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 est une plateforme d'analyse exploratoire de données automatisée et un outil d'inférence causale conçu pour découvrir des modèles et des relations de cause à effet au sein des jeux de données. Il fonctionne comme une bibliothèque de visualisation de données interactive utilisant une approche de grammaire graphique pour générer des graphiques et des tableaux de bord multidimensionnels. Le projet se distingue par une interface en langage naturel qui traduit les questions en texte brut en réponses de données et visualisations via un modèle de langage. Il fournit un framework spécialisé pour la découverte et l'inférence causales, permettant aux utilisateurs d'identifier les liens entre variables via des graphes causaux interactifs et d'effectuer des analyses de type « et si » pour valider des hypothèses. La plateforme couvre un large éventail de capacités, incluant le nettoyage visuel des données, le profilage statistique et la transformation automatisée des jeux de données. Elle prend en charge l'intégration de données diverses provenant de fichiers locaux et de bases de données distantes, et dispose d'un moteur de traitement haute performance pour gérer de grands jeux de données localement. De plus, le système permet l'intégration de composants d'analyse interactifs dans des applications web et des 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

Ce projet est un environnement de notebook interactif basé sur le web, conçu pour la science des données distribuée et le calcul à grande échelle. Il sert d'outil de développement pour exécuter du code et effectuer des analyses de données spécifiquement au sein du framework Apache Spark, fournissant une interface basée sur navigateur qui combine l'exécution de code avec la visualisation réactive des données. La plateforme se distingue par son intégration profonde avec l'infrastructure distribuée, permettant aux utilisateurs de gérer les ressources du cluster, de configurer les dépendances d'exécution et d'isoler les processus d'exécution pour les notebooks individuels. Elle prend en charge les flux de travail collaboratifs en synchronisant les fichiers de notebook directement avec les systèmes de contrôle de version et fournit un moteur de rendu réactif qui met automatiquement à jour les graphiques et les widgets en réponse aux flux de données en direct et à l'exécution du code. Au-delà de ses capacités d'exécution de base, l'environnement inclut des outils complets pour la gestion de cluster, la sécurité et l'extensibilité. Il prend en charge l'authentification et l'usurpation d'identité des utilisateurs pour un accès sécurisé aux ressources distribuées, tout en offrant des options de configuration flexibles pour les modèles d'environnement, la gestion des dépendances et l'optimisation des performances. Le système propose également une large bibliothèque de composants de visualisation interactifs, incluant la cartographie géospatiale, les graphes de réseau et les tableaux croisés dynamiques, pour faciliter l'exploration complexe des données.