awesome-repositories.com
Blog
awesome-repositories.com

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

ExplorerRecherches sélectionnéesOpen-source alternativesSelf-hosted softwareBlogPlan du site
ProjetÀ proposHow we rankPresseServeur MCP
Mentions légalesConfidentialitéConditions d'utilisation
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

2 dépôts

Awesome GitHub RepositoriesLegacy Data Transformation

Processing and mapping of data from archived or deprecated systems into standardized formats.

Distinct from Data Processing: Distinct from general Data Processing: specifically addresses the transformation and identifier mapping of legacy/archived systems.

Explore 2 awesome GitHub repositories matching data & databases · Legacy Data Transformation. Refine with filters or upvote what's useful.

Awesome Legacy Data Transformation GitHub Repositories

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

    ardanlabs/service

    4,030Voir sur GitHub↗

    Ce projet fournit un ensemble de modèles structurels et de frameworks pour amorcer des serveurs de production, des backends haute performance, des microservices Kubernetes et des pipelines d'IA en utilisant le langage de programmation Go. Il sert d'architecture fondamentale pour construire une infrastructure à haut débit et des serveurs de production évolutifs avec routage et middleware intégrés. Le framework inclut une infrastructure spécialisée pour développer des systèmes de génération augmentée par récupération (RAG), mettant l'accent sur l'inférence de modèle local et la souveraineté sécurisée des données. Il fournit en outre un modèle de microservice dédié pour les déploiements conteneurisés, se concentrant sur les quotas de ressources et la gestion du cycle de vie des services. Le projet couvre de vastes domaines de capacités, notamment l'instrumentation d'observabilité pour surveiller la santé du système, l'injection de dépendances basée sur les interfaces et la gestion de schéma basée sur les migrations pour les données relationnelles. Il intègre également la concurrence basée sur les canaux pour gérer les tâches asynchrones et l'optimisation de l'utilisation des ressources via le profilage CPU et mémoire.

    Creates secure connectors for legacy databases and message buses to feed operational data into AI systems.

    Go
    Voir sur GitHub↗4,030
  • mit-lcp/mimic-codeAvatar de MIT-LCP

    MIT-LCP/mimic-code

    3,135Voir sur GitHub↗

    mimic-code is a clinical data analysis framework and toolset for processing deidentified electronic health records and intensive care unit data. It provides a healthcare SQL query library and a processing tool to transform raw health records into formats suitable for longitudinal analysis and machine learning. The project features a medical research notebook environment that integrates with cloud-hosted datasets, allowing for remote querying and analysis. It includes a DICOM imaging pipeline to retrieve chest radiographs and link medical imaging with structured clinical metadata. The framewo

    MIMIC-IV transforms patient data from archived systems by mapping identifiers to a common format.

    Jupyter Notebookcritical-careicumimic-iii
    Voir sur GitHub↗3,135
  1. Home
  2. Data & Databases
  3. Data Processing Pipelines
  4. Data Processing
  5. Legacy Data Transformation

Explorer les sous-tags

  • AI Data ConnectorsSecure interfaces that bridge legacy data sources specifically for consumption by AI systems. **Distinct from Legacy Data Transformation:** Distinct from Legacy Data Transformation: focuses on the secure connectivity and ingestion for AI rather than just the format transformation.