Awesome GitHub RepositoriesSQL-Based Machine Learning

Minds Platform is an automation system and application platform designed for building and deploying custom AI tools and workflows. It functions as a machine learning integration layer and self-hosted orchestrator that connects predictive models and large language models to external data sources. The platform enables the execution of multi-step tasks that read and write data to automate reports and operational activities. It supports deployment across cloud, on-premises, and virtual private cloud environments to maintain control over models and data. Capabilities include event-driven workflow

MindsDB is an AI-native database engine that treats machine learning models and autonomous agents as virtual tables. By mapping external data sources, predictive models, and third-party services directly into the database schema, it enables users to perform inference, data retrieval, and complex orchestration using standard SQL syntax. The platform distinguishes itself through an autonomous agent orchestrator that executes iterative reasoning loops, allowing agents to plan data access and synthesize natural language responses from connected knowledge bases. It functions as a federated data ga

This is a reference implementation library providing a collection of code samples, Transact-SQL scripts, and schemas for SQL Server, Azure SQL, and Azure Synapse. It focuses on providing standardized implementation patterns and reference code for building relational databases and cloud data warehouses. The library distinguishes itself by offering specialized guides and examples for deploying database instances within containerized environments and Azure cloud services. It includes specific reference databases and language extensions for integrating machine learning services and advanced analy

PostgresML is a machine learning database extension for PostgreSQL that integrates model training and inference directly into the database. It functions as an in-database AI platform and vector database, enabling the execution of large language models and natural language processing tasks on stored records without exporting data to external services. The system distinguishes itself by utilizing GPU acceleration to minimize latency during model predictions and employing a hybrid storage engine that maintains relational data alongside high-dimensional vectors. It allows for the building and fin

pgai este un toolkit și framework AI pentru PostgreSQL, conceput pentru a integra modele de limbaj mari (LLM) și vector embeddings direct în baza de date. Acesta servește drept punte pentru executarea cererilor către modele de machine learning și pentru efectuarea traducerilor text-to-SQL în cadrul interogărilor standard de bază de date. Proiectul oferă un pipeline automatizat de vector embedding care gestionează încărcarea, parsarea și fragmentarea textului din tabele și documente nestructurate. Acest sistem utilizează un background worker pentru a sincroniza automat embedding-urile pe măsură ce datele sursă se modifică și include instrumente specializate pentru construirea de aplicații de tip retrieval-augmented generation (RAG) și motoare de căutare semantică. Toolkit-ul acoperă domenii largi de capabilități, inclusiv procesarea datelor nestructurate cu OCR, crearea de cataloage semantice pentru maparea schemelor de bază de date în limbaj natural și implementarea căutărilor de similaritate de înaltă performanță prin indexare vectorială și reranking. De asemenea, permite îmbogățirea datelor, clasificarea și moderarea conținutului prin apelarea modelelor externe via SQL.

sqlflow este un motor de machine learning SQL și orchestrator conceput pentru antrenarea, implementarea și explicarea modelelor de machine learning folosind o sintaxă extinsă de interogare SQL. Acesta permite machine learning-ul în interiorul bazei de date prin conectarea motoarelor de baze de date la seturi de instrumente externe de machine learning, permițând utilizatorilor să definească seturi de date de antrenament și hiperparametri direct prin interogări. Sistemul funcționează ca o interfață de predicție și un instrument de explicabilitate. Permite generarea de clasificări și predicții pe înregistrările din baza de date prin apelarea funcțiilor de model în cadrul instrucțiunilor SQL standard și oferă un flux de lucru pentru a interpreta modul în care caracteristicile specifice influențează deciziile modelului.