntas Frequentes
Qual é o repositório de #data mais popular no GitHub?
O projeto de código aberto de #data mais bem classificado no GitHub é D4Vinci/Scrapling, com 104,760 estrelas. 🕷️ O MELHOR framework de web scraping, que dá conta de tudo, desde uma única solicitação até uma coleta em grande escala! Não seja tímido: participe aqui https://discord.gg/EMgGbDceNQ e siga-nos aqui para receber dicas e truques diários: https://x.com/Scrapling_dev
Quais linguagens de programação são mais usadas nos repositórios de #data?
Entre os projetos de #data mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, TypeScript, JavaScript, Rust.
Como é calculada a classificação dos repositórios de #data?
Acompanhamos 232 repositórios ativos de código aberto marcados com #data (com mais de 500 estrelas), totalizando 1,106,761 estrelas e uma média de 4,770 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.