Awesome GitHub RepositoriesCustom Data Visualizations

TensorFlow.js is a JavaScript machine learning library used for training and deploying models in web browsers and server-side environments. It functions as a browser-based model trainer, a WebAssembly inference engine, and a WebGPU accelerated tensor library for low-level linear algebra. The project also includes a model converter to transform Python-based models into optimized formats for JavaScript execution. The library distinguishes itself through a pluggable backend architecture that allows mathematical operations to be executed via CPU, WebGL, or WebGPU. It supports the conversion of Py

This project is a collection of responsive CSS Grid dashboard templates and a data visualization UI kit. It provides a set of HTML layouts designed for building analytics interfaces and monitoring views for KPIs and business metrics that adapt to different screen sizes. The toolkit is library-agnostic, allowing the connection of static HTML templates to any external data source or third-party charting library without requiring custom adapter code. It uses a template-driven approach to separate the visual structure of the dashboard from the underlying data. The capabilities cover the assembly

Apache Zeppelin is a web-based notebook platform for interactive data analytics that supports executing code in over 20 languages within a single notebook. It provides a plugin-based interpreter architecture that allows the notebook to be extended with new languages and data sources, and includes a JDBC connector abstraction for connecting to any JDBC-compliant database. The platform also features session-isolated interpreter contexts, enabling separate interpreter instances per notebook or user with support for dependency injection and user impersonation. The platform distinguishes itself th

Visual Insights ist eine Plattform für automatisierte explorative Datenanalyse und ein Tool für kausale Inferenz, das entwickelt wurde, um Muster sowie Ursache-Wirkungs-Zusammenhänge in Datensätzen zu entdecken. Es fungiert als interaktive Datenvisualisierungsbibliothek, die einen Grammar-of-Graphics-Ansatz verwendet, um mehrdimensionale Diagramme und Dashboards zu generieren. Das Projekt zeichnet sich durch eine natürlichsprachliche Schnittstelle aus, die Fragen in Klartext mithilfe eines Sprachmodells in Datenantworten und Visualisierungen übersetzt. Es bietet ein spezialisiertes Framework für kausale Entdeckung und Inferenz, das es Benutzern ermöglicht, Variablenverknüpfungen durch interaktive Kausaldiagramme zu identifizieren und What-if-Analysen zur Validierung von Hypothesen durchzuführen. Die Plattform deckt ein breites Spektrum an Funktionen ab, darunter visuelle Datenbereinigung, statistische Profilerstellung und automatisierte Datensatztransformation. Sie unterstützt die Integration verschiedener Daten aus lokalen Dateien und Remote-Datenbanken und verfügt über eine leistungsstarke Verarbeitungs-Engine für die lokale Handhabung großer Datensätze. Zusätzlich ermöglicht das System die Einbettung interaktiver Analysekomponenten in Webanwendungen und Notebooks.

Chartbrew is a self-hosted business intelligence platform and data visualization engine designed to transform raw data from SQL databases and external API endpoints into interactive charts and dashboards. It serves as a tool for building analytics dashboards that monitor business metrics and KPIs through a privately hosted environment. The platform distinguishes itself with an embedded analytics workflow, allowing users to generate secure, time-limited shared links and iframes to display private charts on external websites. It also provides programmatic chart generation via API and integrates

Dieses Projekt ist eine interaktive, webbasierte Notebook-Umgebung für verteilte Data Science und groß angelegtes Computing. Es dient als Entwicklungstool zum Ausführen von Code und zur Durchführung von Datenanalysen speziell innerhalb des Apache Spark-Frameworks und bietet ein browserbasiertes Interface, das Codeausführung mit reaktiver Datenvisualisierung kombiniert. Die Plattform zeichnet sich durch ihre tiefe Integration in verteilte Infrastrukturen aus, die es Benutzern ermöglicht, Cluster-Ressourcen zu verwalten, Laufzeitabhängigkeiten zu konfigurieren und Ausführungsprozesse für einzelne Notebooks zu isolieren. Sie unterstützt kollaborative Workflows durch die Synchronisation von Notebook-Dateien direkt mit Versionskontrollsystemen und bietet eine reaktive Rendering-Engine, die Diagramme und Widgets automatisch als Reaktion auf Live-Datenströme und Codeausführung aktualisiert. Über ihre Kern-Ausführungsfähigkeiten hinaus enthält die Umgebung umfassende Tools für Cluster-Management, Sicherheit und Erweiterbarkeit. Sie unterstützt Benutzerauthentifizierung und Identitätswechsel für den sicheren Zugriff auf verteilte Ressourcen und bietet flexible Konfigurationsoptionen für Umgebungsvorlagen, Abhängigkeitsmanagement und Performance-Tuning. Das System verfügt zudem über eine breite Bibliothek interaktiver Visualisierungskomponenten, einschließlich Geodaten-Mapping, Netzwerkgraphen und Pivot-Tabellen, um komplexe Datenexplorationen zu erleichtern.