neuromatchacademy / course-content
NMA Computational Neuroscience course
neuromatchacademy/course-content erreicht einen Gesundheitsindex von 78 von 100 und liegt damit im Bereich Gut. Am stärksten schneidet es bei Sustainability & Governance (84/100) ab, am schwächsten bei AI Readiness (24/100). Zuletzt vor 2 Tagen aktualisiert. 4 Mitwirkende tragen den Großteil der jüngsten Arbeit.
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.
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 67 wird auf der veröffentlichten Indexskala auf 78 kalibriert (Register-Kalibrierung 2026-08-02).
Eigentümerschaft
Dieses Repository wird von einer Organisation getragen — geteilte, rechenschaftspflichtige Trägerschaft, die jeden einzelnen Maintainer überdauern kann.
Metriken nach Kategorie
Vitalität
Lebt das Projekt — wird Code geschrieben und werden Releases ausgeliefert?
Wie die Bewertung erfolgt
| 36/36 | Push-Aktualität — letzter Push vor 2 Tagen |
| 6.9/36 | Commit-Rhythmus — 10/52 Wochen mit Commits |
| 18/18 | Commit-Volumen — 120 Commits im letzten Jahr |
| 10/10 | OpenSSF Scorecard: Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10 |
Verwendete Eingangsdaten
| commits_last_year | 120 |
| human_commit_share | — |
| days_since_last_push | 2 |
| active_weeks_last_year | 10 |
Release-Disziplin
Wie die Bewertung erfolgt
| 27/27 | Liefert Releases aus — 28 Releases veröffentlicht |
| 36/36 | Release-Aktualität — letztes Release vor 2 Tagen |
| 27/27 | Release-Rhythmus — ein Release etwa alle 12,9 Tage |
| 0/10 | OpenSSF Scorecard: Signed-Releases — keine Daten |
Verwendete Eingangsdaten
| releases_count | 28 |
| latest_release_tag | v3.2.2 |
| releases_from_tags | nein |
| days_since_latest_release | 2 |
| mean_days_between_releases | 12,9 |
Community & Verbreitung
Hat das Projekt Nutzer, Downloads, Aufmerksamkeit und ein einladendes Umfeld für Beitragende?
Popularität & Verbreitung
Wie die Bewertung erfolgt
| 56.6/60 | Stars — 3.087 Stars |
| 25/25 | Forks — 1.085 Forks |
| 11/15 | Watcher — 96 Watcher |
Verwendete Eingangsdaten
| forks | 1.085 |
| stars | 3.087 |
| watchers | 96 |
| growth_state | unverified |
| growth_factor_pct | 100 |
| growth_unverified_reason | no_history |
Community-Gesundheit
Wie die Bewertung erfolgt
| 22.5/22.5 | README |
| 22.5/22.5 | Lizenz — anerkannte Lizenz (CC-BY-4.0) |
| 18/18 | CONTRIBUTING-Leitfaden |
| 0/13.5 | Verhaltenskodex |
| 0/7.2 | Issue-Vorlage |
| 0/6.3 | PR-Vorlage |
Verwendete Eingangsdaten
| has_readme | ja |
| has_license | ja |
| readme_badges | — |
| has_contributing | ja |
| has_issue_template | nein |
| has_code_of_conduct | nein |
| readme_badge_services | — |
| has_pull_request_template | nein |
Nachhaltigkeit & Governance
Überdauert das Projekt die Menschen, die es tragen — Bus-Faktor, Reaktionsfähigkeit, Trägerschaft und Paketpflege?
Maintainer-Resilienz (Bus-Faktor)
Wie die Bewertung erfolgt
| 43.2/54 | Bus-Faktor — 4 Beitragende decken die Hälfte aller Commits ab |
| 18.8/22.5 | Commit-Verteilung — wichtigste beitragende Person verfasste 16 % der Commits |
| 13.5/13.5 | Breite der Beitragenden — 65 Beitragende |
| 10/10 | OpenSSF Scorecard: Contributors — project has 61 contributing companies or organizations |
Verwendete Eingangsdaten
| bus_factor | 4 |
| contributors_sampled | 65 |
| top_contributor_share | 0,163 |
Wie die Bewertung erfolgt
| 36.7/42 | Issue-Lösungsquote — 87 % der Issues geschlossen |
| 24.4/30 | PR-Annahme — 781/960 entschiedene PRs gemergt |
| 0/13 | Newcomer PR acceptance — kein PR eines Erstbeitragenden in 30 Tagen entschieden |
| 6/15 | OpenSSF Scorecard: Code-Review — Found 3/7 approved changesets -- score normalized to 4 |
Verwendete Eingangsdaten
| merged_prs | 781 |
| open_issues | 29 |
| closed_issues | 200 |
| prs_merged_7d | — |
| prs_decided_7d | — |
| prs_merged_30d | — |
| prs_decided_30d | — |
| issue_closed_ratio | 0,873 |
| closed_unmerged_prs | 179 |
| first_time_authors_30d | — |
| first_time_prs_merged_30d | — |
| first_time_prs_decided_30d | — |
Eigentümerschaft & Trägerschaft
Wie die Bewertung erfolgt
| 30/30 | Organisatorische Trägerschaft — im Besitz einer Organisation |
| 0/20 | Verifizierte Domain — Verifizierungsstatus der Domain für diese Organisation nicht ausgelesen |
| 21/25 | Reichweite des Inhabers — 842 Follower von NeuromatchAcademy |
| 20.8/25 | Kontohistorie — 15 öffentliche Repos, Kontoalter ca. 6 Jahre |
Verwendete Eingangsdaten
| followers | 842 |
| owner_type | Organization |
| is_verified | — |
| owner_login | NeuromatchAcademy |
| public_repos | 15 |
| account_age_days | 2.283 |
Engineering-Qualität
Sind grundlegende Engineering- und Dokumentationspraktiken vorhanden?
Engineering-Praktiken
Wie die Bewertung erfolgt
| 24/24 | CI-Workflows — 5 Workflow(s) |
| 0/24 | Tests vorhanden |
| 0/16 | Linter-Konfiguration |
| 0/9.6 | Pre-Commit-Hooks |
| 0/6.4 | .editorconfig |
| 0/20 | OpenSSF Scorecard: CI-Tests — 0 out of 8 merged PRs checked by a CI test -- score normalized to 0 |
Verwendete Eingangsdaten
| has_ci | ja |
| has_tests | nein |
| has_editorconfig | nein |
| has_linter_config | nein |
| has_precommit_config | nein |
Dokumentation
Wie die Bewertung erfolgt
| 30/30 | README |
| 0/25 | Dokumentationsverzeichnis |
| 15/15 | Dokumentations-/Homepage-Site — https://compneuro.neuromatch.io |
| 10/10 | Repository-Beschreibung |
| 10/10 | Topics — 4 Topics |
| 10/10 | Wiki |
Verwendete Eingangsdaten
| topics | neuroscience, machine-learning, dynamic-systems, stochastic-processes |
| has_wiki | ja |
| homepage | https://compneuro.neuromatch.io |
| docs_site | https://compneuro.neuromatch.io |
| has_readme | ja |
| has_docs_dir | nein |
| has_description | ja |
Sicherheit
Sind die sichtbaren Sicherheits- und Lieferkettenpraktiken belastbar, ohne ungeklärte Exposition gegenüber Hochrisikojurisdiktionen?
Sicherheitslage
Wie die Bewertung erfolgt
| 7.5/7.5 | Binary-Artifacts — no binaries found in the repo |
| 0/7.5 | Branch-Protection — keine Daten |
| 0/2.5 | CI-Tests — 0 out of 8 merged PRs checked by a CI test -- score normalized to 0 |
| 0/2.5 | CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected |
| 3/7.5 | Code-Review — Found 3/7 approved changesets -- score normalized to 4 |
| 2.5/2.5 | Contributors — project has 61 contributing companies or organizations |
| 0/10 | Dangerous-Workflow — dangerous workflow patterns detected |
| 7.5/7.5 | Dependency-Update-Tool — update tool detected |
| 0/5 | Fuzzing — project is not fuzzed |
| 2.5/2.5 | Lizenz — license file detected |
| 7.5/7.5 | Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10 |
| 0/5 | Packaging — keine Daten |
| 0/5 | Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0 |
| 0/5 | SAST — SAST tool is not run on all commits -- score normalized to 0 |
| 0/5 | Security-Policy — security policy file not detected |
| 0/7.5 | Signed-Releases — keine Daten |
| 0/7.5 | Token-Permissions — detected GitHub workflow tokens with excessive permissions |
| 7.5/7.5 | Vulnerabilities — 0 existing vulnerabilities detected |
Verwendete Eingangsdaten
| source | openssf_scorecard |
| checks_evaluated | 15 |
| scorecard_version | v5.5.0 |
| checks_inconclusive | 3 |
| scorecard_aggregate | 4,5 |
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.
AI-Agentenkontext & Leitlinien
Wie die Bewertung erfolgt
| 0/45 | Agentenanweisungen — keine CLAUDE.md / AGENTS.md / Editor-Regeln |
| 0/15 | Maschinenlesbare Doku (llms.txt) |
| 0/40 | Lesbare Commit-Historie — keine Daten |
Verwendete Eingangsdaten
| has_llms_txt | nein |
| llms_txt_url | — |
| legible_history_share | — |
| agent_instruction_files | — |
| agent_instruction_max_bytes | — |
Wie die Bewertung erfolgt
| 0/18 | Bootstrap mit einem Befehl |
| 0/22 | Automatisierte Tests |
| 0/11 | Lint-/Format-Konfiguration |
| 0/11 | Statische Typprüfung |
| 0/10 | Reproduzierbare Umgebung |
| 0/10 | Belegte Agentenpraxis — keine Daten |
| 0/8 | Automatisierte Wartung — keine Daten |
| 0/10 | OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0 |
Verwendete Eingangsdaten
| has_nix | nein |
| has_tests | nein |
| lockfiles | — |
| has_dockerfile | nein |
| typed_language | nein |
| bootstrap_files | — |
| has_devcontainer | nein |
| has_linter_config | nein |
| typecheck_configs | — |
| agent_commit_share | — |
| toolchain_manifests | — |
| dependency_bot_commit_share | — |
AI-Code-Lesbarkeit für Modelle
Wie die Bewertung erfolgt
| 0/45 | Typprüfbarer Code — Jupyter Notebook ohne Typprüfungs-Konfiguration |
| 55/55 | Handhabbare Dateigrößen — 0/250 Quelldateien über 60 KB |
Verwendete Eingangsdaten
| primary_language | Jupyter Notebook |
| largest_source_bytes | 3.284 |
| source_files_sampled | 250 |
| oversized_source_files | 0 |
Maschinenlesbare AI-Schnittstellen
Wie die Bewertung erfolgt
| 0/40 | API-Schema (OpenAPI/GraphQL/proto) — für diese Art von Software nicht anwendbar |
| 0/20 | MCP-Server — für diese Art von Software nicht anwendbar |
| 40/40 | Lauffähige Beispiele — notebooks |
Verwendete Eingangsdaten
| example_dirs | notebooks |
| has_mcp_signal | nein |
| api_schema_files | — |
| interfaces_expected_of | — |
Eckdaten
Weitere Details
OpenSSF Scorecard 4.5 / 10
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).
| 10 | Binary-Artifacts | no binaries found in the repo |
| k. A. | Branch-Protection | internal 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 |
| 0 | CI-Tests | 0 out of 8 merged PRs checked by a CI test -- score normalized to 0 |
| 0 | CII-Best-Practices | no effort to earn an OpenSSF best practices badge detected |
| 4 | Code-Review | Found 3/7 approved changesets -- score normalized to 4 |
| 10 | Contributors | project has 61 contributing companies or organizations |
| 0 | Dangerous-Workflow | dangerous workflow patterns detected |
| 10 | Dependency-Update-Tool | update tool detected |
| 0 | Fuzzing | project is not fuzzed |
| 10 | License | license file detected |
| 10 | Maintained | 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10 |
| k. A. | Packaging | packaging workflow not detected |
| 0 | Pinned-Dependencies | dependency not pinned by hash detected -- score normalized to 0 |
| 0 | SAST | SAST tool is not run on all commits -- score normalized to 0 |
| 0 | Security-Policy | security policy file not detected |
| k. A. | Signed-Releases | no releases found |
| 0 | Token-Permissions | detected GitHub workflow tokens with excessive permissions |
| 10 | Vulnerabilities | 0 existing vulnerabilities detected |
Alle Abhängigkeiten 18
Vollständig aufgelöster Abhängigkeitssatz aus dem GitHub-Abhängigkeitsgraphen: 0 direkte und 18 indirekte (transitive) Pakete. Die transitive Hülle ist vollständig, wenn das Repository eine Lockfile eincheckt.
| Registry | Paket | Version | Beziehung |
|---|---|---|---|
| PyPI | decorator | 5.0.9 | indirekt |
| PyPI | h5py | — | indirekt |
| PyPI | ipywidgets | — | indirekt |
| PyPI | matplotlib | — | indirekt |
| PyPI | natsort | — | indirekt |
| PyPI | numpy | — | indirekt |
| PyPI | opencv-python | — | indirekt |
| PyPI | pandas | — | indirekt |
| PyPI | papermill | 2.1.1 | indirekt |
| PyPI | pathlib | — | indirekt |
| PyPI | redis | 3.5.3 | indirekt |
| PyPI | requests | — | indirekt |
| PyPI | scikit-learn | — | indirekt |
| PyPI | scipy | — | indirekt |
| PyPI | torch | — | indirekt |
| PyPI | torchvision | — | indirekt |
| PyPI | tqdm | — | indirekt |
| PyPI | xkcd | — | indirekt |
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.
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 v0.11.0 — vollständige Methodik · Metriken-Wiki.
Wie ein einzelnes Ergebnis im Gesamtregister steht: aggregierte Statistiken.