Awesome GitHub RepositoriesMulti-Dimensional Analysis

StarRocks is a distributed SQL OLAP database engine designed for real-time analytics and high-performance multi-dimensional analysis. It functions as a data lakehouse query engine that enables SQL execution across large datasets and external open table formats without requiring local data imports. The system employs a shared-nothing distributed architecture and utilizes the MySQL protocol to integrate with business intelligence tools. It maintains real-time data consistency through a primary key upsert model and accelerates query response times using vectorized execution and cost-based optimi

Boost is a collection of portable, high-performance source libraries that extend the C++ standard library. It provides a wide range of reusable components, data structures, and algorithms designed to add capabilities to the base language across different platforms. The project is distinguished by its extensive focus on compile-time template metaprogramming and generic programming. It implements advanced architectural patterns such as policy-based design, concept-based type validation, and the use of SFINAE for conditional template resolution to minimize runtime overhead. The library covers a

dc.js is a multi-dimensional analysis tool and visualization framework used to build interactive data dashboards. It functions as a charting library that renders diverse SVG visualizations powered by D3 and integrates natively with Crossfilter to enable coordinated filtering across large datasets. The project is distinguished by its linked-view coordination, where selecting a data range or category in one chart simultaneously updates all other connected views. This allows for dynamic data exploration through dimensional chart linking and coordinated brushing, transforming raw datasets into na

GrowthBook is a feature flagging and experimentation platform that utilizes a warehouse-native approach to data analysis. It serves as a system for managing feature rollouts and conducting A/B tests by executing SQL queries directly against existing data warehouses to calculate experiment results. The platform is distinguished by its integration of a Model Context Protocol server, which allows AI coding assistants and IDEs to manage flags and query analytics using natural language. It also provides specialized capabilities for AI model optimization, enabling the testing of prompts and models

Pinot is a distributed, columnar analytical database designed for high-concurrency, low-latency query processing. It functions as a real-time OLAP datastore, enabling interactive, user-facing analytics by ingesting and querying massive datasets from both streaming and batch sources. The system architecture relies on a centralized controller for cluster coordination and a distributed segment-based storage model to ensure horizontal scalability. The platform distinguishes itself through a hybrid ingestion pipeline that unifies real-time event streams and historical batch data into a single quer

Prometheus client_golang is the official Go client library for instrumenting applications with Prometheus metrics. It provides a metric registry that manages and exposes custom application metrics like counters, gauges, histograms, and summaries in Prometheus format for HTTP scraping by a Prometheus server. The library also includes a remote read client that sends PromQL queries to a Prometheus server over HTTP and retrieves time series data programmatically. The library supports creating separate registries to isolate metric namespaces and control which metrics are exposed per scrape endpoin

Ce projet est une bibliothèque de machine learning fournissant une collection d'implémentations pour des algorithmes d'apprentissage supervisé et non supervisé. Il sert de framework de deep learning, de collection de classificateurs statistiques et de suite d'outils pour l'apprentissage non supervisé et la réduction de dimensionnalité. La bibliothèque permet la construction de réseaux de neurones, incluant des perceptrons multicouches et des réseaux convolutifs pour la reconnaissance de formes. Elle fournit également des outils pour effectuer l'analyse en composantes principales et l'apprentissage de variétés (manifold learning) pour visualiser des jeux de données de haute dimension, ainsi qu'une suite d'algorithmes de clustering qui regroupent des données non étiquetées par partitionnement itératif. Le projet couvre un large éventail de capacités de modélisation prédictive, incluant des tâches de classification et de régression utilisant des arbres de décision, les k-plus proches voisins, les classificateurs de Bayes, les machines à vecteurs de support (SVM) et la régression ridge. Il inclut également des outils pour les flux de travail de classification d'images et l'analyse de données non étiquetées.

Lucid est une boîte à outils d'interprétabilité et une bibliothèque de visualisation TensorFlow conçue pour analyser les représentations internes des réseaux de neurones. Elle fonctionne comme un framework d'optimisation basé sur le gradient qui génère des images et des atlas pour révéler les caractéristiques apprises par des neurones et des couches spécifiques. La bibliothèque permet la création d'atlas d'activation et le mappage d'activations neuronales de haute dimension dans des espaces de dimension inférieure pour étudier le comportement du modèle. Elle utilise la paramétrisation d'image différentiable pour optimiser les entrées visuelles qui activent au maximum les composants du réseau. Le système couvre un large éventail d'infrastructures d'interprétabilité, incluant le mappage de distribution d'activation et la recherche en visualisation de caractéristiques. Il inclut également des utilitaires pour importer des modèles pré-entraînés et persister les poids du réseau pour une analyse continue.

Yellowbrick is a machine learning visualization library and model diagnostic tool designed to analyze feature importance, target distributions, and model error metrics. It serves as a visual toolkit for diagnosing underfitting and overfitting through the use of validation and learning curves. The project provides specialized suites for evaluating predictive models and unsupervised learning. It enables the determination of optimal cluster counts via elbow methods and silhouette coefficients, and assesses classifier and regressor quality through ROC curves, confusion matrices, and residual plot

Il s'agit d'une bibliothèque cliente Prometheus pour Python utilisée pour instrumenter les applications Python. Elle fournit les outils nécessaires pour enregistrer des compteurs, des jauges et des histogrammes au sein d'un processus afin de surveiller la santé de l'application et d'exposer ces données en tant que fournisseur au format d'exposition Prometheus. La bibliothèque permet une observabilité cloud native en permettant aux développeurs de définir une télémétrie personnalisée et de suivre les événements internes de l'application. Elle transforme les données internes de l'application en un format texte standardisé requis par les scrapers Prometheus pour la collecte. Le projet couvre une variété de capacités de surveillance et d'observabilité, y compris l'utilisation du mappage dimensionnel basé sur des labels pour le filtrage et l'implémentation de l'exposition de métriques basée sur le pull via des endpoints HTTP. Elle utilise un registre global thread-safe et des compteurs atomiques pour assurer un suivi cohérent à travers plusieurs threads d'application.

Stumpy est une bibliothèque Python pour l'analyse de séries temporelles évolutive centrée sur l'implémentation d'algorithmes de profil de matrice. Elle fournit un framework pour calculer des profils de distance afin d'identifier des modèles répétitifs et des anomalies au sein des données de séries temporelles. Le projet se distingue par sa capacité à mettre à l'échelle des calculs lourds sur du matériel GPU et des clusters distribués utilisant Dask. Il prend en charge l'analyse multidimensionnelle pour découvrir des motifs à travers des flux de données concurrents et offre un calcul incrémentiel pour l'analyse de streaming en temps réel. La bibliothèque couvre un large éventail de techniques d'exploration de séries temporelles, incluant la découverte de motifs, la détection d'anomalies et la correspondance de modèles de séquence. Elle fournit également des outils pour la segmentation sémantique afin de détecter les changements de régime et l'extraction de chaînes temporellement ordonnées de modèles de sous-séquences similaires.

pytorch-fid is a PyTorch-based evaluator and image distribution analysis library used to calculate the Fréchet Inception Distance. It functions as a benchmarking tool that maps image pixels to high-dimensional feature vectors using a pre-trained convolutional neural network to measure the mathematical divergence between real and synthetic datasets. The library quantifies the quality and diversity of generative models by representing image feature sets as mean and covariance matrices. It allows for the extraction of latent representations from specific neural network layers, with configurable

Kylin is a distributed OLAP engine designed for executing fast SQL queries on massive datasets. It utilizes multi-dimensional data cubes to pre-calculate data aggregates, enabling sub-second response times for large-scale analytical queries and big data analytics. The system focuses on large-scale data warehousing and multi-dimensional data modeling. It allows for the organization and querying of vast amounts of structured data to support business intelligence and reporting workflows through distributed SQL querying.

POT is an optimal transport library providing a collection of solvers for computing Wasserstein, Gromov-Wasserstein, and Fused Gromov-Wasserstein distances between probability distributions. It functions as a differentiable tensor framework that integrates with various tensor libraries to enable automatic differentiation and GPU acceleration. The project is distinguished by its ability to align data distributions across different metric spaces by comparing internal relational structures rather than coordinates. It implements mathematical optimization algorithms as differentiable layers, allow