#data-cleaning Repositórios
Descubra 33 repositórios ativos de código aberto no GitHub marcados com #data-cleaning, acumulando um total de 83,468 estrelas (uma média de 2,529 por projeto). O líder deste tópico é cleanlab/cleanlab, com 11,755 estrelas.
33 repositórios no total
A biblioteca de código aberto do Cleanlab é o pacote padrão de IA centrado em dados para qualidade de dados e aprendizado de máquina com dados e rótulos reais e confusos.
Miller é como awk, sed, cut, join e sort para dados com índice de nome, como CSV, TSV e JSON tabular
[SIGMOD'27] Preparação de dados simplificada com os mais recentes operadores e pipelines baseados em LLM.
:truck: Fluxos de Trabalho Ágeis de Preparação de Dados facilitados com Pandas, Dask, cuDF, Dask-cuDF, Vaex e PySpark
O kit de ferramentas de transformação e análise de dados JavaScript inspirado em Pandas e LINQ.
Na aprendizagem prática de análise de dados, os projetos servem como linha principal, com os pontos de conhecimento sendo assimilados ao longo do processo. Através do estudo, da prática e da orientação conjuntas, alcançam-se melhores resultados de aprendizagem.
Crie um data warehouse no SQL Server a partir de dois sistemas de origem, um CRM e um ERP, passando pelas camadas bronze, silver e gold. Arquivos e scripts do projeto completo gratuito.
Um modelo de chat educacional de código aberto da ICALK, East China Normal University. Grande modelo de diálogo educacional Chinês-Inglês de código aberto. (Modelo de base geral, implantação em GPU, limpeza de dados) Homenagem a: LLaMA, MOSS, BELLE, Ziya, vLLM
Análise Exploratória de Dados Prática com Python, publicado pela Packt
Lista de artigos continuamente atualizada sobre avanços em Data Agents. Repositório complementar ao nosso artigo "A Survey of Data Agents: Emerging Paradigm or Overstated Hype?"
Implementação em C# .NET de correspondência aproximada de strings do conhecido algoritmo FuzzyWuzzy do Seat Geek em python.
Sistema de ML de Grau de Produção para Detecção Automatizada de Erros de Unidade de Medida | Precisão de 88-92% | Autonomia de 94% | Fluxo de Trabalho KNIME
Analisa nomes de pessoas e os divide em título, nome próprio, nome do meio, sobrenome, sufixo, apelido e nome de solteira. Tipado, sem dependências e compatível com caracteres CJK.
Código-fonte e dados do rastreador de excesso de mortes por covid-19 da The Economist
repositório para conteúdo de Mentor Comunitário relacionado à Especialização em Ciência de Dados da Johns Hopkins University no Coursera
Uma ferramenta que permite usar o plugin AugmentCode VSCode indefinidamente.
Um modelo baseado em SAM para segmentação de instâncias de imagens de grãos
Um pacote de validação de esquema JavaScript que suporta a validação direta de objetos modificadores de atualização do MongoDB
Biblioteca Python fácil de usar com funções personalizadas para limpeza e análise de dados.
Desbordante é um perfilador de dados de alto desempenho capaz de descobrir muitos padrões diferentes nos dados usando vários algoritmos. Ele também permite executar cenários de limpeza de dados utilizando esses algoritmos. O Desbordante possui uma versão para console e uma aplicação web fácil de usar.
Schema-Inspector é um módulo simples de higienização e validação de objetos JavaScript.
Perguntas Frequentes
Qual é o repositório de #data-cleaning mais popular no GitHub?
O projeto de código aberto de #data-cleaning mais bem classificado no GitHub é cleanlab/cleanlab, com 11,755 estrelas. A biblioteca de código aberto do Cleanlab é o pacote padrão de IA centrado em dados para qualidade de dados e aprendizado de máquina com dados e rótulos reais e confusos.
Quais linguagens de programação são mais usadas nos repositórios de #data-cleaning?
Entre os projetos de #data-cleaning mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, TypeScript, R.
Como é calculada a classificação dos repositórios de #data-cleaning?
Acompanhamos 33 repositórios ativos de código aberto marcados com #data-cleaning (com mais de 500 estrelas), totalizando 83,468 estrelas e uma média de 2,529 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.