Öffentliches Register
Software-GesundheitsberichtSchema 0.15.0 · Metriken 2.10.0 · 2026-07-19 10:35 UTC

SauersML / gam

RustAGPL-3.0★ 28 Sterne⑂ 10 Forksseit Feb. 2026Auf GitHub ansehen ↗
ArtBibliothekKommandozeilenwerkzeugwie das ermittelt wird

SauersML/gam erreicht einen Gesundheitsindex von 63 von 100 und liegt damit im Bereich Mittel. Am stärksten schneidet es bei Vitality (83/100) ab, am schwächsten bei Security (34/100). Zuletzt heute aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

63
gesamt / 100
Mittel

Software-Gesundheitsindex

Metriken werden auf einer standardisierten Skala von 1–100 in gewichtete Kategorien gruppiert. Der Gesamtwert beginnt als ihr gewichtetes Mittel, kalibriert auf die Verteilung des öffentlichen Registers, sodass die Stufen Perzentilbedeutung tragen; sobald öffentliche Evidenz die Richtlinie für Hochrisikojurisdiktionen auslöst, wird die Bewertung angepasst und erhält die Obergrenze Gefährdet von 34.

63
Außergewöhnlich93-100Die Spitzengruppe des Registers (≈ obere 5 %); erfüllt im Wesentlichen alle geprüften Kriterien
Exzellent80-92Durchgehend stark; geringfügige Lücken
Gut65-79Gesund; Lücken sind begrenzt und beherrschbar
Mittel50-64Akzeptabel mit deutlichen Lücken; Überprüfung empfohlen
Schwach35-49Wesentliche Schwächen in mehreren Bereichen
Gefährdet20-34Erhebliche Schwächen; eine Übernahme erfordert Vorsicht
Kritisch1-19Schwerwiegende Probleme (aufgegeben, nur ein Maintainer, keine Hygiene)
VitalitätCommunity &VerbreitungNachhaltigkeit &GovernanceEngineering-QualitätSicherheitAI Readiness

Bewertungsprofil

Jede Achse ist eine Kategorie. Die Form zählt mehr als der Durchschnitt — ein gesundes Projekt füllt die gesamte Fläche, während ein Profil aus Spitzen und Kratern bedeutet, dass Stärke in einer Dimension Risiken in einer anderen verdeckt.

Der gewichtete Gesamtwert 59 wird auf der veröffentlichten Indexskala auf 63 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

SauersMLPersönliches Konto
43 Follower120 öffentliche Reposseit Jan. 2023

Dieses Repository gehört einem persönlichen Konto. Ein Projekt mit nur einem Eigentümer trägt ein höheres Kontinuitätsrisiko als ein organisationsgetragenes.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
crates.iogam0.3.1491.450133vor 7 Tagen—
PyPIgamfit0.1.25713.69063vor 0 Tagengamgamfitgeneralized-additive-modelsregressionsmoothing-splinesthin-plate-splineremlstatisticsmachine-learningrust

Metriken nach Kategorie

Vitalität

Lebt das Projekt — wird Code geschrieben und werden Releases ausgeliefert?

83Exzellent · 21 % des Gesamtindex

Entwicklungsaktivität

79Gut
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 0 Tagen
15.2/36Commit-Rhythmus — 22/52 Wochen mit Commits
18/18Commit-Volumen — 19.299 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 30 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year19.299
human_commit_share—
days_since_last_push0
active_weeks_last_year22

Release-Disziplin

90Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 100 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 0 Tagen
27/27Release-Rhythmus — ein Release etwa alle 1,1 Tage
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Verwendete Eingangsdaten
releases_count100
latest_release_tagmain-45814171f1e82ada41f7867a57a81862b64c437d
releases_from_tagsnein
days_since_latest_release0
mean_days_between_releases1,1

Community & Verbreitung

Hat das Projekt Nutzer, Downloads, Aufmerksamkeit und ein einladendes Umfeld für Beitragende?

47Schwach · 17 % des Gesamtindex

Popularität & Verbreitung

31Gefährdet
Wie die Bewertung erfolgt
23.2/60Stars — 28 Stars
8/25Forks — 10 Forks
0/15Watcher — 0 Watcher
Verwendete Eingangsdaten
forks10
stars28
watchers0
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

50Mittel
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (AGPL-3.0)
0/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges—
has_contributingnein
has_issue_templatenein
has_code_of_conductnein
readme_badge_services—
has_pull_request_templatenein

Ökosystem-Verbreitung (Downloads)

69Gut
Wie die Bewertung erfolgt
55.2/80Downloads pro Monat — 13.690 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesgamfit
dependents—
ecosystemspypi
total_downloads—
monthly_downloads13.690
unverified_packages_excludedgam
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Abhängige in der Registry. Die verbleibenden Gewichte wurden renormalisiert.

Nachhaltigkeit & Governance

Überdauert das Projekt die Menschen, die es tragen — Bus-Faktor, Reaktionsfähigkeit, Trägerschaft und Paketpflege?

59Mittel · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

28Gefährdet
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
2.8/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 88 % der Commits
13.5/13.5Breite der Beitragenden — 12 Beitragende
3/10OpenSSF Scorecard: Contributors — project has 1 contributing companies or organizations -- score normalized to 3
Verwendete Eingangsdaten
bus_factor1
contributors_sampled12
top_contributor_share0,877

Reaktionsfähigkeit bei Issues & PRs

72Gut
Wie die Bewertung erfolgt
41/42Issue-Lösungsquote — 98 % der Issues geschlossen
21.8/30PR-Annahme — 459/631 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
0/15OpenSSF Scorecard: Code-Review — Found 0/30 approved changesets -- score normalized to 0
Verwendete Eingangsdaten
merged_prs459
open_issues39
closed_issues1.649
prs_merged_7d—
prs_decided_7d—
prs_merged_30d—
prs_decided_30d—
issue_closed_ratio0,977
closed_unmerged_prs172
first_time_authors_30d—
first_time_prs_merged_30d—
first_time_prs_decided_30d—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

52Mittel
Wie die Bewertung erfolgt
10/30Organisatorische Trägerschaft — persönliches (Nutzer-)Konto
0/20Verifizierte Domain — für Nutzerkonten nicht anwendbar
11.8/25Reichweite des Inhabers — 43 Follower von SauersML
19.9/25Kontohistorie — 120 öffentliche Repos, Kontoalter ca. 3 Jahre
Verwendete Eingangsdaten
followers43
owner_typeUser
is_verified—
owner_loginSauersML
public_repos120
account_age_days1.269
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Verifizierte Domain. Die verbleibenden Gewichte wurden renormalisiert.

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 2 Paket(e) auf crates, pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 0 Tagen
20/20Versionshistorie — 133 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesgam, gamfit
ecosystemscrates, pypi
any_deprecatednein
min_days_since_publish0

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

68Gut · 19 % des Gesamtindex

Engineering-Praktiken

60Mittel
Wie die Bewertung erfolgt
24/24CI-Workflows — 17 Workflow(s)
24/24Tests vorhanden
0/16Linter-Konfiguration
0/9.6Pre-Commit-Hooks
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — keine Daten
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_confignein
has_precommit_confignein
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): OpenSSF Scorecard: CI-Tests. Die verbleibenden Gewichte wurden renormalisiert.

Dokumentation

80Exzellent
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://docs.rs/gam
0/10Repository-Beschreibung
0/10Topics
10/10Wiki
Verwendete Eingangsdaten
topics—
has_wikija
homepage—
docs_sitehttps://docs.rs/gam
has_readmeja
has_docs_dirja
has_descriptionnein

Sicherheit

Sind die sichtbaren Sicherheits- und Lieferkettenpraktiken belastbar, ohne ungeklärte Exposition gegenüber Hochrisikojurisdiktionen?

34Gefährdet · 16 % des Gesamtindex

Sicherheitslage

34Gefährdet
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — branch protection not enabled on development/release branches
0/2.5CI-Tests — keine Daten
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
0/7.5Code-Review — Found 0/30 approved changesets -- score normalized to 0
0.8/2.5Contributors — project has 1 contributing companies or organizations -- score normalized to 3
10/10Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Lizenz — license file detected
7.5/7.5Maintained — 30 commit(s) and 30 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
0/5SAST — no SAST tool detected
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — Project has not signed or included provenance with any releases.
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
1.5/7.5Vulnerabilities — 8 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate3,4
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): CI-Tests. Die verbleibenden Gewichte wurden renormalisiert.

AI Readiness

Wie gut ist das Repository dafür ausgestattet, mit KI-Coding-Agenten entwickelt und gepflegt zu werden? Trägt ein bewusst kleines Gewicht (4 %): Agenten-Tooling ist ein echtes Pflegesignal, doch ein Repository ohne jedes Signal kann weiterhin 100/100 erreichen.

50Mittel · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

1Kritisch
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
0/40Lesbare Commit-Historie — keine Daten
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share—
agent_instruction_files—
agent_instruction_max_bytes—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Lesbare Commit-Historie. Die verbleibenden Gewichte wurden renormalisiert.

AI-Verify-Loop (Build / Test / Typprüfung)

52Mittel
Wie die Bewertung erfolgt
0/18Bootstrap mit einem Befehl
22/22Automatisierte Tests
0/11Lint-/Format-Konfiguration
11/11Statische Typprüfung — gamfit/py.typed
10/10Reproduzierbare Umgebung — lockfile
0/10Belegte Agentenpraxis — keine Daten
0/8Automatisierte Wartung — keine Daten
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesuv.lock
has_dockerfilenein
typed_languageja
bootstrap_files—
has_devcontainernein
has_linter_confignein
typecheck_configsgamfit/py.typed
agent_commit_share—
toolchain_manifests—
dependency_bot_commit_share—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Belegte Agentenpraxis, Automatisierte Wartung. Die verbleibenden Gewichte wurden renormalisiert.

AI-Code-Lesbarkeit für Modelle

95Außergewöhnlich
Wie die Bewertung erfolgt
45/45Typprüfbarer Code — Rust (statisch typisiert)
50.1/55Handhabbare Dateigrößen — 253/2.864 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languageRust
largest_source_bytes441.149
source_files_sampled2.864
oversized_source_files253

Maschinenlesbare AI-Schnittstellen

100Außergewöhnlich
Wie die Bewertung erfolgt
0/40API-Schema (OpenAPI/GraphQL/proto) — für diese Art von Software nicht anwendbar
0/20MCP-Server — für diese Art von Software nicht anwendbar
40/40Lauffähige Beispiele — examples
Verwendete Eingangsdaten
example_dirsexamples
has_mcp_signalnein
api_schema_files—
interfaces_expected_of—
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): API-Schema (OpenAPI/GraphQL/proto), MCP-Server. Die verbleibenden Gewichte wurden renormalisiert.

Eckdaten

28GitHub-Sterne
12Mitwirkende
19.299Commits, letzte 12 Monate
0Tage seit letztem Push
100Releases
1Bus-Faktor
39offene Issues
crates.io, PyPIPaket-Ökosysteme

Weitere Details

OpenSSF Scorecard 3.4 / 10
3.4Gesamtwert

Unabhängige, werkzeugneutrale Sicherheitsbewertung durch das quelloffene OpenSSF Scorecard. Jede Prüfung honoriert eine Sicherheits-Praxis, nicht das Werkzeug eines bestimmten Anbieters. Prüfungen, die Scorecard nicht ermitteln konnte, sind mit k. A. markiert und vom Sicherheitswert ausgeschlossen (nie als null gezählt).Scorecard v5.5.0 · 2026-07-19 10:34 UTC

10Binary-Artifactsno binaries found in the repo
0Branch-Protectionbranch protection not enabled on development/release branches
k. A.CI-Testsno pull request found
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 0/30 approved changesets -- score normalized to 0
3Contributorsproject has 1 contributing companies or organizations -- score normalized to 3
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 30 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
0SASTno SAST tool detected
0Security-Policysecurity policy file not detected
0Signed-ReleasesProject has not signed or included provenance with any releases.
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
2Vulnerabilities8 existing vulnerabilities detected
Direkte Abhängigkeiten 33
RegistryPaketVersionsvorgabeManifest
crates.ioclap4.6.1Cargo.toml
crates.iorayon1.12.0Cargo.toml
crates.iorand0.10.1Cargo.toml
crates.iondarray0.17.2Cargo.toml
crates.ioserde1.0.228Cargo.toml
crates.iolog0.4.29Cargo.toml
crates.iocsv1.4.0Cargo.toml
crates.iofaer0.24.0Cargo.toml
crates.ioserde_json1.0.149Cargo.toml
crates.iorand_distr0.6.0Cargo.toml
crates.iostatrs0.18.0Cargo.toml
crates.iolibm0.2.16Cargo.toml
crates.iogam-data=0.3.149Cargo.toml
crates.iogam-math=0.3.149Cargo.toml
crates.iogam-problem=0.3.149Cargo.toml
crates.iogam-spec=0.3.149Cargo.toml
crates.iogam-runtime=0.3.149Cargo.toml
crates.iogam-linalg=0.3.149Cargo.toml
crates.iogam-geometry=0.3.149Cargo.toml
crates.iogam-gpu=0.3.149Cargo.toml
crates.iogam-identifiability=0.3.149Cargo.toml
crates.iogam-terms=0.3.149Cargo.toml
crates.iogam-solve=0.3.149Cargo.toml
crates.iogam-models=0.3.149Cargo.toml
crates.iogam-inference=0.3.149Cargo.toml
crates.iogam-predict=0.3.149Cargo.toml
crates.iogam-report=0.3.149Cargo.toml
crates.iogam-config=0.3.149Cargo.toml
crates.iogam-sae=0.3.149Cargo.toml
crates.iogam-test-support=0.3.149Cargo.toml
crates.iowide0.7Cargo.toml
crates.iogeneral-mcmc0.9Cargo.toml
PyPInumpy>=1.26pyproject.toml
Alle Abhängigkeiten 131

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 34 direkte und 97 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
crates.ioclap—direkt
crates.iocsv—direkt
crates.iofaer—direkt
crates.iogam-config0.3.149direkt
crates.iogam-data0.3.149direkt
crates.iogam-geometry0.3.149direkt
crates.iogam-gpu0.3.149direkt
crates.iogam-identifiability0.3.149direkt
crates.iogam-inference0.3.149direkt
crates.iogam-linalg0.3.149direkt
crates.iogam-math0.3.149direkt
crates.iogam-models0.3.149direkt
crates.iogam-predict0.3.149direkt
crates.iogam-problem0.3.149direkt
crates.iogam-report0.3.149direkt
crates.iogam-runtime0.3.149direkt
crates.iogam-sae0.3.149direkt
crates.iogam-solve0.3.149direkt
crates.iogam-spec0.3.149direkt
crates.iogam-terms0.3.149direkt
crates.iogam-test-support0.3.149direkt
crates.iogeneral-mcmc—direkt
crates.iolibm—direkt
crates.iolog—direkt
crates.iondarray—direkt
crates.iorand—direkt
crates.iorand_distr—direkt
crates.iorayon—direkt
crates.ioserde—direkt
crates.ioserde_json—direkt
crates.iostatrs—direkt
crates.iowide—direkt
PyPInumpy2.2.6direkt
PyPInumpy2.4.5direkt
crates.ioad_trait—indirekt
crates.ioapprox—indirekt
crates.ioarrow—indirekt
crates.ioautodiff—indirekt
crates.iobumpalo—indirekt
crates.iocomfy-table—indirekt
crates.iocriterion—indirekt
crates.iodyn-stack—indirekt
crates.iogam-custom-family0.3.149indirekt
crates.iogam-model-api0.3.149indirekt
crates.iogam-model-kernels0.3.149indirekt
crates.iogam-row-macros0.3.149indirekt
crates.iolibloading—indirekt
crates.iomemmap2—indirekt
crates.ionpyz—indirekt
crates.ionum-dual—indirekt
crates.ionumpy—indirekt
crates.ioparquet—indirekt
crates.iopest—indirekt
crates.iopest_derive—indirekt
crates.iopolya-gamma—indirekt
crates.ioproc-macro2—indirekt
crates.iopyo3—indirekt
crates.ioqd—indirekt
crates.ioquote—indirekt
crates.iorand_core—indirekt
crates.iosha2—indirekt
crates.iosmallvec—indirekt
crates.iosyn—indirekt
crates.iosysinfo—indirekt
crates.iotempfile—indirekt
crates.iothiserror—indirekt
PyPIast-serialize0.4.0indirekt
PyPIcairosvg—indirekt
PyPIcolorama0.4.6indirekt
PyPIcontourpy1.3.2indirekt
PyPIcontourpy1.3.3indirekt
PyPIcycler0.12.1indirekt
PyPIexceptiongroup1.3.1indirekt
PyPIfonttools4.63.0indirekt
PyPIgamfit0.1.257indirekt
PyPIgriffe—indirekt
PyPIgriffe-inherited-docstrings—indirekt
PyPIiniconfig2.3.0indirekt
PyPIjoblib1.5.3indirekt
PyPIkiwisolver1.5.0indirekt
PyPIlibrt0.11.0indirekt
PyPImatplotlib3.10.9indirekt
PyPImkdocs—indirekt
PyPImkdocs-material—indirekt
PyPImkdocstrings—indirekt
PyPImypy2.1.0indirekt
PyPImypy-extensions1.1.0indirekt
PyPInumpy-typing-compat20251206.2.4indirekt
PyPInvidia-cublas-cu1212.9.2.10indirekt
PyPInvidia-cuda-nvrtc-cu1212.9.86indirekt
PyPInvidia-cuda-runtime-cu1212.9.79indirekt
PyPInvidia-cusolver-cu1211.7.5.82indirekt
PyPInvidia-cusparse-cu1212.5.10.65indirekt
PyPInvidia-nvjitlink-cu1212.9.86indirekt
PyPIoptype0.17.0indirekt
PyPIoptype0.9.3indirekt
PyPIpackaging26.2indirekt
PyPIpandas2.3.3indirekt
PyPIpandas3.0.3indirekt
PyPIpandas-stubs2.3.3.260113indirekt
PyPIpandas-stubs3.0.0.260204indirekt
PyPIpathspec1.1.1indirekt
PyPIpillow—indirekt
PyPIpillow12.2.0indirekt
PyPIpluggy1.6.0indirekt
PyPIpolars1.40.1indirekt
PyPIpolars-runtime-321.40.1indirekt
PyPIpyarrow24.0.0indirekt
PyPIpygments2.20.0indirekt
PyPIpymdown-extensions—indirekt
PyPIpyparsing3.3.2indirekt
PyPIpytest9.0.3indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpytz2026.2indirekt
PyPIruff—indirekt
PyPIscikit-learn1.7.2indirekt
PyPIscikit-learn1.8.0indirekt
PyPIscikit-learn-stubs0.0.3indirekt
PyPIscipy1.15.3indirekt
PyPIscipy1.17.1indirekt
PyPIscipy-stubs1.15.3.0indirekt
PyPIscipy-stubs1.17.1.4indirekt
PyPIsix1.17.0indirekt
PyPIthreadpoolctl3.6.0indirekt
PyPItomli2.4.1indirekt
PyPItypes-pytz2026.2.0.20260506indirekt
PyPItypes-requests2.33.0.20260513indirekt
PyPItyping-extensions4.15.0indirekt
PyPItzdata2026.2indirekt
PyPIurllib32.7.0indirekt
PyPIvulture2.16indirekt
JSON-Rohbericht maschinenlesbar

Feedback

Stimmt etwas in diesem Bericht nicht, oder gibt es Gedanken dazu? Falsche Messungen, übersehene Tools, Ideen, Fragen — alles ist willkommen. Jede Nachricht wird gelesen und beantwortet.

Die Nachricht bleibt bei der Anmeldung erhalten.

Verwandte Einträge

Geprüfte Repositories, die Katalog-Tags oder Ökosysteme mit SauersML/gam teilen. Nebeneinander lesen →

98Eventual-Inc/DaftHigh-performance data engine for AI and multimodal workloads. Process images, audio, video, and structured data at any scaleAußergewöhnlich98nautechsystems/nautilus_traderProduction-grade Rust-native trading engine with deterministic event-driven architectureAußergewöhnlich97lance-format/lanceOpen Lakehouse Format for Multimodal AI. Convert from Parquet in 2 lines of code for 100x faster random access, vector index, and data versioning. Compatible with Pandas, DuckDB, Polars, Pyarrow, and PyTorch with more integrations coming..Außergewöhnlich97nuclia/nucliadbNucliaDB, The AI Search database for RAGAußergewöhnlich100scikit-learn/scikit-learnscikit-learn: machine learning in PythonAußergewöhnlich99mne-tools/mne-pythonMNE: Magnetoencephalography (MEG) and Electroencephalography (EEG) in PythonAußergewöhnlich

Bewertungen sind Signale, keine Garantien. Sie spiegeln öffentlich sichtbare Praxis auf GitHub wider — kein Code-Audit und keine Sicherheitsgarantie.

Fehlende Daten werden ausgeschlossen und die Gewichte neu normiert, nie als null bewertet. Die Methodik ist versioniert und offen: Metriken v2.10.0, Schema v0.15.0 — vollständige Methodik · Metriken-Wiki.

Wie ein einzelnes Ergebnis im Gesamtregister steht: aggregierte Statistiken — crates.io, PyPI.