"數據可視化"

DataV-Team/DataV

DataV：Vue数据可视化组件库 — DataV提供SVG的边框及装饰、图表、水位图、飞线图等组件，简单易用，长期更新。它的出现填补了Vue数据可视化领域的空白，帮助开发者快速构建数据可视化应用。同时，DataV的React版也已发布，扩大了其适用范围

Vue★ 9.7k⑂ 1.8kweb

☆

pjreddie/darknet

darknet：神經網路框架 — darknet 提供了一個簡單且高效的方式來實現 CNN 模型，支援多種神經網路架構和訓練算法。這個框架廣泛應用於圖像識別、物體偵測等領域。darknet 的優點在於其高性能和低資源占用，使其成為嵌入式系統和移動設備的理想選擇。

C★ 26.5k⑂ 21kai-ml

☆

netdata/netdata

netdata：人工智慧全棧可觀測性監控 — netdata 提供了快速且全面的監控解決方案，使用人工智慧技術來分析數據，從而幫助用戶快速地發現和解決問題。它支持多種數據源和視覺化工具，包括 Grafana、InfluxDB 和 Prometheus，讓用戶可以輕鬆地監控和分析自己的應用程式和系統。同時，netdata 也支持多種平台，包括 Linux、Kubernetes 和 Docker，讓用戶可以在不同的環境中使用。

Go★ 79.7k⑂ 6.5kdevops

☆

algorithm-visualizer/algorithm-visualizer

algorithm-visualizer：互動算法視覺化平台 — algorithm-visualizer 提供了一個互動式的环境，讓用戶可以輕鬆地視覺化和理解不同的算法和資料結構。這個平台使用 JavaScript 開發，能夠將複雜的程式碼轉換成生動的動畫。通過這個平台，開發者可以更好地理解和優化自己的算法

JavaScript★ 48.7k⑂ 7.6kdata

☆

grafana/grafana

grafana：開源的可觀測性和數據視覺化平台 — grafana是一個開源的可觀測性和數據視覺化平台，允許用戶從多個來源視覺化指標、日誌和追蹤數據。它支持多種數據源，如Prometheus、Loki、Elasticsearch、InfluxDB、Postgres等，讓用戶可以輕鬆地監控和分析其應用程序和系統的性能。grafana的可組合性使其成為一個高度可定制和擴展的平台

TypeScript★ 75k⑂ 14.1kdevops

+32 ★☆

weaveworks/scope

scope：Docker 和 Kubernetes 監控、視覺化和管理 — scope 提供了對容器和集群的監控、視覺化和管理功能，幫助用戶了解系統的運行狀態和效能。它支持 Docker 和 Kubernetes 等主流容器和集群管理平台。通過使用 scope，開發人員和運維人員可以更好地管理和優化他們的應用系統

Go★ 5.9k⑂ 723devops

☆

facebookresearch/pifuhd

pifuhd：單一圖像高解析度3D人體數字化 — pifuhd是一個開源項目，使用Python語言，能夠從單一圖像中進行高解析度3D人體數字化。這個項目使用深度學習技術，能夠實現高精度的3D重建。pifuhd的應用包括電腦視覺、機器人學和特效製作等領域

Python★ 9.7k⑂ 1.5kother

☆

hpcaitech/ColossalAI

ColossalAI：大型 AI 模型開發框架 — ColossalAI 通過提供高效的數據平行和模型平行計算方法，使大型 AI 模型的訓練和推理過程更快更便宜。這項技術的開發對於推動 AI 研究和應用具有重要意義，尤其是在大型模型和分布式計算領域。同時，ColossalAI 也支持異構訓練和管道平行等先進功能，進一步擴展了其在 AI 研究和開發中的應用價值。

Python★ 41.4k⑂ 4.5kai-ml

☆

BVLC/caffe

caffe：深度學習快速開放框架 — caffe是一個開源的深度學習框架，旨在提供快速和高效的神經網絡計算功能。它支持多種程式語言，包括C++、Python和MATLAB，同時也提供了豐富的API和工具，讓開發者可以輕鬆地使用和擴展。caffe的優勢在於其高性能和高擴展性，使其成為深度學習領域的一個重要工具

C++★ 34.6k⑂ 18.5kai-ml

☆

apache/superset

superset：數據視覺化和探索平台 — superset是一個基於Web的數據視覺化和探索平台，提供了多種視覺化工具和組件，能夠幫助用戶快速地創建和分享數據儀表板。它支持多種數據源，包括SQL数据库和NoSQL数据库，能夠滿足不同用戶的數據分析需求。通過使用superset，用戶可以更好地理解和分析數據，從而做出更好的商業決策

Python★ 73.9k⑂ 17.9kdata

☆

pymc-devs/pymc

pymc：Python 中的貝葉斯建模和概率编程 — pymc 提供了一个简单易用的 API 来定义概率模型，并提供了多种算法来进行模型拟合和推断。通过使用 pymc，可以轻松地构建和分析复杂的概率模型，从而更好地理解数据背后的机制。同时，pymc 也提供了与其他流行的 Python 库如 PyTensor 的集成，进一步扩展了其功能

Python★ 9.7k⑂ 2.3kother

☆

metabase/metabase

metabase：開源商業智慧和嵌入式分析工具 — metabase是一個開源的商業智慧和嵌入式分析工具，讓使用者可以輕鬆地與數據合作，創建儀表板、報告和數據視覺化。它支援多種數據庫，包括MySQL和PostgreSQL，並提供SQL編輯器和數據分析功能。metabase的易用性和強大的功能使其成為商業智慧和數據分析的理想工具。

Clojure★ 48.3k⑂ 6.7kdata

☆

aristocratos/btop

btop：系統資源監控工具 — btop是一個系統資源監控工具，提供CPU、記憶體、磁碟和網路等資源使用情況的即時統計。它可以幫助用戶了解系統的性能和瓶頸，從而優化系統的配置和使用。通過btop，用戶可以快速地識別系統中的問題和優化機會

C++★ 33.6k⑂ 1.1kother

☆

microsoft/presidio

presidio：敏感数据保护框架 — presidio支持NLP、模式匹配和可定制的管道，能够有效地保护个人隐私数据。通过使用presidio，开发者可以轻松地将数据保护功能集成到自己的应用程序中。同时，presidio还支持多种数据类型，包括文本、图像和结构化数据。

Python★ 9.7k⑂ 1.2kai-ml

☆

lutzroeder/netron

netron：神經網路視覺化工具 — netron是一個視覺化工具，允許用戶瀏覽和分析神經網路、深度學習和機器學習模型。它支持多種模型格式，包括ONNX、PyTorch和TensorFlow。通過netron，用戶可以更好地理解模型的結構和運作，從而提高模型的性能和準確性

JavaScript★ 33.2k⑂ 3.2kai-ml

☆

ankane/pghero

pghero：Postgres 性能儀表板 — pghero 提供了一個直觀的界面來監控 Postgres 的效能，幫助用戶快速識別和解決效能瓶頸。它支持多種圖表和報表，讓用戶可以深入了解資料庫的運行情況。透過 pghero，開發者可以優化資料庫的效能，提高應用程式的速度和可靠性

Ruby★ 8.9k⑂ 478backend

☆

langchain-ai/open_deep_research

open_deep_research：開源深度研究平台 — open_deep_research 提供了一個強大的開源框架，支持各種深度學習模型的開發和研究。它對於希望在深度學習領域進行創新研究的開發者來說極為重要。

Python★ 12.2k⑂ 1.7kother

+14 ★☆

streamlit/streamlit

streamlit：快速打造和分享數據應用程式 — streamlit是一個強大的工具，讓用戶可以輕鬆地打造和分享數據應用程式，支援多種數據分析和視覺化工具，包括data-analysis、data-science和data-visualization等。它可以幫助用戶快速建立和分享數據洞察，節省時間和精力。同時，streamlit也支持deep-learning和machine-learning等先進技術，讓用戶可以輕鬆地建立和分享複雜的數據模型

Python★ 45.3k⑂ 4.3kai-ml

☆

pandas-dev/pandas

pandas：Python 數據分析庫 — pandas 提供了高效的數據操作和分析功能，包括數據清理、轉換和合併等，能夠有效地處理和分析大型數據集。同時，pandas 也提供了豐富的統計和數學函數，能夠進行複雜的數據分析和可視化。因此，pandas 是 Python 中非常受歡迎的數據分析庫

Python★ 49.2k⑂ 20.1kdata

☆

ashishpatel26/500-AI-Machine-learning-Deep-learning-Computer-vision-NLP-Projects-with-code

500-AI-Machine-learning-Deep-learning-Computer-vision-NLP-Projects-with-code：人工智慧項目集 — 500-AI-Machine-learning-Deep-learning-Computer-vision-NLP-Projects-with-code 項目收集了多個人工智慧領域的項目，包括機器學習、深度學習、電腦視覺和NLP。這些項目均附帶代碼，供開發者學習和研究。通過這些項目，開發者可以快速入門人工智慧領域，了解各種技術的實現細節。

★ 35.6k⑂ 7.4kai-ml

☆

apache/shardingsphere

shardingsphere：分布式SQL數據庫解決方案 — shardingsphere是一個基於Java的分布式SQL數據庫中間件，支持多種數據庫，如MySQL、PostgreSQL等，提供數據分片、讀寫分離、分布式事務等功能，能夠有效提高數據庫的可擴展性和安全性。shardingsphere的設計目標是提供一個高性能、可靠和安全的數據管理平台，能夠支持各種大數據應用場景。通過使用shardingsphere，開發人員可以更容易地構建和管理大規模的數據庫系統

Java★ 20.8k⑂ 6.9kbackend

☆

CVHub520/X-AnyLabeling

X-AnyLabeling：智能數據標註工具 — X-AnyLabeling 是一個借助Segment Anything等AI模型的數據標註工具，能夠簡化標註過程。它對於需要大量標註數據的電腦視覺項目尤為重要。

Python★ 9.8k⑂ 1.1kai-ml

☆

explosion/spaCy

spaCy：工業級自然語言處理 — spaCy 提供高效的自然語言處理功能，包括實體辨識、文本分類和標記化等，能夠有效地處理大量文本數據。它的優點在於高效、可擴展和易於使用，廣泛應用於各個領域的文本分析任務。因此，spaCy 成為了 Python 中最受歡迎的 NLP 庫之一

Python★ 33.8k⑂ 4.7kai-ml

☆

kubeshark/kubeshark

kubeshark：Kubernetes 網路可觀測性工具 — kubeshark 是一個強大的網路可觀測性工具，能夠提供 Kubernetes 叢集的網路流量詳細資訊，幫助開發人員和運維人員快速診斷和解決網路相關問題。透過 eBPF 技術，kubeshark 可以索引 L4/L7 流量，同時支持無密鑰 TLS 解密，讓使用者可以更深入地了解網路流量。同時，kubeshark 也提供了 MCP 和儀表板等查詢介面，讓使用者可以輕鬆地查詢和分析網路流量。

Go★ 12k⑂ 542devops

☆

alibaba/zvec

zvec：輕量級向量數據庫 — zvec 是一個基於 C++ 的向量數據庫，旨在提供快速和輕量級的向量存儲和查詢功能。它的設計目標是為大規模的向量數據提供高效的存儲和查詢能力，從而支持各種應用場景的需求。通過使用 zvec，開發者可以輕松地將向量數據庫集成到自己的應用中

C++★ 14.6k⑂ 901backend

+395 ★☆

Robbyant/lingbot-map

lingbot-map：基於3D場景重建的流資料模型 — lingbot-map是一個基於深度學習的3D場景重建模型，使用feed-forward架構，能夠從流資料中重建場景。這個模型可以應用於各種需要場景重建的領域，例如機器人、自動駕駛等。lingbot-map的出現對於場景重建領域具有重要意義

Python★ 14.4k⑂ 1.5kdata

+565 ★☆

calcom/cal.diy

cal.diy：開源排程基礎設施 — cal.diy 提供了一個開源的排程基礎設施，讓開發者可以輕鬆地建立自己的排程系統。該項目使用了多種流行的技術，包括 nextjs、postgresql、prisma 和 tailwindcss。通過 cal.diy，開發者可以快速建立一個可靠且高效的排程系統，滿足各種需求。

TypeScript★ 46.6k⑂ 14.5kweb

☆

andrewrk/poop

poop：性能優化觀察平台 — poop 是一個性能優化觀察平台，旨在幫助開發者優化應用程式的性能。它使用 Zig 語言開發，提供了一個簡單且高效的方式來觀察和優化性能。通過使用 poop，開發者可以更好地了解應用程式的性能瓶頸，從而進行優化和改進

Zig★ 2k⑂ 92other

☆

academic/awesome-datascience

awesome-datascience：数据科学学习仓库 — awesome-datascience 提供了大量的数据科学资源，包括机器学习、深度学习、数据可视化等方面的内容。它帮助开发者和数据科学家解决现实世界的问题。通过 awesome-datascience，开发者可以快速找到合适的工具和库来解决特定的问题。

★ 29.7k⑂ 6.6kdata

☆

ConardLi/easy-dataset

easy-dataset：簡單的數據集工具 — easy-dataset是一個強大的工具，用于為LLM微調、RAG和評估創建數據集。它可以幫助用戶簡單地創建和管理數據集，從而提高模型的性能和準確性。這個工具對於需要微調LLM模型的開發者來說非常重要

JavaScript★ 14.7k⑂ 1.5kai-ml

☆

Graphify-Labs/graphify

graphify：智能代碼助手 — graphify 是一個智能代碼助手，能夠將各種類型的文件和數據轉換為統一的知識圖譜，包括代碼、數據庫結構和基礎設施。這使得信息更加易於查詢和管理。

Python★ 91.5k⑂ 8.9kai-ml

☆

qax-os/excelize

excelize：Go 語言 Excel 檔案庫 — excelize 支援各種 Excel 檔案格式，包括 XLAM、XLSM、XLSX、XLTM 和 XLTX。它提供了方便的 API 用於讀寫 Excel 檔案，並支援公式計算、圖表繪製和數據分析。excelize 是一個開源的 Go 語言庫，適用於各種需要處理 Excel 檔案的應用程式

Go★ 20.8k⑂ 1.9kai-ml

☆

Canner/WrenAI

WrenAI：生成式商業智能 — WrenAI 提供了一個開放的上下文層，使 AI 代理能夠將自然語言問題轉換為跨多個數據源（如 BigQuery、Snowflake 等）的可信視覺化報告和 SQL 查詢。這對於需要快速獲取數據洞察的企業來說非常重要。

Python★ 16.3k⑂ 1.9kai-ml

+121 ★☆