awesome-repositories.com
Blog
MCP
awesome-repositories.com

Découvrez les meilleurs dépôts open-source grâce à notre recherche par IA.

ExplorerRecherches sélectionnéesAlternatives open sourceLogiciels auto-hébergésBlogPlan du site
ProjetServeur MCPÀ proposNotre méthodologiePresse
Mentions légalesConfidentialitéConditions d'utilisation
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

2 dépôts

Awesome GitHub RepositoriesDatabase-Native ML Integration

Components for embedding machine learning workflows directly into database query operations.

Distinct from Machine Learning Platforms: Distinct from Machine Learning Platforms: focuses on database-level integration rather than end-to-end ML platforms.

Explore 2 awesome GitHub repositories matching artificial intelligence & ml · Database-Native ML Integration. Refine with filters or upvote what's useful.

Awesome Database-Native ML Integration GitHub Repositories

Trouvez les meilleurs dépôts grâce à l'IA.Nous recherchons les dépôts les plus pertinents grâce à l'IA.
  • pgvector/pgvectorAvatar de pgvector

    pgvector/pgvector

    21,787Voir sur GitHub↗

    Vector similarity search extension for PostgreSQL.

    Integrates vector-based machine learning workflows into standard database queries and hybrid search applications.

    Cpostgresvector-searchembeddings
    Voir sur GitHub↗21,787
  • superduper-io/superduperAvatar de superduper-io

    superduper-io/superduper

    5,298Voir sur GitHub↗

    Superduper est un kit de développement d'agents IA et un framework d'application LLM conçu pour construire des agents autonomes et des applications pilotées par les données. Il fonctionne comme une plateforme d'orchestration RAG et une infrastructure de recherche vectorielle, coordonnant les modèles d'IA avec le stockage en base de données pour effectuer des calculs et des actions multi-étapes en utilisant des états de données persistants. Le projet se distingue en fournissant un pipeline de machine learning intégré à la base de données qui exécute des tâches d'entraînement et d'inférence directement sur les données hébergées au sein de bases de données SQL et NoSQL. Il permet le déploiement d'une infrastructure d'IA auto-hébergée sur du matériel privé, permettant un contrôle total sur l'inférence et les données. Le framework couvre une large surface de capacités, incluant des API de stockage unifiées pour divers backends de base de données, le mappage de schéma automatisé et la synchronisation d'index vectoriels pour la recherche sémantique. Il fournit en outre des outils pour l'exécution de flux de travail IA, le déclenchement de modèles piloté par les événements et l'empaquetage de la logique d'application dans des modèles portables et réutilisables. Le système prend en charge l'intégration avec divers frameworks de machine learning et API hébergées via une couche d'abstraction basée sur les plugins.

    Provides a database-integrated pipeline for executing machine learning workflows directly within the database storage layer.

    Pythonaichatbotdata
    Voir sur GitHub↗5,298
  1. Home
  2. Artificial Intelligence & ML
  3. Machine Learning
  4. Infrastructure
  5. Integrated Development Platforms
  6. Machine Learning Platforms
  7. Database-Native ML Integration