Öffentliches Register
Software-GesundheitsberichtSchema 0.34.0 · Metriken 2.10.0 · 2026-09-18 06:40 UTC

ml6team / fondant

Production-ready data processing made easy and shareable

PythonApache-2.0★ 359 Sterne⑂ 28 Forksseit März 2023Auf GitHub ansehen ↗
ArtBibliothekKommandozeilenwerkzeugwie das ermittelt wird
#data-processing#fine-tuning#foundation-models#machine-learning#pipeline#python

ml6team/fondant erreicht einen Gesundheitsindex von 46 von 100 und liegt damit im Bereich Schwach. Am stärksten schneidet es bei Engineering Quality (91/100) ab, am schwächsten bei Security (17/100). Zuletzt vor 209 Tagen aktualisiert. 2 Mitwirkende tragen den Großteil der jüngsten Arbeit.

46
gesamt / 100
Schwach

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.

46
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 53 wird auf der veröffentlichten Indexskala auf 54 kalibriert (Register-Kalibrierung 2026-08-02).

Eigentümerschaft

ML6Organisation
95 Follower23 öffentliche Reposseit Feb. 2018

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

Paket-Ökosysteme

RegistryPaketVersionDownloads / MonatVersionenZuletzt veröffentlichtTags
PyPIfondant0.12.148545vor 878 Tagendatamachine-learningfine-tuningfoundation-models

Metriken nach Kategorie

Vitalität

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

26Gefährdet · 21 % des Gesamtindex

Entwicklungsaktivität

4Kritisch
Wie die Bewertung erfolgt
3.6/36Push-Aktualität — letzter Push vor 209 Tagen
0/36Commit-Rhythmus — 0/52 Wochen mit Commits
0/18Commit-Volumen — 0 Commits im letzten Jahr
0/10OpenSSF Scorecard: Maintained — keine Daten
Verwendete Eingangsdaten
commits_last_year0
human_commit_share1
days_since_last_push209
active_weeks_last_year0

Release-Disziplin

60Mittel
Wie die Bewertung erfolgt
27/27Liefert Releases aus — 42 Releases veröffentlicht
0/36Release-Aktualität — letztes Release vor 878 Tagen
27/27Release-Rhythmus — ein Release etwa alle 6,7 Tage
0/10OpenSSF Scorecard: Signed-Releases — keine Daten
Verwendete Eingangsdaten
releases_count42
latest_release_tag0.12.1
releases_from_tagsnein
days_since_latest_release878
mean_days_between_releases6,7

Community & Verbreitung

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

52Mittel · 17 % des Gesamtindex

Popularität & Verbreitung

57Mittel
Wie die Bewertung erfolgt
41.4/60Stars — 359 Stars
11.9/25Forks — 28 Forks
3.9/15Watcher — 6 Watcher
Verwendete Eingangsdaten
forks28
stars359
watchers6
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 (Apache-2.0)
0/18CONTRIBUTING-Leitfaden
0/13.5Verhaltenskodex
0/7.2Issue-Vorlage
0/6.3PR-Vorlage
Verwendete Eingangsdaten
has_readmeja
has_licenseja
readme_badges4
has_contributingnein
has_issue_templatenein
has_code_of_conductnein
readme_badge_servicesshields.io
has_pull_request_templatenein

Ökosystem-Verbreitung (Downloads)

45Schwach
Wie die Bewertung erfolgt
35.8/80Downloads pro Monat — 485 Downloads/Monat über pypi
0/20Abhängige in der Registry — von diesem Ökosystem nicht ausgewiesen
Verwendete Eingangsdaten
packagesfondant
dependents—
ecosystemspypi
total_downloads—
monthly_downloads485
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?

70Gut · 23 % des Gesamtindex

Maintainer-Resilienz (Bus-Faktor)

60Mittel
Wie die Bewertung erfolgt
25.2/54Bus-Faktor — 2 Beitragende decken die Hälfte aller Commits ab
15.7/22.5Commit-Verteilung — wichtigste beitragende Person verfasste 30 % der Commits
13.5/13.5Breite der Beitragenden — 20 Beitragende
0/10OpenSSF Scorecard: Contributors — keine Daten
Verwendete Eingangsdaten
bus_factor2
contributors_sampled20
top_contributor_share0,303

Reaktionsfähigkeit bei Issues & PRs

86Exzellent
Wie die Bewertung erfolgt
34.7/42Issue-Lösungsquote — 83 % der Issues geschlossen
27/30PR-Annahme — 553/615 entschiedene PRs gemergt
0/13Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden
0/15OpenSSF Scorecard: Code-Review — keine Daten
Verwendete Eingangsdaten
merged_prs553
open_issues55
closed_issues262
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio0,826
closed_unmerged_prs62
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

66Gut
Wie die Bewertung erfolgt
30/30Organisatorische Trägerschaft — im Besitz einer Organisation
0/20Verifizierte Domain
14.3/25Reichweite des Inhabers — 95 Follower von ml6team
22.1/25Kontohistorie — 23 öffentliche Repos, Kontoalter ca. 8 Jahre
Verwendete Eingangsdaten
followers95
owner_typeOrganization
is_verifiednein
owner_loginml6team
public_repos23
account_age_days3.130

Paketpflege

69Gut
Wie die Bewertung erfolgt
25/25Veröffentlicht & auflösbar — 1 Paket(e) auf pypi
4/35Veröffentlichungsaktualität — letzte Veröffentlichung vor 878 Tagen
20/20Versionshistorie — 45 veröffentlichte Versionen
20/20Nicht veraltet — aktiv, nicht veraltet oder zurückgezogen
Verwendete Eingangsdaten
packagesfondant
ecosystemspypi
any_deprecatednein
min_days_since_publish878

Engineering-Qualität

Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?

91Exzellent · 19 % des Gesamtindex

Engineering-Praktiken

92Exzellent
Wie die Bewertung erfolgt
24/24CI-Workflows — 4 Workflow(s)
24/24Tests vorhanden
16/16Linter-Konfiguration — pyproject.toml ([tool.ruff]), tox.ini
9.6/9.6Pre-Commit-Hooks
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — keine Daten
Verwendete Eingangsdaten
has_cija
has_testsja
has_editorconfignein
has_linter_configja
has_precommit_configja

Dokumentation

90Exzellent
Wie die Bewertung erfolgt
30/30README
25/25Dokumentationsverzeichnis
15/15Dokumentations-/Homepage-Site — https://fondant.ai/en/stable/
10/10Repository-Beschreibung
10/10Topics — 6 Topics
0/10Wiki
Verwendete Eingangsdaten
topicsdata-processing, fine-tuning, foundation-models, machine-learning, pipeline, python
has_wikinein
homepagehttps://fondant.ai/en/stable/
docs_sitehttps://fondant.ai/en/stable/
has_readmeja
has_docs_dirja
has_descriptionja

Sicherheit

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

17Kritisch · 16 % des Gesamtindex

Sicherheitslage

1Kritisch
Wie die Bewertung erfolgt
0/30Sicherheitsrichtlinie (SECURITY.md)
0/25Dependabot-Konfiguration
0/25Lockfiles für Abhängigkeiten
0/20CodeQL-Workflow
Verwendete Eingangsdaten
sourcefile_signals
lockfiles—
manifestsdata_explorer/requirements.txt, pyproject.toml
has_codeql_workflownein
has_security_policynein
has_dependabot_confignein

Abhängigkeits-Advisories

82Exzellent
Wie die Bewertung erfolgt
35/35Direkte Abhängigkeiten ohne bekannte Advisories — keine direkte Abhängigkeit trägt ein bekanntes Advisory
12.8/25Indirekte Abhängigkeiten ohne bekannte Advisories — 1 betroffen: distributed 2024.2.1 (moderate 6.1)
34.7/40Keine offenen Advisories — 1 Paket(e) mit Advisory seit über 90 Tagen unbehandelt; ältestes vor 244 Tagen veröffentlicht
Verwendete Eingangsdaten
sourceosv
advisories2
affected_packages1
assessed_packages40
unassessed_packages0
affected_by_severitymoderate 1
direct_affected_packages0
Abgeglichen wurde die Laufzeit-Abhängigkeitshülle von pypi:fondant@0.12.1 — das, was die Installation des veröffentlichten Pakets nach sich zieht — mit 40 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.

54Mittel · 4 % des Gesamtindex

AI-Agentenkontext & Leitlinien

40Schwach
Wie die Bewertung erfolgt
0/45Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln
0/15Maschinenlesbare Doku (llms.txt)
40/40Lesbare Commit-Historie — 95 von 100 menschlichen Commits benennen ihre Absicht (strukturierter Betreff oder erläuternder Text)
Verwendete Eingangsdaten
has_llms_txtnein
llms_txt_url—
legible_history_share0,95
agent_instruction_files—
agent_instruction_max_bytes—

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

48Schwach
Wie die Bewertung erfolgt
0/18Bootstrap mit einem Befehl
22/22Automatisierte Tests
11/11Lint-/Format-Konfiguration — pyproject.toml ([tool.ruff]), tox.ini
0/11Statische Typprüfung
10/10Reproduzierbare Umgebung — Dockerfile
0/10Belegte Agentenpraxis — keine von Agenten verfassten Commits unter den letzten 100
0/8Automatisierte Wartung — keine automatisierten Abhängigkeits-Updates beobachtet
0/10OpenSSF Scorecard: Pinned-Dependencies — keine Daten
Verwendete Eingangsdaten
has_nixnein
has_testsja
lockfiles—
has_dockerfileja
typed_languagenein
bootstrap_files—
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
55/55Handhabbare Dateigrößen — 0/108 Quelldateien über 60 KB
Verwendete Eingangsdaten
primary_languagePython
largest_source_bytes36.796
source_files_sampled108
oversized_source_files0

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

359GitHub-Sterne
20Mitwirkende
0Commits, letzte 12 Monate
209Tage seit letztem Push
42Releases
2Bus-Faktor
55offene Issues
PyPIPaket-Ökosysteme

Warnungen zur Datenerhebung

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • pypi download statistics for 'fondant' unavailable this scan (stats endpoint failed after retries); adoption may be under-evidenced
  • pypi download figures for fondant carried forward from the previous scan (stats endpoint unavailable this scan)
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/09/18 06:39:22 Warning: PATs stored in env variables GITHUB_AUTH_TOKEN and GITHUB_TOKEN differ. Scorecard will use the former.); skipping Scorecard checks

Weitere Details

Stern- und Fork-Verlauf 0 ★ / 28 ⇿
0Sterne
28Forks
42Releases

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.

0510152025302842023-052024-082025-12
Major 0Minor 12Patch 12

Jeder Punkt umfasst 3 Tage.

Direkte Abhängigkeiten 15
RegistryPaketVersionsvorgabeManifest
PyPIfsspec>= 2023.4.0pyproject.toml
PyPIimportlib-resources>= 1.3pyproject.toml
PyPIjsonschema>= 4.18pyproject.toml
PyPIpyarrow>= 11.0.0pyproject.toml
PyPIpyyaml>= 5.3.1pyproject.toml
PyPIdask>= 2023.4.1, <2024.3.0pyproject.toml
PyPIdocker>= 6.1.3pyproject.toml
PyPIdask-cuda>=23.4.1pyproject.toml
PyPIgcsfs>= 2023.10.0pyproject.toml
PyPIs3fs>= 2023.4.0pyproject.toml
PyPIadlfs>= 2023.4.0pyproject.toml
PyPIkfp2.6.0pyproject.toml
PyPIgoogle-cloud-aiplatform1.34.0pyproject.toml
PyPIsagemaker>= 2.197.0pyproject.toml
PyPIboto31.28.64pyproject.toml
Alle Abhängigkeiten 63

Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 18 direkte und 45 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.

RegistryPaketVersionBeziehung
PyPIadlfs—direkt
PyPIboto31.28.64direkt
PyPIboto31.34.4direkt
PyPIdask—direkt
PyPIdask2023.5.0direkt
PyPIdask-cuda—direkt
PyPIdocker—direkt
PyPIfsspec—direkt
PyPIfsspec2023.6.0direkt
PyPIgcsfs—direkt
PyPIgoogle-cloud-aiplatform1.34.0direkt
PyPIimportlib-resources—direkt
PyPIjsonschema—direkt
PyPIkfp2.6.0direkt
PyPIpyarrow—direkt
PyPIpyyaml—direkt
PyPIs3fs—direkt
PyPIsagemaker—direkt
PyPIalbumentations1.3.0indirekt
PyPIaleph-alpha-client3.5.1indirekt
PyPIbeautifulsoup44.12.2indirekt
PyPIcohere4.27indirekt
PyPIdatasets2.10.1indirekt
PyPIdatasketch1.5.9indirekt
PyPIfaiss-cpu1.7.4indirekt
PyPIfasttext-wheel0.9.2indirekt
PyPIfpdf1.7.2indirekt
PyPIgraphviz0.20.1indirekt
PyPIhttpx0.24.1indirekt
PyPIhuggingface-hub0.14.1indirekt
PyPIhuggingface-hub0.21.3indirekt
PyPIimagesize1.4.1indirekt
PyPIlangchain0.0.329indirekt
PyPImatplotlib3.7.1indirekt
PyPInltk3.8.1indirekt
PyPInumpy1.24.4indirekt
PyPIopenai0.28.1indirekt
PyPIopencv-python-headless—indirekt
PyPIopensearch-py2.4.2indirekt
PyPIpandas1.5.0indirekt
PyPIpandas2.0.3indirekt
PyPIpillow10.0.1indirekt
PyPIplotly5.15.0indirekt
PyPIpymupdf1.23.8indirekt
PyPIpytest7.4.0indirekt
PyPIpytest7.4.2indirekt
PyPIpytest-mock3.12.0indirekt
PyPIqdrant-client1.6.9indirekt
PyPIrespx0.20.2indirekt
PyPIretry0.9.2indirekt
PyPIsentence-transformers2.2.2indirekt
PyPIst-pages0.4.5indirekt
PyPIstreamlit1.28.2indirekt
PyPIstreamlit-aggrid0.3.4indirekt
PyPIstreamlit-extras0.3.5indirekt
PyPItiktoken0.5.1indirekt
PyPItorch2.0.1indirekt
PyPItorch2.2.1indirekt
PyPItqdm4.65.0indirekt
PyPItransformers4.28.0indirekt
PyPItransformers4.29.2indirekt
PyPItransformers4.38.1indirekt
PyPIweaviate-client3.24.2indirekt
Abhängigkeits-Advisories 1

Die Installation von pypi:fondant@0.12.1 zieht 40 Pakete nach sich, direkt und transitiv: 1 tragen bekannte Advisories, davon 0 direkte Abhängigkeiten.

PaketVersionBeziehungSchweregradAdvisoriesBehoben in
distributed2024.2.1indirektmittel22026.1.0

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 ml6team/fondant teilen. Nebeneinander lesen →

100PrefectHQ/prefectPrefect is a workflow orchestration framework for building resilient data pipelines in Python.Außergewöhnlich100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflowsAußergewöhnlich98marimo-team/marimoA reactive notebook for Python — run reproducible experiments, query with SQL, execute as a script, deploy as an app, and version with git. Stored as pure Python. All in a modern, AI-native editor.Außergewöhnlich98deepnote/deepnoteDeepnote is a drop-in replacement for Jupyter with an AI-first design, sleek UI, new blocks, and native data integrations. Use Python, R, and SQL locally in your favorite IDE, then scale to Deepnote cloud for real-time collaboration, Deepnote agent, and deployable data apps. https://deepnote.com/Außergewöhnlich100streamlit/streamlitStreamlit — A faster way to build and share data apps.Außergewöhnlich100huggingface/transformers🤗 Transformers: the model-definition framework for state-of-the-art machine learning models in text, vision, audio, and multimodal models, for both inference and training. 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.