Awesome GitHub RepositoriesNotebook Code Execution

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

Papermill is a Jupyter notebook execution engine and parameterization framework designed to run notebooks programmatically. It allows users to inject custom input values into notebooks to execute the same logic across different datasets, transforming interactive notebooks into reproducible data science pipelines. The project functions as a language-agnostic notebook runner and orchestrator, supporting kernels for Python, R, Julia, and Scala. It is distinguished by its cloud-integrated runner capabilities, featuring built-in handlers to read and write notebooks directly to storage providers su

Lihang es una librería y framework de algoritmos de aprendizaje estadístico que proporciona implementaciones de modelos de machine learning supervisado y no supervisado. Funciona como un repositorio de referencia que traduce teorías de aprendizaje estadístico en código ejecutable para la clasificación de datos y el reconocimiento de patrones. El proyecto cuenta con herramientas especializadas para la implementación de modelos probabilísticos, utilizando estimación de verosimilitud y métodos bayesianos para determinar los parámetros óptimos del modelo. Incluye una herramienta de etiquetado de datos secuenciales para identificar patrones en secuencias de datos ordenadas y admite clasificación binaria tanto lineal como no lineal. El framework cubre una amplia gama de capacidades de machine learning, incluyendo análisis de datos no supervisados para clustering y análisis de temas, así como un pipeline para la recuperación automatizada de bibliografía académica y materiales de referencia. El proyecto integra notebooks interactivos para el análisis iterativo de datos y la verificación de modelos.

whodb es una interfaz de gestión multi-base de datos y cliente de notebooks diseñado para explorar y gestionar datos a través de varios motores, incluyendo Postgres, MySQL, MongoDB y Redis. Funciona como una interfaz gráfica para gestionar conexiones, registros y esquemas de bases de datos a través de una capa unificada. El proyecto cuenta con una interfaz de consulta en lenguaje natural que utiliza modelos de lenguaje de gran tamaño para traducir inglés sencillo a consultas SQL o NoSQL ejecutables. Esto se apoya en prompts conscientes del esquema que inyectan metadatos de la base de datos en el contexto del modelo para asegurar que las consultas generadas coincidan con las definiciones reales de las tablas. Las capacidades adicionales incluyen un visualizador de esquemas que transforma los metadatos de claves foráneas en redes de grafos interactivas y un generador de datos sintéticos para crear datasets de prueba. La herramienta también proporciona un modelo de ejecución estilo notebook para organizar consultas en celdas secuenciales, opciones de exportación de datos para formatos como CSV y JSON, y una interfaz de línea de comandos para la administración del entorno.

Este proyecto es una colección de cuadernos de tutoriales y recursos educativos sobre procesamiento de lenguaje natural con transformers. Proporciona una guía para utilizar la biblioteca Hugging Face Transformers a través de ejercicios de codificación interactivos y demostraciones. El repositorio contiene cuadernos de Jupyter listos para ejecutar que proporcionan ejemplos prácticos para implementar modelos transformer. Estos recursos demuestran cómo ejecutar flujos de trabajo específicos de procesamiento de lenguaje natural utilizando modelos preentrenados. Los cuadernos cubren una variedad de tareas de procesamiento de lenguaje natural, incluyendo clasificación de texto, resumen automático de texto y reconocimiento de entidades nombradas.

Polynote es un entorno de notebook políglota y un sistema de documentos interactivos diseñado para ejecutar código en múltiples lenguajes dentro de un mismo documento. Funciona como una herramienta de análisis de datos multilingüe y un IDE para lenguajes de la JVM, permitiendo a los usuarios combinar código ejecutable, texto enriquecido y visualizaciones de datos para prototipar y documentar flujos de trabajo técnicos. El sistema se distingue por su capacidad para compartir datos y variables entre diferentes tiempos de ejecución de lenguajes, como Python y la JVM. Utiliza la conversión de objetos entre lenguajes y el envoltorio de datos para pasar objetos entre entornos, permitiendo flujos de trabajo de datos multilingües. Además, se integra con Apache Spark para ejecutar tareas de procesamiento de datos distribuidos mediante envíos a clústeres locales o remotos. La plataforma proporciona un conjunto completo de capacidades para el análisis y visualización de datos, incluyendo una tabla de símbolos en tiempo real para el monitoreo del tiempo de ejecución y soporte para el renderizado de especificaciones Vega. Gestiona dependencias para los entornos de JVM y Python utilizando resolución basada en coordenadas y ofrece edición mejorada por IDE con autocompletado y resaltado de errores. Las funciones de gestión de documentos incluyen una tabla de contenidos dinámica, búsqueda de contenido entre notebooks y recuperación de copias de seguridad basadas en navegador para evitar la pérdida de datos por archivos corruptos.

Jupyter Book es un editor de libros computacionales y generador de sitios estáticos que convierte notebooks de Jupyter y archivos markdown en libros web interactivos y documentos PDF de calidad editorial. Sirve como una herramienta de documentación basada en markdown que ejecuta código incrustado en tiempo de compilación y almacena en caché los resultados para su visualización estática. El sistema se distingue por admitir publicaciones de datos interactivas, permitiendo a los lectores interactuar con widgets computacionales en vivo y lanzar notebooks en entornos de ejecución remotos. Extiende el markdown estándar con un sistema de roles y directivas para apoyar la autoría científica, incluyendo matemáticas LaTeX, gestión de citas bibliográficas y referencias cruzadas numeradas. La plataforma cubre una amplia gama de capacidades, incluyendo formato académico para pruebas y teoremas, gestión de diseño interactivo mediante paneles plegables y referencias complejas entre secciones internas y proyectos externos. También proporciona herramientas para la organización de contenido a través de estructuras de libros jerárquicas y una tabla de contenidos desacoplada. El proyecto incluye utilidades para la integración con alojamiento web y validación de integridad de contenido para escanear referencias rotas durante el proceso de compilación.

Gophernotes es una implementación backend del protocolo de kernel de Jupyter y un entorno de ejecución interactivo que permite ejecutar código del lenguaje Go dentro de entornos de notebooks. Funciona como un motor de ejecución para Go, permitiendo a los usuarios integrar este lenguaje en notebooks políglotas como Jupyter y nteract. El proyecto permite la creación de documentos que combinan código fuente ejecutable con contenido multimedia. Mapea tipos de datos internos a varios formatos, incluyendo HTML, JSON, LaTeX, PDF e imágenes, para proporcionar representaciones visuales de los resultados de ejecución. El sistema cubre una serie de capacidades que incluyen la ejecución de comandos de shell del sistema, la gestión de contextos de ejecución de notebooks y la vinculación de paquetes de terceros en diferentes sistemas operativos.

Kotlin Jupyter is an interactive computing environment that enables the execution of Kotlin code within Jupyter notebooks. It functions as a kernel for the Java Virtual Machine, providing a platform for data analysis, rapid prototyping, and scientific computing research. The system manages the evaluation of code snippets by compiling them dynamically at runtime, allowing for real-time interaction and variable inspection. The project distinguishes itself through a sophisticated code transformation pipeline that intercepts and modifies user input to support custom syntax and automated logic. It