Git Stars Git Stars

#data-preprocessing Repositórios

Descubra 34 repositórios ativos de código aberto no GitHub marcados com #data-preprocessing, acumulando um total de 83,063 estrelas (uma média de 2,443 por projeto). O líder deste tópico é openai/tiktoken, com 19,698 estrelas.

34
Total de Repositórios
83,063
Total de estrelas
2,443
Média de Estrelas/Repositório

34 repositórios no total

1
openai/tiktoken

tiktoken é um tokenizador BPE rápido para uso com os modelos da OpenAI.

openai
⭐ 19,698 Python 👤 openai Organization 🕐 Atualizado 2026-11-08 📅 Criado 2022-12-01
2
dwyl/english-words

:memo: Um arquivo de texto contendo 479 mil palavras em inglês para todos os seus projetos baseados em dicionário/palavras, por exemplo: preenchimento automático / sugestão automática

dwyl
⭐ 12,122 Python 👤 dwyl Organization 🕐 Atualizado 2025-01-06 📅 Criado 2014-07-13
3
sjwhitworth/golearn

Aprendizado de Máquina para Go

sjwhitworth
⭐ 9,455 Go 👤 sjwhitworth User 🕐 Atualizado 2024-01-15 📅 Criado 2013-12-26
4
codemayq/chinese-chatbot-corpus

Corpus de bate-papo público em chinês

codemayq
⭐ 4,171 Python 👤 codemayq User 🕐 Atualizado 2024-04-23 📅 Criado 2018-11-04
5
TommyZihao/Train_Custom_Dataset

Rotular seus próprios conjuntos de dados, treinar, avaliar, testar e implantar seus próprios algoritmos de inteligência artificial

TommyZihao
⭐ 4,132 Jupyter Notebook 👤 TommyZihao User 🕐 Atualizado 2026-01-07 📅 Criado 2022-07-23
6
rspeer/python-ftfy

Corrige mojibake e outros problemas em texto Unicode, após o fato.

rspeer
⭐ 4,004 Python 👤 rspeer User 🕐 Atualizado 2024-10-30 📅 Criado 2012-08-24
7
The-Japan-DataScientist-Society/100knocks-preprocess

100 Nocauts de Ciência de Dados (Edição de Processamento de Dados Estruturados)

The-Japan-DataScientist-Society
⭐ 2,536 HTML 👤 The-Japan-DataScientist-Society Organization 🕐 Atualizado 2026-11-11 📅 Criado 2020-05-28
8
scikit-learn-contrib/category_encoders

Uma biblioteca de codificadores de variáveis categóricas compatíveis com sklearn

scikit-learn-contrib
⭐ 2,510 Python 👤 scikit-learn-contrib Organization 🕐 Atualizado 2026-10-31 📅 Criado 2015-11-29
9
WillKoehrsen/feature-selector

O seletor de recursos é uma ferramenta para redução de dimensionalidade de conjuntos de dados de aprendizado de máquina

WillKoehrsen
⭐ 2,237 Jupyter Notebook 👤 WillKoehrsen User 🕐 Atualizado 2024-06-17 📅 Criado 2018-06-20
10
skrub-data/skrub

Aprendizado de máquina com dataframes

skrub-data
⭐ 1,670 Python 👤 skrub-data Organization 🕐 Atualizado 2026-11-20 📅 Criado 2018-03-12
11
lizhe2004/Awesome-LLM-RAG-Application

os recursos sobre a aplicação baseada em LLM com o padrão RAG

lizhe2004
⭐ 1,662 👤 lizhe2004 User 🕐 Atualizado 2026-10-12 📅 Criado 2023-12-27
12
hashcat/hashcat-utils

Pequenas utilidades que são úteis na quebra avançada de senhas

hashcat
⭐ 1,643 C 👤 hashcat Organization 🕐 Atualizado 2026-10-27 📅 Criado 2015-11-20
13
scikit-learn-contrib/boruta_py

Implementações em Python do método de seleção de características all-relevant Boruta.

scikit-learn-contrib
⭐ 1,635 Python 👤 scikit-learn-contrib Organization 🕐 Atualizado 2025-11-13 📅 Criado 2016-01-30
14
jadijadi/machine_learning_with_python_jadi

Os cadernos que usamos no curso de ML

jadijadi
⭐ 1,215 Jupyter Notebook 👤 jadijadi User 🕐 Atualizado 2025-10-16 📅 Criado 2021-09-20
15
campusx-official/ML-Roadmap-for-2022

Uma lista selecionada de vídeos, links, projetos e conjuntos de dados de Machine Learning para te ajudar a conquistar o cenário de ML em 6 meses

campusx-official
⭐ 1,119 👤 campusx-official User 🕐 Atualizado 2024-08-20 📅 Criado 2022-01-10
16
tensorflow/transform

Framework de pipeline de entrada

tensorflow
⭐ 992 Python 👤 tensorflow Organization 🕐 Atualizado 2026-08-14 📅 Criado 2017-02-10
17
data-prep-kit/data-prep-kit

Projeto de código aberto para preparação de dados para aplicações GenAI

data-prep-kit
⭐ 968 HTML 👤 data-prep-kit Organization 🕐 Atualizado 2026-09-29 📅 Criado 2024-04-08
19
IIIS-Li-Group/OpenFE

OpenFE: geração automatizada de recursos com desempenho de nível especialista

IIIS-Li-Group
⭐ 842 Python 👤 IIIS-Li-Group Organization 🕐 Atualizado 2024-05-27 📅 Criado 2022-11-21
20
potree/PotreeConverter

Criar nuvem de pontos multirresolução para usar com o Potree

potree
⭐ 823 JavaScript 👤 potree User 🕐 Atualizado 2026-11-02 📅 Criado 2014-02-08
22
LAION-AI/audio-dataset

Conjunto de Dados de Áudio para treinar CLAP e outros modelos

LAION-AI
⭐ 750 Python 👤 LAION-AI Organization 🕐 Atualizado 2026-01-08 📅 Criado 2022-03-07
24
cesium-ml/cesium

Plataforma de Séries Temporais de Machine Learning

cesium-ml
⭐ 682 Python 👤 cesium-ml Organization 🕐 Atualizado 2025-01-17 📅 Criado 2014-10-29
25
NathanEpstein/Dora

Ferramentas para análise exploratória de dados em Python

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

Implementação/Tutorial sobre o uso de métodos de Aprendizado de Máquina Automatizado (AutoML) para aprendizado estático/em lote e online/contínuo

Western-OC2-Lab
⭐ 629 Jupyter Notebook 👤 Western-OC2-Lab Organization 🕐 Atualizado 2024-05-14 📅 Criado 2022-09-09
27
tidymodels/recipes

Etapas de pipeline para engenharia de características e pré-processamento de dados para preparação para a modelagem

tidymodels
⭐ 626 R 👤 tidymodels Organization 🕐 Atualizado 2026-09-17 📅 Criado 2016-12-16
29
Lightning-AI/litData

Acelere o treinamento do modelo corrigindo o carregamento de dados.

Lightning-AI
⭐ 617 Python 👤 Lightning-AI Organization 🕐 Atualizado 2026-11-17 📅 Criado 2024-02-15
30
torcheeg/torcheeg

TorchEEG é uma biblioteca construída sobre PyTorch para análise de sinais EEG.

torcheeg
⭐ 585 Python 👤 torcheeg Organization 🕐 Atualizado 2026-11-04 📅 Criado 2022-06-06
31
machinelearnjs/machinelearnjs

Biblioteca de Machine Learning para a web e Node.

machinelearnjs
⭐ 541 TypeScript 👤 machinelearnjs Organization 🕐 Atualizado 2026-02-07 📅 Criado 2018-04-29
32
mlfoundations/open_lm

Um repositório para pesquisa sobre modelos de linguagem de tamanho médio.

mlfoundations
⭐ 536 Python 👤 mlfoundations Organization 🕐 Atualizado 2025-06-06 📅 Criado 2023-08-23
33
akanz1/klib

Biblioteca Python fácil de usar com funções personalizadas para limpeza e análise de dados.

akanz1
⭐ 523 Python 👤 akanz1 User 🕐 Atualizado 2026-10-28 📅 Criado 2020-03-25
34
Desbordante/desbordante-core

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.

Desbordante
⭐ 522 C++ 👤 Desbordante Organization 🕐 Atualizado 2026-11-17 📅 Criado 2020-04-09

Perguntas Frequentes

1

Qual é o repositório de #data-preprocessing mais popular no GitHub?

O projeto de código aberto de #data-preprocessing mais bem classificado no GitHub é openai/tiktoken, com 19,698 estrelas. tiktoken é um tokenizador BPE rápido para uso com os modelos da OpenAI.

2

Quais linguagens de programação são mais usadas nos repositórios de #data-preprocessing?

Entre os projetos de #data-preprocessing mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, HTML, Go.

3

Como é calculada a classificação dos repositórios de #data-preprocessing?

Acompanhamos 34 repositórios ativos de código aberto marcados com #data-preprocessing (com mais de 500 estrelas), totalizando 83,063 estrelas e uma média de 2,443 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.