Awesome GitHub RepositoriesBehavioral Analytics

Umami is a self-hosted, privacy-focused web analytics platform designed to provide full control over infrastructure and user data. It captures website traffic and visitor behavior through anonymous tracking methods that avoid cookies, browser fingerprinting, and the storage of personally identifiable information. The platform distinguishes itself through a comprehensive suite of behavioral analysis tools, including session replays, heatmaps, and cohort-based retention reporting. It features a multi-tenant architecture that allows teams to manage multiple websites within a single, collaborativ

rrweb is a DOM session recording library and serialization framework used to record and replay web sessions. It converts the state of a web page into a serializable JSON data structure and tracks mutations to reconstruct user interactions within a replay engine. The system distinguishes itself by using a sandboxed iframe for reconstruction to isolate replayed content, preventing script execution and form submissions. It ensures visual consistency through CSS inline-style flattening and provides sensitive data masking to prevent private information from being captured. The project covers a br

Nakama is a distributed server framework designed for real-time multiplayer games and social applications. It provides an authoritative runtime environment for executing game logic, ensuring consistent state and cheat-resistant gameplay across diverse client platforms. The system acts as a centralized backend, managing persistent player identities, social graphs, and real-time communication channels to support complex multiplayer interactions. The platform distinguishes itself through an integrated suite of LiveOps tools that allow developers to manage game economies, schedule time-bound even

This project is a JavaScript library and SDK used to integrate web and mobile applications with cloud services. It serves as a bridge to backend providers for user authentication, binary object storage, and real-time data synchronization. The library provides a unified interface for managing cloud identity and access, executing queries and mutations against GraphQL endpoints, and consuming REST APIs with secure request signing. It also includes tools for accessing machine learning services for natural language processing and computer vision. Broad capability areas include offline-first data

FlutterFire is a collection of official plugins that integrate Firebase backend services into Flutter applications. It serves as a backend-as-a-service integration library, providing client-side wrappers for cloud authentication, databases, storage, and monitoring services. The project enables the integration of serverless backend logic and real-time data synchronization using NoSQL documents and state synchronization. It also provides capabilities for generative AI integration, including large language models, image generation, and local machine learning model management. The suite covers a

This repository provides a collection of starter templates, reference projects, and implementation guides for integrating Firebase services into Android applications. It serves as a boilerplate for building mobile apps with built-in cloud backend integration. The project includes examples for connecting Android applications to large language models for generative AI features. It also provides sample code for managing user identity and authentication, as well as demonstrations for integrating cloud databases and serverless functions. The codebase covers a broad range of capabilities, includin

53AIHub is a centralized orchestration platform for deploying and managing AI agents and prompts across multiple large language model providers. It functions as a multi-model AI gateway and an operation portal for AI services, providing a unified interface to coordinate agents and prompts from various external platforms. The project distinguishes itself as a white-label AI portal designed for self-hosted infrastructure, allowing for full control over operational data on private servers or containers. It includes a comprehensive AI SaaS administration layer with a multi-tenant subscription eng

Guess is a predictive page loading library that uses machine learning to prefetch JavaScript bundles and assets. It functions as a resource prefetcher that predicts the next page a user will visit by utilizing a web application route parser and a user behavior analytics integrator. The project distinguishes itself by importing navigation patterns from analytics APIs to inform its predictive models. It uses probabilistic navigation modeling and historical transition data to calculate the likelihood of future page visits, allowing for the proactive download of lazy-loaded bundles. The system i

Acest proiect este un SDK de dezvoltare software și un instrument de gestionare a clusterelor pentru PHP. Servește ca un SDK de căutare full-text și interfață de căutare vectorială, permițând aplicațiilor să efectueze căutări lexicale, fuzzy și semantice asupra datelor indexate. Biblioteca implementează un client HTTP PSR 7 pentru a asigura compatibilitatea cross-environment prin interfețe de mesagerie standardizate. Oferă o interfață specializată pentru recuperarea embedding-urilor și executarea fluxurilor de lucru de recuperare semantică folosind date vectoriale. Suprafața sa de capabilități acoperă o gamă largă de sarcini administrative și operaționale, inclusiv gestionarea indicilor de căutare, monitorizarea stării clusterului și operațiuni privind ciclul de viață al documentelor. Suportă metode diverse de interogare precum SQL, EQL și ES|QL, alături de agregarea datelor și analiza geospațială. În plus, oferă instrumente pentru orchestrarea machine learning-ului, detectarea anomaliilor și gestionarea identității și a accesului.

OpenPanel is a self-hosted product analytics platform designed for tracking user behavior and visualizing product metrics on private infrastructure. It provides a comprehensive system for collecting events across web, mobile, and server environments while ensuring complete ownership of data. The platform distinguishes itself through a privacy-first approach, utilizing cookieless event tracking and regional data residency to simplify regulatory compliance. It integrates large language models via the Model Context Protocol, enabling users to query behavioral data and analyze trends using natura

Acest proiect este o colecție de framework-uri și pipeline-uri de big data, incluzând un framework de analiză Apache Hive, o platformă de analiză a datelor comportamentale, un motor de analiză predictivă și pipeline-uri de date în timp real. Oferă infrastructura necesară pentru construirea fluxurilor de lucru ETL (Extract, Transform, Load) pentru procesarea seturilor mari de date în vederea stocării distribuite și a analizei bazate pe SQL. Sistemul suportă implementări analitice diverse, cum ar fi un motor predictiv care utilizează regresia liniară pentru prognoza valorilor și o arhitectură în timp real care transmite datele prin message broker-e pentru raportare imediată. Include capabilități specializate pentru analiza comportamentului utilizatorilor, măsurarea performanței în e-commerce și analiza datelor de tranzit urban. Codul sursă acoperă o arie largă de inginerie și analiză a datelor, inclusiv curățarea și transformarea datelor, ingestia distribuită, procesarea fluxurilor bazată pe ferestre (window-based) și vizualizarea rezultatelor prin instrumente de business intelligence. De asemenea, permite calcularea unor metrici de business specifice, cum ar fi ratele de conversie, performanța monetizării și nivelurile de implicare a utilizatorilor.

Recommendable este o bibliotecă Ruby concepută pentru a integra motoare de recomandare direct în aplicațiile bazate pe baze de date. Aceasta oferă un framework pentru urmărirea interacțiunilor utilizatorilor, cum ar fi like-urile, dislike-urile și bookmark-urile, pentru a construi profiluri detaliate de interes și a genera sugestii de conținut personalizate. Motorul se distinge prin utilizarea filtrării colaborative pentru a identifica relațiile dintre elemente pe baza comportamentului suprapus al utilizatorilor. Suportă atât sugestii personalizate adaptate preferințelor individuale, cât și clasamente de popularitate agregate care scot la suprafață conținutul în tendințe în întregul set de date. Sistemul gestionează sarcini computaționale grele prin procesare asincronă în fundal, asigurând că scorarea similarității și actualizările recomandărilor nu afectează responsivitatea aplicației. Dezvoltatorii pot extinde în continuare motorul folosind hook-uri de ciclu de viață care declanșează logica de business personalizată ori de câte ori preferințele utilizatorului se schimbă, sau prin inițierea manuală a recalculărilor în afara cozilor automatizate standard.