Awesome GitHub RepositoriesExternal File Imports

Pentaho Kettle es una plataforma empresarial de integración de datos ETL diseñada para extraer, transformar y cargar datos entre fuentes dispares y bases de datos de destino. Funciona como un orquestador basado en metadatos que utiliza un diseñador de flujo de trabajo visual para crear y gestionar secuencias complejas de tareas de datos y tuberías de transformación. El sistema se distingue por su motor de procesamiento de datos distribuido, que ejecuta cargas de trabajo a través de clústeres de nodos de servidor para aumentar el rendimiento. Emplea una arquitectura basada en plugins, lo que permite extender la plataforma mediante archivos JAR externos para proporcionar conectividad a diversas bases de datos y servicios en la nube. La plataforma cubre una amplia gama de capacidades de integración de datos, incluyendo carga masiva, gestión remota de archivos y transformación de estructuras de datos. Proporciona herramientas para la validación de la calidad de los datos, automatización de tuberías y gestión del ciclo de vida de los trabajos, junto con utilidades de monitoreo para rastrear la salud del servidor y el estado de ejecución en tiempo real.

Ibis is a portable Python dataframe library and multi-backend query engine that provides a unified interface for executing data transformations across diverse compute engines. It functions as a Python SQL expression compiler and dialect transpiler, allowing users to define data logic once and execute it across cloud warehouses, embedded databases, and distributed clusters without rewriting code. The project distinguishes itself through a database backend abstraction that decouples transformation logic from the underlying execution engine. It enables polyglot data workflows by mixing raw SQL s

A lightweight client for managing MariaDB, MySQL, SQL Server, PostgreSQL, SQLite, Interbase and Firebird, written in Delphi and Lazarus/FreePascal

Mongo-express es una interfaz administrativa basada en web para MongoDB, que proporciona una herramienta visual para gestionar bases de datos y colecciones sin el uso de una herramienta de línea de comandos. Construida como una aplicación Node.js, funciona como un editor de documentos y gestor de bases de datos para consultar, importar y exportar registros. El software incluye una interfaz administrativa compatible con proveedores de identidad OpenID Connect y OAuth2 para un acceso seguro de los usuarios. También cuenta con un monitor de rendimiento para ver estadísticas de salud de la base de datos y gestionar índices de colecciones para mejorar las velocidades de recuperación. El sistema cubre operaciones de datos amplias, incluyendo edición de documentos, consultas y la gestión de grandes activos binarios mediante GridFS. Proporciona controles administrativos para la visibilidad de la base de datos, configuración de conexiones cifradas y un modo de solo lectura para evitar la modificación accidental de datos.

HBase is a distributed, wide-column NoSQL store and big data storage engine designed for sparse datasets. It functions as a scalable columnar database built on top of the Hadoop Distributed File System to provide real-time read and write access to massive volumes of structured and unstructured data. The system acts as a cross-language database gateway, offering connectivity through native remote procedure calls, REST, and Thrift interfaces. It distinguishes itself through a master-worker coordination model that enables horizontal scaling and fault tolerance across a cluster. The project cove

ZenML is an orchestration platform designed for building, deploying, and monitoring reproducible machine learning pipelines and agentic workflows. It provides a unified framework that manages the entire lifecycle of machine learning assets, from data processing and model training to the deployment of persistent inference services. By decoupling pipeline logic from underlying compute and storage, the platform enables teams to transition workflows seamlessly from local development environments to production-grade cloud infrastructure. The platform distinguishes itself through a service-oriented

ui-grid es un componente de cuadrícula de datos empresarial para aplicaciones Angular diseñado para mostrar datos tabulares. Funciona como una tabla de datos interactiva que admite virtualización para mantener el rendimiento al renderizar grandes conjuntos de datos. La cuadrícula proporciona capacidades especializadas para la gestión profesional de datos, incluyendo agrupación de filas, fijación de columnas y persistencia de estado. Permite la organización de jerarquías de datos complejas y la transformación de registros planos en estructuras agrupadas o de árbol. El componente cubre una amplia gama de características de gestión de datos, incluyendo edición de celdas in-place, reordenamiento de columnas y la capacidad de importar y exportar datos a archivos externos. También incluye soporte para navegación por teclado y localización en múltiples idiomas.

h2o-llmstudio es un framework de entrenamiento de modelos de lenguaje que proporciona una interfaz gráfica sin código para ajustar (fine-tuning) modelos de lenguaje grandes en conjuntos de datos personalizados. Funciona como una herramienta especializada para gestionar el ciclo de vida del entrenamiento, desde la configuración de hiperparámetros hasta el monitoreo de métricas de rendimiento. El proyecto se distingue por un orquestador de entrenamiento multi-GPU que distribuye cargas de trabajo a través de procesamiento paralelo de datos y una herramienta de adaptación de bajo rango para un ajuste eficiente en memoria. También incluye un panel de evaluación de modelos con una interfaz de chat interactiva para verificar el rendimiento conversacional y la calidad de la respuesta. La plataforma cubre una amplia superficie de capacidad, incluyendo la preparación de conjuntos de datos con mapeo de esquemas, cuantización de modelos para reducir la huella de memoria y gestión de experimentos para comparar ejecuciones de entrenamiento. También proporciona utilidades para la exportación de modelos locales y la publicación en centros de modelos comunitarios. El sistema incluye una interfaz de línea de comandos para activar experimentos y gestionar archivos de salida dentro de flujos de trabajo automatizados.

Visual Insights es una plataforma de análisis exploratorio de datos automatizado y herramienta de inferencia causal diseñada para descubrir patrones y relaciones de causa y efecto dentro de los datasets. Funciona como una librería de visualización de datos interactiva utilizando un enfoque de gramática de gráficos para generar gráficos y dashboards multidimensionales. El proyecto se distingue por una interfaz de lenguaje natural que traduce preguntas en texto plano a respuestas y visualizaciones de datos mediante un modelo de lenguaje. Proporciona un framework especializado para el descubrimiento e inferencia causal, permitiendo a los usuarios identificar enlaces entre variables mediante gráficos causales interactivos y realizar análisis de tipo "qué pasaría si" (what-if) para validar hipótesis. La plataforma cubre un amplio rango de capacidades, incluyendo limpieza visual de datos, perfilado estadístico y transformación automatizada de datasets. Soporta la integración de datos diversos desde archivos locales y bases de datos remotas, y cuenta con un motor de procesamiento de alto rendimiento para manejar grandes datasets localmente. Además, el sistema permite embeber componentes de análisis interactivos en aplicaciones web y notebooks.

Este proyecto es un recurso educativo integral y un curso para construir redes neuronales usando PyTorch. Cubre los bloques de construcción fundamentales del deep learning, incluyendo la manipulación de tensores, la diferenciación automática y la construcción de componentes modulares de redes neuronales. El repositorio sirve como guía técnica para varios dominios especializados. Proporciona detalles de implementación para tareas de visión artificial como clasificación de imágenes, detección de objetos y segmentación semántica, así como flujos de trabajo de procesamiento de lenguaje natural que involucran transformers, redes recurrentes y modelos generativos. Además, incluye una referencia para IA generativa, centrándose específicamente en la síntesis de imágenes mediante modelos de difusión y redes adversarias. El material se extiende a pipelines de optimización y despliegue de modelos. Cubre técnicas para reducir el tamaño del modelo y aumentar la velocidad de inferencia mediante cuantización y la exportación de modelos a formatos como ONNX y TensorRT. Otras áreas de capacidad incluyen ingeniería de datos para carga paralela, evaluación de modelos mediante métricas personalizadas y el despliegue de modelos de lenguaje grandes (LLM) de código abierto. El proyecto se entrega principalmente como una serie de Jupyter Notebooks.

Este proyecto es un framework de computación científica para el ecosistema .NET, que proporciona un conjunto completo de librerías para análisis numérico, estadística y optimización matemática. Sirve como kit de herramientas fundamental para desarrollar aplicaciones en aprendizaje automático (machine learning), procesamiento de señales digitales y visión artificial. El framework proporciona kits de herramientas especializados para entrenar y desplegar modelos predictivos, incluyendo redes neuronales, máquinas de vectores de soporte y árboles de decisión. Se distingue además por integraciones profundas para el análisis visual en tiempo real, como el seguimiento de objetos y la detección de rasgos faciales, junto con una librería dedicada al procesamiento de señales digitales para capturar y filtrar señales de audio y sensores. La superficie de capacidades se extiende a la descomposición de matrices de alto nivel y álgebra lineal, modelado de estados probabilísticos y algoritmos de búsqueda heurística. También cubre una amplia gama de utilidades de manipulación de datos, desde la reducción de dimensionalidad y normalización hasta la organización de datos espaciales y componentes de visualización científica. El sistema incluye controladores de integración de hardware para la configuración de cámaras, gestión de puertos GPIO y hardware especializado de detección de profundidad.

TablePro is a cross-platform database management client designed for browsing, querying, and administering both SQL and NoSQL databases. It functions as a unified workspace that integrates a code-centric SQL editor with schema visualization tools, allowing developers to manage complex data models and execute queries across diverse database engines. The application distinguishes itself through an agentic AI integration layer that connects language models directly to database tools, enabling automated query generation, optimization, and error fixing with configurable approval gates. It features

DIGITS es una plataforma de entrenamiento de deep learning mediante GPU y gestor de modelos utilizado para entrenar, ajustar y gestionar modelos de redes neuronales en hardware NVIDIA. Funciona como un pipeline de machine learning controlado por REST que se integra con el almacenamiento en la nube S3 para la ingesta y organización de datasets. La plataforma admite flujos de trabajo de clasificación de imágenes, permitiendo a los usuarios entrenar diversas arquitecturas de modelos y exportar clasificadores de imágenes entrenados para su uso en entornos externos. Incluye capacidades para el ajuste fino (fine-tuning) de modelos para adaptar pesos preentrenados a tareas específicas. El sistema proporciona una interfaz API basada en REST para automatizar flujos de trabajo de entrenamiento y gestionar clusters de GPU. Utiliza un backend de modelos basado en Caffe con un pipeline de computación acelerado por GPU y gestiona los parámetros de entrenamiento a través de configuraciones JSON estructuradas.

sqlite-web es una aplicación web basada en Python que proporciona una interfaz gráfica de usuario para navegar, consultar y editar archivos de base de datos SQLite. Funciona como una herramienta de gestión de bases de datos que permite a los usuarios manipular datos de tablas y gestionar esquemas a través de un navegador web en lugar de usar una línea de comandos o scripts SQL en bruto. La aplicación incluye utilidades para migración de datos, permitiendo la importación y exportación de contenido de bases de datos mediante formatos de archivo JSON y CSV. También proporciona acceso remoto seguro a bases de datos mediante control de acceso por contraseña y cifrado SSL. El proyecto cubre capacidades administrativas más amplias, incluyendo gestión de conexiones de base de datos, administración de esquemas para modificar tablas y columnas, y soporte para despliegue mediante servicios WSGI.

This is a PyTorch self-supervised learning framework designed to train models that learn visual representations from video. It implements a joint-embedding predictive architecture that extracts spatio-temporal features by predicting missing regions of a signal within a latent representation space rather than reconstructing raw pixels. The project includes a latent space visualization tool that uses a conditional diffusion model to decode feature-space predictions back into pixels. This allows for the verification of learned representations by transforming abstract predictions into interpretab

RavenDB is a multi-model NoSQL document database designed for high-performance, ACID-compliant data storage. It persists structured information as schema-flexible JSON documents and utilizes a unit-of-work session pattern to track entity changes and batch modifications into atomic transactions. The platform is built on a distributed architecture that supports horizontal scaling through sharding and ensures high availability via multi-node, master-to-master cluster replication. The database distinguishes itself through a self-optimizing query engine that automatically creates and maintains ind

This project is a high-performance tabular data processing framework for R, designed to handle massive datasets with memory efficiency and speed. It provides an enhanced data structure that utilizes reference semantics and in-place modification to perform complex transformations without the overhead of unnecessary object copying. The library distinguishes itself through its low-level architectural optimizations, including multi-threaded parallel processing, radix-based sorting, and memory-mapped file parsing. By offloading critical data manipulation and aggregation routines to compiled C code

This project is a comprehensive performance programming guide and reference for the Go language, focusing on runtime efficiency and memory optimization. It provides a collection of patterns and techniques designed to increase execution speed by reducing garbage collection overhead and optimizing memory usage. The resource distinguishes itself through detailed reference implementations for memory optimization, such as escape analysis, object pooling, and structure memory alignment. It offers specific strategies for reducing binary size and improving CPU cache efficiency through structure memor

MultiNeRF is a 3D scene reconstruction suite and framework for training Neural Radiance Fields to synthesize novel views from sets of 2D images. It provides a system for generating new perspectives of a scene by optimizing a neural network based on images and camera poses. The toolkit includes research implementations such as Mip-NeRF 360 and Ref-NeRF for high-fidelity volumetric rendering. It features a structure-from-motion pipeline to calculate camera positions and orientations from image datasets to prepare data for training. The project covers a full workflow for volumetric rendering, i

Wanderer is a self-hosted trail database and federated social network for storing GPS tracks and hiking routes. It functions as a GPX route manager and geographic route planner that allows users to catalog outdoor explorations in a private database. The system utilizes the ActivityPub protocol to enable decentralized federation, allowing users to follow others and share activities across independent server instances. This social layer includes collaborative route exchange, engagement management for likes and comments, and granular content visibility controls. The platform provides tools for