Awesome GitHub RepositoriesBehavioral Analytics

Umami is a self-hosted, privacy-focused web analytics platform designed to provide full control over infrastructure and user data. It captures website traffic and visitor behavior through anonymous tracking methods that avoid cookies, browser fingerprinting, and the storage of personally identifiable information. The platform distinguishes itself through a comprehensive suite of behavioral analysis tools, including session replays, heatmaps, and cohort-based retention reporting. It features a multi-tenant architecture that allows teams to manage multiple websites within a single, collaborativ

rrweb is a DOM session recording library and serialization framework used to record and replay web sessions. It converts the state of a web page into a serializable JSON data structure and tracks mutations to reconstruct user interactions within a replay engine. The system distinguishes itself by using a sandboxed iframe for reconstruction to isolate replayed content, preventing script execution and form submissions. It ensures visual consistency through CSS inline-style flattening and provides sensitive data masking to prevent private information from being captured. The project covers a br

Nakama is a distributed server framework designed for real-time multiplayer games and social applications. It provides an authoritative runtime environment for executing game logic, ensuring consistent state and cheat-resistant gameplay across diverse client platforms. The system acts as a centralized backend, managing persistent player identities, social graphs, and real-time communication channels to support complex multiplayer interactions. The platform distinguishes itself through an integrated suite of LiveOps tools that allow developers to manage game economies, schedule time-bound even

This project is a JavaScript library and SDK used to integrate web and mobile applications with cloud services. It serves as a bridge to backend providers for user authentication, binary object storage, and real-time data synchronization. The library provides a unified interface for managing cloud identity and access, executing queries and mutations against GraphQL endpoints, and consuming REST APIs with secure request signing. It also includes tools for accessing machine learning services for natural language processing and computer vision. Broad capability areas include offline-first data

FlutterFire is a collection of official plugins that integrate Firebase backend services into Flutter applications. It serves as a backend-as-a-service integration library, providing client-side wrappers for cloud authentication, databases, storage, and monitoring services. The project enables the integration of serverless backend logic and real-time data synchronization using NoSQL documents and state synchronization. It also provides capabilities for generative AI integration, including large language models, image generation, and local machine learning model management. The suite covers a

This repository provides a collection of starter templates, reference projects, and implementation guides for integrating Firebase services into Android applications. It serves as a boilerplate for building mobile apps with built-in cloud backend integration. The project includes examples for connecting Android applications to large language models for generative AI features. It also provides sample code for managing user identity and authentication, as well as demonstrations for integrating cloud databases and serverless functions. The codebase covers a broad range of capabilities, includin

53AIHub is a centralized orchestration platform for deploying and managing AI agents and prompts across multiple large language model providers. It functions as a multi-model AI gateway and an operation portal for AI services, providing a unified interface to coordinate agents and prompts from various external platforms. The project distinguishes itself as a white-label AI portal designed for self-hosted infrastructure, allowing for full control over operational data on private servers or containers. It includes a comprehensive AI SaaS administration layer with a multi-tenant subscription eng

Guess is a predictive page loading library that uses machine learning to prefetch JavaScript bundles and assets. It functions as a resource prefetcher that predicts the next page a user will visit by utilizing a web application route parser and a user behavior analytics integrator. The project distinguishes itself by importing navigation patterns from analytics APIs to inform its predictive models. It uses probabilistic navigation modeling and historical transition data to calculate the likelihood of future page visits, allowing for the proactive download of lazy-loaded bundles. The system i

Dieses Projekt ist ein Software Development Kit (SDK) und Cluster-Management-Tool für PHP. Es dient als SDK für Volltextsuche und Vektor-Suchschnittstelle, wodurch Anwendungen lexikalische, Fuzzy- und semantische Suchen auf indizierten Daten durchführen können. Die Bibliothek implementiert einen PSR-7-HTTP-Client, um die Kompatibilität zwischen verschiedenen Umgebungen durch standardisierte Messaging-Schnittstellen zu gewährleisten. Sie bietet eine spezialisierte Schnittstelle zum Abrufen von Embeddings und zur Durchführung semantischer Retrieval-Workflows unter Verwendung von Vektordaten. Der Funktionsumfang deckt eine breite Palette administrativer und operativer Aufgaben ab, einschließlich der Verwaltung von Suchindizes, der Überwachung des Cluster-Status und der Verwaltung von Dokumentlebenszyklen. Es unterstützt diverse Abfragemethoden wie SQL, EQL und ES|QL sowie Datenaggregation und Geodatenanalyse. Zusätzlich bietet es Tools für Machine-Learning-Orchestrierung, Anomalieerkennung sowie Identitäts- und Zugriffsmanagement.

OpenPanel is a self-hosted product analytics platform designed for tracking user behavior and visualizing product metrics on private infrastructure. It provides a comprehensive system for collecting events across web, mobile, and server environments while ensuring complete ownership of data. The platform distinguishes itself through a privacy-first approach, utilizing cookieless event tracking and regional data residency to simplify regulatory compliance. It integrates large language models via the Model Context Protocol, enabling users to query behavioral data and analyze trends using natura

Dieses Projekt ist eine Sammlung von Big-Data-Frameworks und Pipelines, darunter ein Apache Hive-Analyse-Framework, eine Plattform für Verhaltensdatenanalyse, eine Predictive-Analytics-Engine und Echtzeit-Datenpipelines. Es bietet die Infrastruktur für den Aufbau von ETL-Workflows (Extract, Transform, Load), um große Datensätze für verteilte Speicherung und SQL-basierte Analysen zu verarbeiten. Das System unterstützt diverse analytische Implementierungen, wie eine Predictive-Engine mittels linearer Regression für Prognosen und eine Echtzeit-Architektur, die Daten über Message-Broker für sofortiges Reporting weiterleitet. Es enthält spezialisierte Funktionen für die Analyse von Nutzerverhalten, E-Commerce-Performance-Messungen und Daten des städtischen Nahverkehrs. Die Codebasis deckt ein breites Spektrum an Data Engineering und Analyse ab, einschließlich Datenbereinigung und -transformation, verteilter Datenaufnahme (Ingestion), fensterbasierter Stream-Verarbeitung und der Visualisierung von Ergebnissen durch Business-Intelligence-Tools. Zudem ermöglicht es die Berechnung spezifischer Geschäftskennzahlen wie Konversionsraten, Monetarisierungs-Performance und Nutzer-Engagement-Level.

Recommendable ist eine Ruby-Bibliothek, die darauf ausgelegt ist, Empfehlungs-Engines direkt in Datenbank-gestützte Anwendungen zu integrieren. Sie bietet ein Framework zur Verfolgung von Benutzerinteraktionen wie Likes, Dislikes und Bookmarks, um detaillierte Interessenprofile zu erstellen und personalisierte Inhaltsempfehlungen zu generieren. Die Engine zeichnet sich durch die Nutzung von Collaborative Filtering aus, um Beziehungen zwischen Elementen basierend auf überschneidendem Benutzerverhalten zu identifizieren. Sie unterstützt sowohl personalisierte Vorschläge, die auf individuelle Präferenzen zugeschnitten sind, als auch aggregierte Beliebtheitsrankings, die trendige Inhalte über den gesamten Datensatz hinweg hervorheben. Das System verwaltet rechenintensive Aufgaben durch asynchrone Hintergrundverarbeitung, wodurch sichergestellt wird, dass Ähnlichkeits-Scoring und Empfehlungs-Updates die Anwendungsreaktionsfähigkeit nicht beeinträchtigen. Entwickler können die Engine mithilfe von Lifecycle-Hooks weiter erweitern, die benutzerdefinierte Geschäftslogik auslösen, wenn sich Benutzerpräferenzen ändern, oder durch manuelle Initiierung von Neuberechnungen außerhalb der standardmäßigen automatisierten Queues.