Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-11 09:44 UTC

mbari-org / aidata

Extract, transform, load/download and augment images and annotations for object detection, clustering or classification workflows

PythonKeine Lizenz erkannt★ 7 Sterne⑂ 4 Forksseit März 2024Auf GitHub ansehen ↗
ArtKommandozeilenwerkzeugBibliothekwie das ermittelt wird
#ai#database#machine-learning#etl

mbari-org/aidata erreicht einen Gesundheitsindex von 69 von 100 und liegt damit im Bereich Gut. Am stärksten schneidet es bei Vitality (88/100) ab, am schwächsten bei Community & Adoption (23/100). Zuletzt vor 3 Tagen aktualisiert. Ein einzelner Mitwirkender trägt den Großteil der jüngsten Arbeit.

69
gesamt / 100
Gut

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.

69
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 62 wird auf der veröffentlichten Indexskala auf 69 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

Monterey Bay Aquarium Research InstituteOrganisation
63 Follower138 öffentliche Reposseit Apr. 2018

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlicht
PyPImbari-aidata1.79.5-74vor 8 Tagen

Metriken nach Kategorie

Vitalität

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

88Exzellent · 21 % des Gesamtindex

Entwicklungsaktivität

86Exzellent
Wie die Bewertung erfolgt
36/36Push-Aktualität — letzter Push vor 3 Tagen
21.5/36Commit-Rhythmus — 31/52 Wochen mit Commits
18/18Commit-Volumen — 145 Commits im letzten Jahr
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 13 issue activity found in the last 90 days -- score normalized to 10
Verwendete Eingangsdaten
commits_last_year145
human_commit_share0,99
days_since_last_push3
active_weeks_last_year31

Release-Disziplin

90Exzellent
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 100 Releases veröffentlicht
36/36Release-Aktualität — letztes Release vor 8 Tagen
27/27Release-Rhythmus — ein Release etwa alle 7 Tage
0/10OpenSSF Scorecard: Signed-Releases — Project has not signed or included provenance with any releases.
Verwendete Eingangsdaten
releases_count100
latest_release_tagv1.79.5
releases_from_tagsnein
days_since_latest_release8
mean_days_between_releases7

Community & Verbreitung

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

23Gefährdet · 17 % des Gesamtindex

Popularität & Verbreitung

21Gefährdet
Wie die Bewertung erfolgt
12.6/60Stars — 7 Stars
4/25Forks — 4 Forks
4.3/15Watcher — 7 Watcher
Verwendete Eingangsdaten
forks4
stars7
watchers7
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Community-Gesundheit

25Gefährdet
Wie die Bewertung erfolgt
22.5/22.5README
0/22.5Lizenz — keine Lizenzdatei erkannt
0/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licensenein
readme_badges3
has_contributingnein
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesshields.io
has_pull_request_templatenein

Nachhaltigkeit & Governance

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

61Mittel · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

21Gefährdet
Wie die Bewertung erfolgt
9/54Bus-Faktor — 1 Beitragende decken die Hälfte aller Commits ab
0.5/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 98 % der Commits
5.4/13.5Breite der Beitragenden — 4 Beitragende
6/10OpenSSF Scorecard: Contributors — project has 2 contributing companies or organizations -- score normalized to 6
Verwendete Eingangsdaten
bus_factor1
contributors_sampled4
top_contributor_share0,98

Reaktionsfähigkeit bei Issues & PRs

72Gut
Wie die Bewertung erfolgt
37.7/42Issue-Lösungsquote — 90 % der Issues geschlossen
25/30PR-Annahme — 40/48 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
0/15OpenSSF Scorecard: Code-Review — Found 2/21 approved changesets -- score normalized to 0
Verwendete Eingangsdaten
merged_prs40
open_issues4
closed_issues35
prs_merged_7d0
prs_decided_7d0
prs_merged_30d1
prs_decided_30d1
issue_closed_ratio0,897
closed_unmerged_prs8
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

68Gut
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
13/25Reichweite des Inhabers — 63 Follower von mbari-org
25/25Kontohistorie — 138 öffentliche Repos, Kontoalter ca. 8 Jahre
Verwendete Eingangsdaten
followers63
owner_typeOrganization
is_verifiednein
owner_loginmbari-org
public_repos138
account_age_days3.061

Paketpflege

100Außergewöhnlich
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
35/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 8 Tagen
20/20Versionshistorie — 74 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesmbari-aidata
ecosystemspypi
any_deprecatednein
min_days_since_publish8

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

88Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

80Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 2 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff])
0/9.6Pre-Commit-Hooks
0/6.4.editorconfig
16/20OpenSSF Scorecard: CI-Tests — 6 out of 7 merged PRs checked by a CI test -- score normalized to 8
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_confignein

Dokumentation

100Außergewöhnlich
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://docs.mbari.org/internal/ai/data
10/10Repository-Beschreibung
10/10Topics — 4 Topics
10/10Wiki
Verwendete Eingangsdaten
topicsai, database, machine-learning, etl
has_wikija
homepagehttps://docs.mbari.org/internal/ai/data
docs_sitehttps://docs.mbari.org/internal/ai/data
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

39Schwach · 16 % des Gesamtindex

Sicherheitslage

39Schwach
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
2/2.5CI-Tests — 6 out of 7 merged PRs checked by a CI test -- score normalized to 8
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
0/7.5Code-Review — Found 2/21 approved changesets -- score normalized to 0
1.5/2.5Contributors — project has 2 contributing companies or organizations -- score normalized to 6
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
0/2.5Lizenz — license file not detected
7.5/7.5Maintained — 30 commit(s) and 13 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 — SAST tool is not run on all commits -- score normalized to 0
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
0/7.5Vulnerabilities — 48 existing vulnerabilities detected
Verwendete Eingangsdaten
sourceopenssf_scorecard
checks_evaluated18
scorecard_versionv5.5.0
checks_inconclusive0
scorecard_aggregate3,9

Abhängigkeits-Advisories

38Schwach
Wie die Bewertung erfolgt
6.4/35Direkte Abhängigkeiten ohne bekannte Advisories — 2 betroffen: torch 2.2.0 (critical 9.8), pyarrow 15.0.2 (high 7.0)
6.8/25Indirekte Abhängigkeiten ohne bekannte Advisories — 1 betroffen: pillow 11.3.0 (critical 9.1)
24.3/40Keine offenen Advisories — 3 Paket(e) mit Advisory seit über 90 Tagen unbehandelt; ältestes vor 681 Tagen veröffentlicht
Verwendete Eingangsdaten
sourceosv
advisories62
affected_packages3
assessed_packages85
unassessed_packages0
affected_by_severitycritical 2, high 1
direct_affected_packages2
Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:mbari-aidata@1.79.5 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 85 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.

73Gut · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

75Gut
Wie die Bewertung erfolgt
45/45Agentenanweisungen — AGENTS.md
0/15Maschinenlesbare Doku (llms.txt)
29.6/40Lesbare Commit-Historie — 55 von 99 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,556
agent_instruction_filesAGENTS.md
agent_instruction_max_bytes3.178

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

79Gut
Wie die Bewertung erfolgt
18/18Bootstrap mit einem Befehl — justfile
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff])
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — Dockerfile, lockfile
10/10Belegte Agentenpraxis — 17 der letzten 100 Commits von Agenten verfasst oder ihnen zugeschrieben
8/8Automatisierte Wartung — 1 der letzten 100 Commits sind automatisierte Abhängigkeits-Updates
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfilespoetry.lock
has_dockerfileja
typed_languagenein
bootstrap_filesjustfile
has_devcontainernein
has_linter_configja
typecheck_configs—
agent_commit_share0,17
toolchain_manifests—
dependency_bot_commit_share0,01

AI-Code-Lesbarkeit für Modelle

55Mittel
Wie die Bewertung erfolgt
0/45Typprüfbarer Code — Python ohne Typprüfungs-Konfiguration
55/55Handhabbare Dateigrößen — 0/52 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes39.330
source_files_sampled52
oversized_source_files0

Eckdaten

7GitHub-Sterne
4Mitwirkende
145Commits, letzte 12 Monate
3Tage seit letztem Push
100Releases
1Bus-Faktor
4offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • pypi download statistics for 'mbari-aidata' unavailable this scan (stats endpoint failed after retries); adoption may be under-evidenced

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 4 ⇿
0Sterne
4Forks
48Releases

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.

1223344412025-102026-032026-08
Major 0Minor 19Patch 29
OpenSSF Scorecard 3.9 / 10
3.9Gesamtwert

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 09:44 UTC

10Binary-Artifactsno binaries found in the repo
0Branch-Protectionbranch protection not enabled on development/release branches
8CI-Tests6 out of 7 merged PRs checked by a CI test -- score normalized to 8
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 2/21 approved changesets -- score normalized to 0
6Contributorsproject has 2 contributing companies or organizations -- score normalized to 6
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
0Licenselicense file not detected
10Maintained30 commit(s) and 13 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
0SASTSAST tool is not run on all commits -- score normalized to 0
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
0Vulnerabilities48 existing vulnerabilities detected
Direkte Abhängigkeiten 20
RegistryPaketVersionsvorgabeManifest
PyPIredis5.0.7pyproject.toml
PyPItator1.2.3pyproject.toml
PyPIephem>=4.1.6pyproject.toml
PyPImoviepy>=2.1.1pyproject.toml
PyPIopencv-contrib-python4.11.0.86pyproject.toml
PyPIpytz>=2024.1pyproject.toml
PyPIpiexif>=1.1.3pyproject.toml
PyPIclick>=8.1.7pyproject.toml
PyPItqdm4.67.1pyproject.toml
PyPIrequests>=2.32.3pyproject.toml
PyPIpascal-voc-writer>=0.1.4pyproject.toml
PyPIalbumentations>=1.4.15pyproject.toml
PyPIalbucore>=0.0.16pyproject.toml
PyPIpandas^2.0pyproject.toml
PyPIpyarrow^15.0pyproject.toml
PyPInumpy>=1.24,<2pyproject.toml
PyPItorch2.2.0pyproject.toml
PyPItorchvision0.17.0pyproject.toml
PyPItransformers>=4.42.4,<6.0.0pyproject.toml
PyPIpytest^9.1.1pyproject.toml
Alle Abhängigkeiten 90

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 20 direkte und 70 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIalbucore0.0.24direkt
PyPIalbumentations2.0.8direkt
PyPIclick8.3.1direkt
PyPIephem4.2direkt
PyPImoviepy2.2.1direkt
PyPInumpy1.26.4direkt
PyPIopencv-contrib-python4.11.0.86direkt
PyPIpandas2.3.3direkt
PyPIpascal-voc-writer0.1.4direkt
PyPIpiexif1.1.3direkt
PyPIpyarrow15.0.2direkt
PyPIpytest9.1.1direkt
PyPIpytz2025.2direkt
PyPIredis5.0.7direkt
PyPIrequests2.33.0direkt
PyPItator1.2.3direkt
PyPItorch2.2.0direkt
PyPItorchvision0.17.0direkt
PyPItqdm4.67.1direkt
PyPItransformers5.0.0rc3direkt
PyPIannotated-doc0.0.4indirekt
PyPIannotated-types0.7.0indirekt
PyPIanyio4.13.0indirekt
PyPIasync-timeout5.0.1indirekt
PyPIcertifi2025.11.12indirekt
PyPIcharset-normalizer3.4.4indirekt
PyPIcolorama0.4.6indirekt
PyPIdecorator5.2.1indirekt
PyPIexceptiongroup1.3.1indirekt
PyPIfilelock3.20.3indirekt
PyPIfsspec2025.10.0indirekt
PyPIh110.16.0indirekt
PyPIhf-xet1.4.3indirekt
PyPIhttpcore1.0.9indirekt
PyPIhttpx0.28.1indirekt
PyPIhuggingface-hub1.11.0indirekt
PyPIidna3.11indirekt
PyPIimageio2.37.2indirekt
PyPIimageio-ffmpeg0.6.0indirekt
PyPIiniconfig2.3.0indirekt
PyPIjinja23.1.6indirekt
PyPImarkdown-it-py4.0.0indirekt
PyPImarkupsafe3.0.3indirekt
PyPImdurl0.1.2indirekt
PyPImpmath1.3.0indirekt
PyPInetworkx3.4.2indirekt
PyPInvidia-cublas-cu1212.1.3.1indirekt
PyPInvidia-cuda-cupti-cu1212.1.105indirekt
PyPInvidia-cuda-nvrtc-cu1212.1.105indirekt
PyPInvidia-cuda-runtime-cu1212.1.105indirekt
PyPInvidia-cudnn-cu128.9.2.26indirekt
PyPInvidia-cufft-cu1211.0.2.54indirekt
PyPInvidia-curand-cu1210.3.2.106indirekt
PyPInvidia-cusolver-cu1211.4.5.107indirekt
PyPInvidia-cusparse-cu1212.1.0.106indirekt
PyPInvidia-nccl-cu122.19.3indirekt
PyPInvidia-nvjitlink-cu1212.9.86indirekt
PyPInvidia-nvtx-cu1212.1.105indirekt
PyPIopencv-python-headless4.11.0.86indirekt
PyPIpackaging25.0indirekt
PyPIpillow11.3.0indirekt
PyPIpluggy1.6.0indirekt
PyPIproglog0.1.12indirekt
PyPIprogressbar24.5.0indirekt
PyPIpsutil7.1.3indirekt
PyPIpydantic2.12.4indirekt
PyPIpydantic-core2.41.5indirekt
PyPIpygments2.20.0indirekt
PyPIpython-dateutil2.9.0.post0indirekt
PyPIpython-dotenv1.2.2indirekt
PyPIpython-utils3.9.1indirekt
PyPIpyyaml6.0.3indirekt
PyPIregex2025.11.3indirekt
PyPIrich15.0.0indirekt
PyPIsafetensors0.7.0indirekt
PyPIscipy1.15.3indirekt
PyPIshellingham1.5.4indirekt
PyPIsimsimd6.5.3indirekt
PyPIsix1.17.0indirekt
PyPIstringzilla4.2.3indirekt
PyPIsympy1.14.0indirekt
PyPItokenizers0.22.1indirekt
PyPItomli2.4.1indirekt
PyPItriton2.2.0indirekt
PyPItyper0.24.1indirekt
PyPItyper-slim0.24.0indirekt
PyPItyping-extensions4.15.0indirekt
PyPItyping-inspection0.4.2indirekt
PyPItzdata2025.2indirekt
PyPIurllib32.6.3indirekt
Abhängigkeits-Advisories 3

Die Installation von pypi:mbari-aidata@1.79.5 zieht 85 Pakete nach sich, direkt und transitiv: 3 tragen bekannte Advisories, davon 2 direkte Abhängigkeiten.

PaketVersionBeziehungSchweregradAdvisoriesBehoben in
torch2.2.0direktkritisch232.13.0
pillow11.3.0indirektkritisch3612.3.0
pyarrow15.0.2direkthoch323.0.1

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 mbari-org/aidata teilen. Nebeneinander lesen →

98invertase/react-native-firebase🔥 A well-tested feature-rich modular Firebase implementation for React Native. Supports both iOS & Android platforms for all Firebase services.Außergewöhnlich98netdata/netdataThe fastest path to AI-powered full stack observability, even for lean teams.Außergewöhnlich100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflowsAußergewöhnlich100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Außergewöhnlich100onnx/onnxOpen standard for machine learning interoperabilityAußergewöhnlich99mlflow/mlflowThe open source AI engineering platform for agents, LLMs, and ML models. MLflow enables teams of all sizes to debug, evaluate, monitor, and optimize production-quality AI applications while controlling costs and managing access to models and data.Außergewöhnlich

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.