Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-11 01:41 UTC

SuperCowPowers / workbench

Workbench: An easy to use Python API for creating and deploying AWS SageMaker Models

PythonMIT★ 51 Sterne⑂ 7 Forksseit Dez. 2022Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugBibliothekwie das ermittelt wird
#aws#big-data#machine-learning#python#spark#data-engineering#pandas

SuperCowPowers/workbench erreicht einen Gesundheitsindex von 88 von 100 und liegt damit im Bereich Exzellent. Am stärksten schneidet es bei Vitality (96/100) ab, am schwächsten bei AI Readiness (51/100). Zuletzt vor 1 Tag aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

88
gesamt / 100
Exzellent

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.

88
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 74 wird auf der veröffentlichten Indexskala auf 88 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

SuperCowPowersOrganisation
30 Follower13 öffentliche Reposseit März 2014

Dieses Repository wird von einer Organisation getragen — geteilte, rechenschaftspflichtige Trägerschaft, die jeden einzelnen Maintainer überdauern kann.

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIworkbench0.8.48110.970402vor 1 Tagsagemakermachine-learningawspythonutilities

Metriken nach Kategorie

Vitalität

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

96Außergewöhnlich · 21 % des Gesamtindex

Entwicklungsaktivität

100Außergewöhnlich
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 1 Tagen
36/36Commit-Rhythmus — 52/52 Wochen mit Commits
18/18Commit-Volumen — 2.321 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year2.321
human_commit_share1
days_since_last_push1
active_weeks_last_year52

Release-Disziplin

90Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 100 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 1 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_tagv0.8.481
releases_from_tagsnein
days_since_latest_release1
mean_days_between_releases1,1

Community & Verbreitung

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

57Mittel · 17 % des Gesamtindex

Popularität & Verbreitung

34Gefährdet
Wie die Bewertung erfolgt
27.6/60Stars — 51 Stars
6.5/25Forks — 7 Forks
0/15Watcher — 2 Watcher
Verwendete Eingangsdaten
forks7
stars51
watchers2
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

77Gut
Wie die Bewertung erfolgt
22.5/22.5README
22.5/22.5Lizenz — anerkannte Lizenz (MIT)
18/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
6.3/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges0
has_contributingja
has_issue_templatenein
has_code_of_conductnein
readme_badge_services—
has_pull_request_templateja

Ökosystem-Verbreitung (Downloads)

67Gut
Wie die Bewertung erfolgt
53.9/80Downloads pro Monat — 10.970 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesworkbench
dependents—
ecosystemspypi
total_downloads—
monthly_downloads10.970
unverified_packages_excluded—
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?

58Mittel · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

29Gefährdet
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
0.3/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 99 % der Commits
9.5/13.5Breite der Beitragenden — 7 Beitragende
10/10OpenSSF Scorecard: Contributors — project has 6 contributing companies or organizations
Verwendete Eingangsdaten
bus_factor1
contributors_sampled7
top_contributor_share0,987

Reaktionsfähigkeit bei Issues & PRs

55Mittel
Wie die Bewertung erfolgt
25.4/42Issue-Lösungsquote — 60 % der Issues geschlossen
22.5/30PR-Annahme — 96/128 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_prs96
open_issues192
closed_issues294
prs_merged_7d1
prs_decided_7d1
prs_merged_30d5
prs_decided_30d5
issue_closed_ratio0,605
closed_unmerged_prs32
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Newcomer PR acceptance. Die verbleibenden Gewichte wurden renormalisiert.

Eigentümerschaft & Trägerschaft

61Mittel
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
10.7/25Reichweite des Inhabers — 30 Follower von SuperCowPowers
20.3/25Kontohistorie — 13 öffentliche Repos, Kontoalter ca. 12 Jahre
Verwendete Eingangsdaten
followers30
owner_typeOrganization
is_verifiednein
owner_loginSuperCowPowers
public_repos13
account_age_days4.568

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 1 Tagen
20/20Versionshistorie — 402 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesworkbench
ecosystemspypi
any_deprecatednein
min_days_since_publish1

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

96Außergewöhnlich · 19 % des Gesamtindex

Engineering-Praktiken

94Außergewöhnlich
Wie die Bewertung erfolgt
24/24CI-Workflows — 7 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — .flake8, pyproject.toml ([tool.black]), tox.ini
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 1 out of 1 merged PRs checked by a CI test -- score normalized to 10
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja

Dokumentation

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://www.supercowpowers.com
10/10Repository-Beschreibung
10/10Topics — 7 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsaws, big-data, machine-learning, python, spark, data-engineering, pandas
has_wikija
homepagehttps://www.supercowpowers.com
docs_sitehttps://www.supercowpowers.com
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

65Gut · 16 % des Gesamtindex

Sicherheitslage

56Mittel
Wie die Bewertung erfolgt
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — keine Daten
2.5/2.5CI-Tests — 1 out of 1 merged PRs checked by a CI test -- score normalized to 10
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
2.5/2.5Contributors — project has 6 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Lizenz — license file detected
7.5/7.5Maintained — 30 commit(s) and 0 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
5/5SAST — SAST tool is run on all commits
5/5Security-Policy — security policy file 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
0/7.5Vulnerabilities — 10 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated17
scorecard_versionv5.5.0
checks_inconclusive1
scorecard_aggregate5,6
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Branch-Protection. Die verbleibenden Gewichte wurden renormalisiert.

Abhängigkeits-Advisories

100Außergewöhnlich
Wie die Bewertung erfolgt
35/35Direkte Abhängigkeiten ohne bekannte Advisories — keine direkte Abhängigkeit trägt ein bekanntes Advisory
25/25Indirekte Abhängigkeiten ohne bekannte Advisories — keine indirekte Abhängigkeit trägt ein bekanntes Advisory
0/40Keine offenen Advisories — kein Advisory trägt ein Veröffentlichungsdatum
Verwendete Eingangsdaten
sourceosv
advisories0
affected_packages0
assessed_packages203
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Von der Bewertung ausgeschlossen (keine Daten oder nicht anwendbar): Keine offenen Advisories. Die verbleibenden Gewichte wurden renormalisiert. Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:workbench@0.8.481 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 203 Paketen. Erreichbarkeit wird nicht analysiert.

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.

51Mittel · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

4Kritisch
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
3.7/40Lesbare Commit-Historie — 7 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,07
agent_instruction_files—
agent_instruction_max_bytes—

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

66Gut
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — Makefile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — .flake8, pyproject.toml ([tool.black]), tox.ini
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — Dockerfile, lockfile
0/10Belegte Agentenpraxis — keine von Agenten verfassten Commits unter den letzten 100
5/8Automatisierte Wartung — Abhängigkeits-Automatisierung konfiguriert, in den erfassten Commits nicht beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilesuv.lock
has_dockerfileja
typed_languagenein
bootstrap_filesMakefile
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

AI-Code-Lesbarkeit für Modelle

55Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
54.7/55Handhabbare Dateigrößen — 4/788 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes75.529
source_files_sampled788
oversized_source_files4

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

51GitHub-Sterne
7Mitwirkende
2.321Commits, letzte 12 Monate
1Tage seit letztem Push
100Releases
1Bus-Faktor
192offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 7 ⇿
0Sterne
7Forks

Wann jeder Stern und Fork hinzugefügt wurde, von GitHub erfasst und nach Tagen gruppiert. Das kumulierte Wachstum steht direkt über den täglichen Zugängen, aus denen es besteht, sodass beide gegeneinander lesbar sind: stetiger organischer Zuwachs sieht ganz anders aus als ein abrupter, kurzlebiger Ausschlag. Wo dieser Unterschied messbar ist, wird er als Wachstumsauthentizität ausgewiesen.

1234567712024-052025-052026-05

Jeder Punkt umfasst 2 Tage.

OpenSSF Scorecard 5.6 / 10
5.6Gesamtwert

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 · 2026-09-11 01:40 UTC

10Binary-Artifactsno binaries found in the repo
k. A.Branch-Protectioninternal error: error during branchesHandler.setup: internal error: some github tokens can't read classic branch protection rules: https://github.com/ossf/scorecard-action/blob/main/docs/authentication/fine-grained-auth-token.md
10CI-Tests1 out of 1 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 0/30 approved changesets -- score normalized to 0
10Contributorsproject has 6 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 0 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
10SASTSAST tool is run on all commits
10Security-Policysecurity policy file detected
0Signed-ReleasesProject has not signed or included provenance with any releases.
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities10 existing vulnerabilities detected
Direkte Abhängigkeiten 24
RegistryPaketVersionsvorgabeManifest
PyPIboto3>= 1.42.2pyproject.toml
PyPIbotocore>= 1.42.2pyproject.toml
PyPIawswrangler>= 3.4.0pyproject.toml
PyPIsagemaker>= 3.6.0, < 3.13pyproject.toml
PyPIsagemaker-core>= 2.12.0, < 2.13pyproject.toml
PyPIsagemaker-mlops>= 1.12.0, < 1.13pyproject.toml
PyPIsagemaker-serve>= 1.12.0, < 1.13pyproject.toml
PyPIsagemaker-train>= 1.12.0, < 1.13pyproject.toml
PyPIredis>= 5.0.1pyproject.toml
PyPIrequests>= 2.26.0pyproject.toml
PyPIaiobotocore>= 3.7.0pyproject.toml
PyPIpandas>= 2.2.1, < 3.0pyproject.toml
PyPIscikit-learn>= 1.5.2pyproject.toml
PyPIxgboost>= 3.0.3pyproject.toml
PyPIjoblib>= 1.3.2pyproject.toml
PyPIduckdb>= 1.5.0pyproject.toml
PyPIrdkit>= 2026.3.1pyproject.toml
PyPImordredcommunity>= 2.0.6pyproject.toml
PyPIipython>= 8.37.0pyproject.toml
PyPIpyreadline3—pyproject.toml
PyPIrich>= 13.0pyproject.toml
PyPImatplotlib>= 3.9.2pyproject.toml
PyPInetworkx>= 3.2pyproject.toml
PyPIanthropic>= 0.117.0pyproject.toml
Alle Abhängigkeiten 319

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 34 direkte und 285 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIaiobotocore3.7.0direkt
PyPIanthropic0.117.0direkt
PyPIawswrangler—direkt
PyPIawswrangler3.16.1direkt
PyPIboto3—direkt
PyPIboto31.43.0direkt
PyPIbotocore—direkt
PyPIbotocore1.43.0direkt
PyPIduckdb1.5.5direkt
PyPIipython9.14.1direkt
PyPIjoblib—direkt
PyPIjoblib1.5.3direkt
PyPImatplotlib3.10.9direkt
PyPImordredcommunity—direkt
PyPImordredcommunity2.0.7direkt
PyPInetworkx—direkt
PyPInetworkx3.6.1direkt
PyPIpandas—direkt
PyPIpandas2.3.3direkt
PyPIpyreadline33.5.6direkt
PyPIrdkit—direkt
PyPIrdkit2026.3.4direkt
PyPIredis8.0.0direkt
PyPIrequests—direkt
PyPIrequests2.34.2direkt
PyPIrich14.3.4direkt
PyPIsagemaker3.12.0direkt
PyPIsagemaker-core2.12.0direkt
PyPIsagemaker-mlops1.12.0direkt
PyPIsagemaker-serve1.12.0direkt
PyPIsagemaker-train1.12.0direkt
PyPIscikit-learn—direkt
PyPIscikit-learn1.9.0direkt
PyPIxgboost3.2.0direkt
PyPIaimsim-core2.2.3indirekt
PyPIaiohappyeyeballs2.6.2indirekt
PyPIaiohttp3.14.3indirekt
PyPIaioitertools0.13.0indirekt
PyPIaiosignal1.4.0indirekt
PyPIalembic1.18.4indirekt
PyPIannotated-doc0.0.4indirekt
PyPIannotated-types0.7.0indirekt
PyPIantlr4-python3-runtime4.9.3indirekt
PyPIanyio4.13.0indirekt
PyPIasgiref—indirekt
PyPIastartes1.3.3indirekt
PyPIasttokens3.0.1indirekt
PyPIasync-timeout5.0.1indirekt
PyPIattrs26.1.0indirekt
PyPIaws-cdk-asset-awscli-v12.2.282indirekt
PyPIaws-cdk-asset-node-proxy-agent-v62.1.2indirekt
PyPIaws-cdk-cloud-assembly-schema54.8.0indirekt
PyPIaws-cdk-lib—indirekt
PyPIaws-cdk-lib2.261.0indirekt
PyPIbabel2.18.0indirekt
PyPIbackrefs7.0indirekt
PyPIbcrypt5.0.0indirekt
PyPIblack—indirekt
PyPIblack26.5.1indirekt
PyPIblinker1.9.0indirekt
PyPIbrotli1.2.0indirekt
PyPIcachebox5.2.3indirekt
PyPIcachetools6.2.6indirekt
PyPIcattrs26.1.0indirekt
PyPIcertifi2026.5.20indirekt
PyPIcffi2.0.0indirekt
PyPIchardet7.4.3indirekt
PyPIcharset-normalizer3.4.7indirekt
PyPIchemprop—indirekt
PyPIchemprop2.3.0indirekt
PyPIclick8.4.1indirekt
PyPIcloudpickle3.1.2indirekt
PyPIcolorama0.4.6indirekt
PyPIcolorlog6.10.1indirekt
PyPIconfigargparse1.7.5indirekt
PyPIconstructs—indirekt
PyPIconstructs10.6.0indirekt
PyPIcontourpy1.3.3indirekt
PyPIcoverage—indirekt
PyPIcoverage7.14.1indirekt
PyPIcryptography48.0.1indirekt
PyPIcuda-bindings13.3.1indirekt
PyPIcuda-pathfinder1.5.5indirekt
PyPIcuda-toolkit13.0.3.0indirekt
PyPIcuik-molmaker-pin2026.3.4indirekt
PyPIcycler0.12.1indirekt
PyPIdash4.2.0indirekt
PyPIdash-ag-grid35.2.0indirekt
PyPIdash-bootstrap-components2.0.4indirekt
PyPIdatabricks-sdk0.116.0indirekt
PyPIdecorator5.3.1indirekt
PyPIdeepdiff9.1.0indirekt
PyPIdescriptastorus2.8.0indirekt
PyPIdill0.4.1indirekt
PyPIdistlib0.4.3indirekt
PyPIdistro1.9.0indirekt
PyPIdocker7.1.0indirekt
PyPIdocstring-parser0.18.0indirekt
PyPIexecnet2.1.2indirekt
PyPIexecuting2.2.1indirekt
PyPIfastapi—indirekt
PyPIfastapi0.136.3indirekt
PyPIfilelock3.29.3indirekt
PyPIflake8—indirekt
PyPIflake87.3.0indirekt
PyPIflask3.1.3indirekt
PyPIflask-cors6.0.5indirekt
PyPIflatbuffers25.12.19indirekt
PyPIfonttools4.63.0indirekt
PyPIfrozenlist1.8.0indirekt
PyPIfsspec2026.4.0indirekt
PyPIgevent26.5.0indirekt
PyPIgeventhttpclient2.3.9indirekt
PyPIghp-import2.1.0indirekt
PyPIgitdb4.0.12indirekt
PyPIgitpython3.1.58indirekt
PyPIgoogle-auth2.53.0indirekt
PyPIgraphene3.4.3indirekt
PyPIgraphql-core3.2.11indirekt
PyPIgraphql-relay3.2.0indirekt
PyPIgreenlet3.3.2indirekt
PyPIgriffelib2.1.0indirekt
PyPIgunicorn26.0.0indirekt
PyPIh110.16.0indirekt
PyPIhttpcore1.0.9indirekt
PyPIhttpx0.28.1indirekt
PyPIhuey3.0.1indirekt
PyPIhuggingface-hub—indirekt
PyPIidna3.18indirekt
PyPIimportlib-metadata6.11.0indirekt
PyPIiniconfig2.3.0indirekt
PyPIinvoke3.0.3indirekt
PyPIipython-pygments-lexers1.1.1indirekt
PyPIitsdangerous2.2.0indirekt
PyPIjanus2.0.0indirekt
PyPIjedi0.20.0indirekt
PyPIjinja23.1.6indirekt
PyPIjiter0.16.0indirekt
PyPIjmespath1.1.0indirekt
PyPIjsii1.138.0indirekt
PyPIjson50.14.0indirekt
PyPIjsonschema4.26.0indirekt
PyPIjsonschema-specifications2025.9.1indirekt
PyPIkiwisolver1.5.0indirekt
PyPIlightning2.6.5indirekt
PyPIlightning-utilities0.15.3indirekt
PyPIllvmlite0.47.0indirekt
PyPImako1.3.12indirekt
PyPImarkdown3.10.2indirekt
PyPImarkdown-it-py4.2.0indirekt
PyPImarkupsafe3.0.3indirekt
PyPImatplotlib-inline0.2.2indirekt
PyPImccabe0.7.0indirekt
PyPImdurl0.1.2indirekt
PyPImergedeep1.3.4indirekt
PyPImhfp1.9.6indirekt
PyPImkdocs1.6.1indirekt
PyPImkdocs-autorefs1.4.4indirekt
PyPImkdocs-get-deps0.2.2indirekt
PyPImkdocs-material9.7.7indirekt
PyPImkdocs-material-extensions1.3.1indirekt
PyPImkdocstrings1.0.6indirekt
PyPImkdocstrings-python2.0.5indirekt
PyPIml-dtypes0.5.4indirekt
PyPImlflow3.15.1indirekt
PyPImlflow-skinny3.15.1indirekt
PyPImlflow-tracing3.15.1indirekt
PyPImmh35.2.1indirekt
PyPImock4.0.3indirekt
PyPImpmath1.3.0indirekt
PyPImsgpack1.2.1indirekt
PyPImultidict6.7.1indirekt
PyPImultiprocess0.70.19indirekt
PyPImyerson1.0.1indirekt
PyPImypy-extensions1.1.0indirekt
PyPInarwhals2.22.1indirekt
PyPInest-asyncio1.6.0indirekt
PyPInumba0.65.1indirekt
PyPInumpy2.4.6indirekt
PyPInvidia-cublas13.1.1.3indirekt
PyPInvidia-cuda-cupti13.0.85indirekt
PyPInvidia-cuda-nvrtc13.0.88indirekt
PyPInvidia-cuda-runtime13.0.96indirekt
PyPInvidia-cudnn-cu139.20.0.48indirekt
PyPInvidia-cufft12.0.0.61indirekt
PyPInvidia-cufile1.15.1.6indirekt
PyPInvidia-curand10.4.0.35indirekt
PyPInvidia-cusolver12.0.4.66indirekt
PyPInvidia-cusparse12.6.3.3indirekt
PyPInvidia-cusparselt-cu130.8.1indirekt
PyPInvidia-nccl-cu122.30.7indirekt
PyPInvidia-nccl-cu132.29.7indirekt
PyPInvidia-nvjitlink13.0.88indirekt
PyPInvidia-nvshmem-cu133.4.5indirekt
PyPInvidia-nvtx13.0.85indirekt
PyPIomegaconf2.3.0indirekt
PyPIonnx1.22.0indirekt
PyPIonnxruntime1.26.0indirekt
PyPIopenpyxl—indirekt
PyPIopentelemetry-api1.42.1indirekt
PyPIopentelemetry-proto1.42.1indirekt
PyPIopentelemetry-sdk1.42.1indirekt
PyPIopentelemetry-semantic-conventions0.63b1indirekt
PyPIoptuna4.9.0indirekt
PyPIorderly-set5.5.0indirekt
PyPIpackaging26.2indirekt
PyPIpadelpy0.1.17indirekt
PyPIpaginate0.5.7indirekt
PyPIpandas-flavor0.8.1indirekt
PyPIparamiko5.0.0indirekt
PyPIparso0.8.7indirekt
PyPIpathspec1.1.1indirekt
PyPIpexpect4.9.0indirekt
PyPIpillow12.3.0indirekt
PyPIplatformdirs4.10.0indirekt
PyPIplotly6.8.0indirekt
PyPIpluggy1.6.0indirekt
PyPIprettytable3.17.0indirekt
PyPIprompt-toolkit3.0.52indirekt
PyPIpropcache0.5.2indirekt
PyPIprotobuf6.33.6indirekt
PyPIpsutil7.2.2indirekt
PyPIptyprocess0.7.0indirekt
PyPIpublication0.0.3indirekt
PyPIpure-eval0.2.3indirekt
PyPIpyarrow24.0.0indirekt
PyPIpyasn10.6.4indirekt
PyPIpyasn1-modules0.4.2indirekt
PyPIpycodestyle2.14.0indirekt
PyPIpycparser3.0indirekt
PyPIpydantic2.13.4indirekt
PyPIpydantic-core2.46.4indirekt
PyPIpyflakes3.4.0indirekt
PyPIpygments2.20.0indirekt
PyPIpyiceberg0.11.1indirekt
PyPIpymdown-extensions11.0.1indirekt
PyPIpynacl1.6.2indirekt
PyPIpynndescent0.6.0indirekt
PyPIpyparsing3.3.2indirekt
PyPIpyproject-api1.11.0indirekt
PyPIpyroaring1.1.0indirekt
PyPIpytest—indirekt
PyPIpytest9.0.3indirekt
PyPIpytest-cov—indirekt
PyPIpytest-cov7.1.0indirekt
PyPIpytest-sugar—indirekt
PyPIpytest-sugar1.1.1indirekt
PyPIpytest-xdist3.8.0indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-discovery1.5.0indirekt
PyPIpython-dotenv1.2.2indirekt
PyPIpython-rapidjson1.23indirekt
PyPIpytokens0.4.1indirekt
PyPIpytorch-lightning2.6.5indirekt
PyPIpytz2026.2indirekt
PyPIpywin32312indirekt
PyPIpyyaml6.0.3indirekt
PyPIpyyaml-env-tag1.1indirekt
PyPIray2.56.0indirekt
PyPIreferencing0.37.0indirekt
PyPIretrying1.4.2indirekt
PyPIrpds-py2026.5.1indirekt
PyPIs3fs2026.4.0indirekt
PyPIs3transfer0.17.1indirekt
PyPIsagemaker-mlflow0.4.0indirekt
PyPIsagemaker-schema-inference-artifacts0.0.5indirekt
PyPIschema0.7.8indirekt
PyPIscipy1.17.1indirekt
PyPIsetuptools83.0.0indirekt
PyPIshap—indirekt
PyPIsix1.17.0indirekt
PyPIskops0.14.0indirekt
PyPIsmdebug-rulesconfig1.0.1indirekt
PyPIsmmap5.0.3indirekt
PyPIsniffio1.3.1indirekt
PyPIsqlalchemy2.0.50indirekt
PyPIsqlparse0.6.0indirekt
PyPIstack-data0.6.3indirekt
PyPIstarlette1.3.1indirekt
PyPIstrictyaml1.7.3indirekt
PyPIsympy1.14.0indirekt
PyPItabulate0.10.0indirekt
PyPItblib3.2.2indirekt
PyPItenacity9.1.4indirekt
PyPItensorboardx2.6.5indirekt
PyPItermcolor3.3.0indirekt
PyPIthreadpoolctl3.6.0indirekt
PyPItomli2.4.1indirekt
PyPItorch—indirekt
PyPItorch2.13.0indirekt
PyPItorchmetrics1.9.0indirekt
PyPItox4.35.0indirekt
PyPItqdm—indirekt
PyPItqdm4.68.2indirekt
PyPItraitlets5.15.1indirekt
PyPItriton3.7.1indirekt
PyPItritonclient2.69.0indirekt
PyPItypeguard2.13.3indirekt
PyPItyping-extensions4.15.0indirekt
PyPItyping-inspection0.4.2indirekt
PyPItzdata2026.2indirekt
PyPIumap-learn—indirekt
PyPIumap-learn0.5.12indirekt
PyPIurllib32.7.0indirekt
PyPIuvicorn—indirekt
PyPIuvicorn0.49.0indirekt
PyPIvirtualenv21.7.0indirekt
PyPIwaitress3.0.2indirekt
PyPIwatchdog6.0.0indirekt
PyPIwcwidth0.8.1indirekt
PyPIwerkzeug3.1.8indirekt
PyPIwrapt2.2.1indirekt
PyPIxarray2026.7.0indirekt
PyPIxgboost-cpu—indirekt
PyPIyarl1.24.2indirekt
PyPIzipp4.1.0indirekt
PyPIzope-event6.2indirekt
PyPIzope-interface8.5indirekt
PyPIzstandard0.25.0indirekt
Abhängigkeits-Advisories 0

Die Installation von pypi:workbench@0.8.481 zieht 203 Pakete nach sich, direkt und transitiv: 0 tragen bekannte Advisories, davon 0 direkte Abhängigkeiten.

Keine bekannten Advisories betreffen die bewerteten Abhängigkeiten.

Ein Advisory bedeutet, dass die im Abhängigkeitsgraphen erfasste Version in den betroffenen Bereich eines Advisories fällt. Erreichbarkeit wird nicht analysiert, und der Graph enthält Entwicklungs- und Test-Pins — ein Fund kann das Werkzeug betreffen und nicht die ausgelieferte Software.

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 SuperCowPowers/workbench teilen. Nebeneinander lesen →

98feast-dev/feastThe Open Source Feature Store for AI/MLAußergewöhnlich98Eventual-Inc/DaftHigh-performance data engine for AI and multimodal workloads. Process images, audio, video, and structured data at any scaleAußergewöhnlich100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflowsAußergewöhnlich99kedro-org/kedroKedro is a toolbox for production-ready data science. It uses software engineering best practices to help you create data engineering and data science pipelines that are reproducible, maintainable, and modular.Außergewöhnlich98Netflix/metaflowBuild, Manage and Deploy AI/ML SystemsAußergewöhnlich100optuna/optunaA hyperparameter optimization frameworkAußergewöhnlich

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 v0.34.0 — vollständige Methodik · Metriken-Wiki.

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