Git Stars Git Stars

#data-preprocessing Репозитории

Откройте для себя 34 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #data-preprocessing, с общим числом 83,063 звёзд (в среднем 2,443 на проект). Лидером этой темы является openai/tiktoken, набравший 19,698 звёзд.

34
Всего репозиториев
83,063
Всего звезд
2,443
Среднее количество звезд на репозиторий

Всего репозиториев: 34

1
openai/tiktoken

tiktoken — это быстрый токенизатор BPE для использования с моделями OpenAI.

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

:memo: Текстовый файл, содержащий 479 тысяч английских слов для всех ваших словарных/словесных проектов, например: автозаполнение / автоподсказка

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

Машинное обучение для Go

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

Китайский публичный чат-корпус

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

Аннотирование собственных наборов данных, обучение, оценка, тестирование и развертывание собственных алгоритмов искусственного интеллекта

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

Исправляет mojibake и другие сбои в Unicode-тексте, постфактум.

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

100 нокаутов по Data Science (Обработка структурированных данных)

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

Библиотека совместимых с sklearn энкодеров категориальных переменных

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

Селектор признаков — это инструмент для снижения размерности наборов данных машинного обучения

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

Машинное обучение с датафреймами

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

ресурсы о приложении на основе LLM с использованием шаблона RAG

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

Маленькие утилиты, полезные для продвинутого взлома паролей

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

Реализации на Python метода Boruta для отбора всех релевантных признаков.

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

Блокноты, которые мы используем на курсе машинного обучения

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

Курируемый список видео, ссылок, проектов и наборов данных по машинному обучению, которые помогут вам покорить ландшафт машинного обучения за 6 месяцев.

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

Фреймворк конвейера ввода

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

Проект с открытым исходным кодом для подготовки данных для приложений GenAI

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

OpenFE: автоматическая генерация признаков с производительностью экспертного уровня

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

Создайте точечное облако с несколькими разрешениями для использования с potree

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

Аудио набор данных для обучения CLAP и других моделей

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

Платформа машинного обучения для временных рядов

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

Инструменты для исследовательского анализа данных в Python

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

Реализация/Руководство по использованию методов автоматизированного машинного обучения (AutoML) для статического/пакетного и онлайн/непрерывного обучения

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

Пайплайновые шаги для feature engineering и предобработки данных для подготовки к моделированию

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

Ускорьте обучение модели, исправив загрузку данных.

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

TorchEEG — это библиотека, построенная на PyTorch для анализа ЭЭГ-сигналов.

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

Библиотека машинного обучения для веб и Node.

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

Репозиторий для исследований по среднеразмерным языковым моделям.

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

Простая в использовании библиотека Python с настраиваемыми функциями для очистки и анализа данных.

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

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.

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

Часто задаваемые вопросы

1

Какой репозиторий по теме #data-preprocessing наиболее популярен на GitHub?

Самый высоко оценённый проект с открытым исходным кодом по теме #data-preprocessing на GitHub — openai/tiktoken, набравший 19,698 звёзд. tiktoken — это быстрый токенизатор BPE для использования с моделями OpenAI.

2

Какие языки программирования чаще всего используются в репозиториях по теме #data-preprocessing?

Среди наиболее высоко оценённых проектов по теме #data-preprocessing на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, HTML, Go.

3

Как рассчитывается рейтинг репозиториев по теме #data-preprocessing?

Мы отслеживаем 34 активных репозиториев с открытым исходным кодом, отмеченных тегом #data-preprocessing (500 и более звёзд), с общим числом 83,063 звёзд и в среднем 2,443 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.