#data-cleaning Репозитории
Откройте для себя 33 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #data-cleaning, с общим числом 83,468 звёзд (в среднем 2,529 на проект). Лидером этой темы является cleanlab/cleanlab, набравший 11,755 звёзд.
Всего репозиториев: 33
Открытая библиотека Cleanlab — это стандартный пакет data-centric AI для качества данных и машинного обучения с беспорядочными реальными данными и метками.
Miller похож на awk, sed, cut, join и sort для данных с индексацией по именам, таких как CSV, TSV и табличный JSON.
[SIGMOD'27] Простая подготовка данных с использованием новейших операторов и конвейеров на основе LLM.
Легковесная, гибкая и выразительная библиотека для статистического тестирования данных
:truck: Гибкие рабочие процессы подготовки данных, упрощенные с помощью Pandas, Dask, cuDF, Dask-cuDF, Vaex и PySpark
Инструментарий для преобразования и анализа данных на JavaScript, вдохновленный Pandas и LINQ.
Практическое изучение анализа данных ориентировано на проекты, с встроенными точками знаний, для достижения лучших результатов обучения посредством обучения, практики и наставничества
Создайте хранилище данных в SQL Server на основе двух исходных систем — CRM и ERP — с использованием слоёв bronze, silver и gold. Файлы и скрипты полного бесплатного проекта.
Образовательная чат-модель с открытым исходным кодом от ICALK, Восточно-Китайского педагогического университета. Открытая китайско-английская большая модель для образовательного диалога. (Универсальная базовая модель, развертывание на GPU, очистка данных) В честь: LLaMA, MOSS, BELLE, Ziya, vLLM
Практический разведочный анализ данных с Python, издательство Packt
Непрерывно обновляемый список статей о достижениях в Data Agents. Сопутствующий репозиторий к нашей статье «A Survey of Data Agents: Emerging Paradigm or Overstated Hype?»
Реализация fuzzy string matching на C# .NET известного Python-алгоритма FuzzyWuzzy от Seat Geek.
Система машинного обучения промышленного уровня для автоматического обнаружения ошибок единиц измерения | Точность 88-92% | Автономность 94% | Рабочий процесс KNIME
Разбирает имена людей на титул, имя, второе имя, фамилию, суффикс, прозвище и девичью фамилию. С типизацией, без зависимостей, с поддержкой CJK.
Исходный код и данные для трекера избыточной смертности от COVID-19 от The Economist
Репозиторий для контента Community Mentor, связанного со специализацией по Data Science Университета Джонса Хопкинса на Coursera
Для безлимитного пополнения плагина AugmentCode VSCode. Инструмент, который позволяет вам бессрочно использовать плагин AugmentCode VSCode.
Пакет валидации схем JavaScript, поддерживающий прямую валидацию объектов модификаторов обновлений MongoDB
Простая в использовании библиотека Python с настраиваемыми функциями для очистки и анализа данных.
Desbordante — это высокопроизводительный профилировщик данных, способный обнаруживать множество различных закономерностей в данных с помощью различных алгоритмов. Он также позволяет запускать сценарии очистки данных с использованием этих алгоритмов. Desbordante доступен в виде консольной версии и простого в использовании веб-приложения.
Schema-Inspector — это простой модуль для очистки и проверки объектов JavaScript.
Часто задаваемые вопросы
Какой репозиторий по теме #data-cleaning наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #data-cleaning на GitHub — cleanlab/cleanlab, набравший 11,755 звёзд. Открытая библиотека Cleanlab — это стандартный пакет data-centric AI для качества данных и машинного обучения с беспорядочными реальными данными и метками.
Какие языки программирования чаще всего используются в репозиториях по теме #data-cleaning?
Среди наиболее высоко оценённых проектов по теме #data-cleaning на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, TypeScript, R.
Как рассчитывается рейтинг репозиториев по теме #data-cleaning?
Мы отслеживаем 33 активных репозиториев с открытым исходным кодом, отмеченных тегом #data-cleaning (500 и более звёзд), с общим числом 83,468 звёзд и в среднем 2,529 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.