#spark Репозитории
Всего репозиториев: 126
Узнайте свои данные лучше! Datavines — это платформа нового поколения для наблюдения за данными, поддерживающая управление метаданными и качество данных.
Эта система является моим дипломным проектом под названием «Проектирование и реализация системы рекомендаций фильмов на основе профилей пользователей». В качестве основной платформы используется Django с применением модели MTV, а в качестве баз данных — MongoDB, MySQL и Redis. В качестве основного источника данных используются данные о фильмах, собранные с платформы Douban. Метки пользователей разрабатываются в основном на основе основной информации о пользователе и поведенческой информации, такой как записи операций использования. Это система рекомендаций, использующая компоненты больших данных Hadoop и Spark для анализа и обработки. Система управления использует встроенную систему управления Django, украшенную SimpleUI.
WeDataSphere — это финансовый уровень, одноступенчатая платформа для больших данных в полном комплекте.
Сравнение Pandas, Polars, Spark и Snowpark DataFrame для людей и многое другое!
Легкий, многопользовательский, масштабируемый и безопасный шлюз, который позволяет Jupyter Notebooks совместно использовать ресурсы в распределенных кластерах, таких как Apache Spark, Kubernetes и других.
Кроссплатформенный клиент для совместной работы в реальном времени, оптимизированный для бизнеса и организаций.
Шаблон MVP веб-прототипа чат-бота для одноходового диалога, готовый к вторичной разработке. Построен на базе современных технологий: Vue 3, Vite 8, TypeScript, Naive UI, Pinia (v3), UnoCSS и др. 🧤 Простая интеграция API больших языковых моделей, режим диалога «вопрос-ответ» с независимыми ответами (без учета контекста), потоковый вывод SSE с эффектом печатной машинки, встроенный markdown-it с поддержкой предпросмотра формул Mermaid/KaTex/LaTex. Поддержка предпросмотра моделей глубокого рассуждения iFlytek Spark, Zhipu, SiliconFlow, Deepseek V4/V3/R1, совместимость с тегами <think>, включает дистиллированные навыки. 💼 Легко настраивается для быстрой сборки продуктов на базе LLM (примеры скриншотов прилагаются).
Простой автономный кластер Spark для целей вашей тестовой среды
Сбор больших данных, платформа извлечения, zdh_web - это визуальная платформа управления для сервисов серии zdh, содержащая модули, такие как сбор данных, планирование, разрешения, поток одобрения, маркетинг в частном домене и т.д.
Примеры для высокопроизводительного Spark
Движок для отслеживания, визуализации, интерпретируемости, обнаружения дрейфа и создания дашбордов для ИИ/ML/данных в Polyaxon.
Система рекомендаций товаров на основе больших данных электронной коммерции в реальном времени, Vue + TypeScript + ElementUI + Spring + Spark
Надежная и гибкая платформа с открытым исходным кодом для анализа поведения пользователей и объектов (UEBA), используемая для анализа безопасности. Разработана с любовью специалистами по данным и аналитиками безопасности из индустрии кибербезопасности. [БЕТА]
Изучите Apache Spark на Scala, Python (PySpark) и R (SparkR), создав собственный кластер с интерфейсом JupyterLab на Docker. :zap:
Быстро создавайте релевантные синтетические данные для своих проектов. Генератор синтетических данных Databricks Labs (также известный как `dbldatagen`) можно использовать для создания больших наборов симулированных или синтетических данных для тестирования, проверки концепции (POC) и других целей в средах Databricks, включая конвейеры Delta Live Tables.