Awesome GitHub RepositoriesData Projections

Ce projet est un framework de calcul scientifique pour l'écosystème .NET, fournissant une suite complète de bibliothèques pour l'analyse numérique, les statistiques et l'optimisation mathématique. Il sert de boîte à outils fondamentale pour développer des applications en machine learning, traitement numérique du signal et vision par ordinateur. Le framework fournit des outils spécialisés pour l'entraînement et le déploiement de modèles prédictifs, incluant les réseaux de neurones, les machines à vecteurs de support (SVM) et les arbres de décision. Il se distingue par des intégrations poussées pour l'analyse visuelle en temps réel, comme le suivi d'objets et la détection de traits faciaux, ainsi qu'une bibliothèque dédiée au traitement numérique du signal pour capturer et filtrer les signaux audio et de capteurs. La surface de capacités s'étend à la décomposition de matrices de haut niveau et à l'algèbre linéaire, à la modélisation d'états probabilistes et aux algorithmes de recherche heuristique. Il couvre également un large éventail d'utilitaires de manipulation de données, de la réduction de dimensionnalité et la normalisation à l'organisation de données spatiales et aux composants de visualisation scientifique. Le système inclut des contrôleurs d'intégration matérielle pour la configuration de caméras, la gestion des ports GPIO et le matériel de détection de profondeur spécialisé.

Memgraph is an in-memory, distributed graph database designed for high-performance labeled property graph management. It utilizes a Cypher query engine for declarative data retrieval and manipulation, providing a scalable knowledge graph backend that integrates vector search and graph traversals. The system distinguishes itself as a real-time graph analytics platform, employing native C++ and CUDA implementations to execute complex network analysis and dynamic community detection on streaming data. It provides specialized support for AI integration, including GraphRAG capabilities, the constr

Mapperly est un générateur de code source C# utilisé pour le mappage objet-à-objet haute performance dans .NET. Il fonctionne comme une bibliothèque de mappage à la compilation qui produit le code de transformation nécessaire durant le processus de build, éliminant le besoin de réflexion à l'exécution lors de la conversion entre modèles de domaine et objets de transfert de données (DTO). L'outil se distingue par sa validation diagnostique typée et son application stricte du mappage, émettant des avertissements pour les propriétés non mappées au moment de la compilation. Il inclut des fonctionnalités spécialisées pour la gestion des références circulaires et le clonage profond afin de maintenir l'identité des objets et d'éviter les boucles infinies lors de transformations complexes. Le projet couvre un large éventail de tâches de transformation, y compris l'aplatissement de hiérarchies d'objets imbriquées, la conversion de divers types de collections et de spans, ainsi qu'un mappage complet des énumérations entre chaînes et types primitifs. Il prend également en charge l'intégration de bases de données via la projection de requêtes, traduisant les définitions de mappage en arbres d'expressions pour optimiser la récupération des champs depuis des sources requêtables. Les options de configuration permettent des fabriques d'objets personnalisées, des exclusions au niveau des membres et l'intégration d'une logique de mappage définie par l'utilisateur. Le code source généré peut être exporté vers un répertoire configurable pour inspection manuelle et contrôle de version.

Ebean est un framework de mappage objet-relationnel Java conçu pour simplifier la persistance des bases de données grâce à la génération automatique de requêtes, la migration de schéma et la gestion des transactions. Il utilise le mappage piloté par les métadonnées et l'amélioration du bytecode pour combler le fossé entre les objets d'application et les tables de base de données relationnelles, fournissant une couche persistante qui gère les interactions de données complexes tout en maintenant la cohérence à travers les limites de l'unité de travail. Le framework se distingue par son accent sur la productivité des développeurs et l'optimisation des performances. Il fournit des constructeurs de requêtes typés qui génèrent du code au moment de la compilation, permettant l'auto-complétion IDE et la validation statique des opérations de base de données. De plus, il inclut une prise en charge intégrée pour les tests basés sur des conteneurs, permettant aux développeurs de gérer des instances de base de données éphémères et d'automatiser l'initialisation du schéma directement au sein de leurs suites de tests. Au-delà du mappage fondamental, le projet offre une suite complète d'outils pour la gestion des données et l'observabilité. Cela inclut l'évolution automatique du schéma, le routage des répliques de lecture pour la gestion des connexions et la mise en cache multi-niveaux pour réduire la charge de la base de données. Il fournit également des capacités de diagnostic telles que la capture du plan d'exécution des requêtes et le traçage distribué pour aider à l'optimisation des performances. La bibliothèque prend en charge les flux de travail de déploiement modernes, y compris la compilation « ahead-of-time » pour les images natives afin d'éliminer la surcharge de réflexion à l'exécution. Elle est distribuée sous forme de bibliothèque Java standard, avec une documentation et des outils disponibles pour soutenir l'intégration dans les processus de construction existants.