awesome-repositories.com
Blog
awesome-repositories.com

Descubre los mejores repositorios open-source con nuestra búsqueda potenciada por IA.

ExplorarBúsquedas curadasAlternativas open-sourceSoftware autohospedableBlogMapa del sitio
ProyectoAcerca deCómo clasificamosPrensaServidor MCP
Aviso legalPrivacidadTérminos
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

1 repositorio

Awesome GitHub RepositoriesSemantic Data Type Mappings

Assigns meaningful categories to data fields to automate the selection of statistics and charts.

Distinct from Semantic Field Mapping: Existing candidates focus on visual textures, syntax trees, or AI model inputs, not data analysis field categorization.

Explore 1 awesome GitHub repository matching data & databases · Semantic Data Type Mappings. Refine with filters or upvote what's useful.

Awesome Semantic Data Type Mappings GitHub Repositories

Encuentra los mejores repositorios con IA.Buscaremos los repositorios que mejor coincidan usando IA.
  • observedobserver/visual-insightsAvatar de ObservedObserver

    ObservedObserver/visual-insights

    4,653Ver en GitHub↗

    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.

    Assigns semantic categories to data fields to automate the selection of statistical profiles and visualizations.

    TypeScript
    Ver en GitHub↗4,653
  1. Home
  2. Data & Databases
  3. Semantic Data Type Mappings