Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-09-09 02:08 UTC

aws / sagemaker-python-sdk

A library for training and deploying machine learning models on Amazon SageMaker

PythonApache-2.0★ 2260 estrellas⑂ 1298 forksdesde nov 2017Ver en GitHub ↗
TipoBibliotecacómo se determina
#aws#mxnet#tensorflow#machine-learning#python#pytorch#sagemaker#huggingface

aws/sagemaker-python-sdk tiene un índice de salud de 96 sobre 100, lo que lo sitúa en la banda Excepcional. Su puntuación más alta es Vitality (95/100) y la más baja, Security (42/100). Se actualizó por última vez hoy. 17 personas concentran la mayor parte del trabajo reciente.

96
global / 100
Excepcional

Índice de salud del software

Las métricas se agrupan en categorías ponderadas sobre una escala estandarizada de 1 a 100. El resultado global parte de su media ponderada, calibrada contra la distribución del registro público para que las bandas tengan significado percentil; cuando la evidencia pública activa la Política de Jurisdicciones de Alto Riesgo, la calificación se ajusta y recibe un límite «En riesgo» de 34.

96
Excepcional93-100El nivel más alto del registro (≈ el 5% superior); cumple prácticamente todos los criterios evaluados
Excelente80-92Sólido en todos los frentes; carencias menores
Bueno65-79Saludable; carencias limitadas y manejables
Moderado50-64Aceptable con carencias notables; se recomienda revisión
Débil35-49Debilidades sustanciales en varias áreas
En riesgo20-34Debilidades significativas; su adopción exige cautela
Crítico1-19Problemas graves (proyecto abandonado, un solo mantenedor, sin higiene)
VitalidadComunidad yAdopciónSostenibilidady GobernanzaCalidad deIngenieríaSeguridadPreparaciónpara IA

Perfil de puntuación

Cada eje es una categoría. La forma importa más que la media: un proyecto sano llena toda la figura, mientras que un perfil de picos y cráteres indica que la fortaleza en una dimensión enmascara el riesgo en otra.

El resultado global ponderado 83 se calibra a 96 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

Amazon Web ServicesOrganización · dominio verificado
16.712 seguidores552 repositorios públicosdesde ago 2012

Este repositorio está respaldado por una organización: una custodia compartida y responsable que puede sobrevivir a cualquier mantenedor individual.

Ecosistemas de paquetes

RegistroPaqueteVersiónDescargas / mesVersionesÚltima publicaciónEtiquetas
PyPIsagemaker3.21.017.708.048689hace 14 díasaiawsamazonmlmxnettensorflowpytorchhuggingface
PyPIsagemaker-core2.21.05.683.765111hace 14 días—
PyPIsagemaker-mlops1.21.01.001.35629hace 14 días—
PyPIsagemaker-serve1.21.0998.54230hace 14 días—
PyPIsagemaker-train1.21.0988.88329hace 14 díasaiawsamazonmlmxnettensorflowpytorchhuggingface

Métricas por categoría

Vitalidad

¿Está vivo el proyecto: se escribe código y se publican versiones?

95Excepcional · 21% del índice global

Actividad de desarrollo

92Excelente
Cómo se puntúa
36/36Recencia de push — último push hace 0 días
29.1/36Cadencia de commits — 42/52 semanas con commits
18/18Volumen de commits — 406 commits en el último año
0/10OpenSSF Scorecard: Maintained — sin datos
Datos de entrada utilizados
commits_last_year406
human_commit_share0,97
days_since_last_push0
active_weeks_last_year42

Disciplina de publicación

100Excepcional
Cómo se puntúa
27/27Publica versiones — 100 versiones publicadas
36/36Recencia de las versiones — última versión hace 14 días
27/27Cadencia de publicación — una versión cada ~4,8 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count100
latest_release_tagv3.21.0
releases_from_tagsno
days_since_latest_release14
mean_days_between_releases4,8

Comunidad y Adopción

¿Tiene el proyecto usuarios, descargas, atención y unas condiciones acogedoras para quienes contribuyen?

94Excepcional · 17% del índice global

Popularidad y adopción

91Excelente
Cómo se puntúa
54.4/60Estrellas — 2260 estrellas
25/25Forks — 1298 forks
11.6/15Observadores — 125 observadores
Datos de entrada utilizados
forks1298
stars2260
watchers125
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

92Excelente
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (Apache-2.0)
18/18Guía CONTRIBUTING
13.5/13.5Código de conducta
0/7.2Plantilla de issues
6.3/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges5
has_contributingsí
has_issue_templateno
has_code_of_conductsí
readme_badge_servicesgithub.com, readthedocs.org, shields.io
has_pull_request_templatesí

Adopción en el ecosistema (descargas)

100Excepcional
Cómo se puntúa
80/80Descargas mensuales — 24.380.696 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagessagemaker, sagemaker-core, sagemaker-train
dependents—
ecosystemspypi
total_downloads—
monthly_downloads24.380.696
unverified_packages_excludedsagemaker-mlops, sagemaker-serve
Excluidos de la puntuación (sin datos o no aplicable): Dependientes en el registro. Los pesos restantes se han renormalizado.

Sostenibilidad y Gobernanza

¿Sobrevivirá el proyecto a sus personas: factor bus, capacidad de respuesta, quién lo respalda y mantenimiento del paquete?

93Excepcional · 23% del índice global

Resiliencia de mantenedores (factor bus)

97Excepcional
Cómo se puntúa
54/54Factor bus — la mitad de los commits recae en 17 contribuyente(s)
19.8/22.5Distribución de commits — el principal contribuyente firma el 12% de los commits
13.5/13.5Amplitud de contribuyentes — 99 contribuyentes
0/10OpenSSF Scorecard: Contributors — sin datos
Datos de entrada utilizados
bus_factor17
contributors_sampled99
top_contributor_share0,122

Capacidad de respuesta a issues y PR

76Bueno
Cómo se puntúa
36.1/42Resolución de issues — 86% de issues cerradas
24.8/30Aceptación de PR — 3399/4104 PR decididos fusionados
3.7/13Newcomer PR acceptance — 2/7 PR de contribuyentes primerizos fusionados en 30 d
0/15OpenSSF Scorecard: Code-Review — sin datos
Datos de entrada utilizados
merged_prs3399
open_issues242
closed_issues1477
prs_merged_7d4
prs_decided_7d5
prs_merged_30d44
prs_decided_30d55
issue_closed_ratio0,859
closed_unmerged_prs705
first_time_authors_30d5
first_time_prs_merged_30d2
first_time_prs_decided_30d7

Propiedad y custodia

100Excepcional
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
20/20Dominio verificado
25/25Alcance del propietario — 16.712 seguidores de aws
25/25Trayectoria — 552 repos públicos, cuenta de ~14 años
Datos de entrada utilizados
followers16.712
owner_typeOrganization
is_verifiedsí
owner_loginaws
public_repos552
account_age_days5124

Mantenimiento de paquetes

100Excepcional
Cómo se puntúa
25/25Publicado y resoluble — 5 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 14 días
20/20Historial de versiones — 689 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagessagemaker, sagemaker-core, sagemaker-mlops, sagemaker-serve, sagemaker-train
ecosystemspypi
any_deprecatedno
min_days_since_publish14

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

84Excelente · 19% del índice global

Prácticas de ingeniería

80Excelente
Cómo se puntúa
24/24Flujos de trabajo de CI — 12 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter — .pylintrc, pyproject.toml ([tool.black]), sagemaker-core/pyproject.toml ([tool.black]), sagemaker-mlops/pyproject.toml ([tool.black]), sagemaker-serve/pyproject.toml ([tool.black]), sagemaker-train/pyproject.toml ([tool.black]), tox.ini
0/9.6Hooks de pre-commit
0/6.4.editorconfig
0/20OpenSSF Scorecard: CI-Tests — sin datos
Datos de entrada utilizados
has_cisí
has_testssí
has_editorconfigno
has_linter_configsí
has_precommit_configno

Documentación

90Excelente
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://sagemaker.readthedocs.io/
10/10Descripción del repositorio
10/10Topics — 8 topics
0/10Wiki
Datos de entrada utilizados
topicsaws, mxnet, tensorflow, machine-learning, python, pytorch, sagemaker, huggingface
has_wikino
homepagehttps://sagemaker.readthedocs.io/
docs_sitehttps://sagemaker.readthedocs.io/
has_readmesí
has_docs_dirsí
has_descriptionsí

Seguridad

¿Son sólidas las prácticas visibles de seguridad y de cadena de suministro, sin exposición jurisdiccional de alto riesgo sin resolver?

42Débil · 16% del índice global

Postura de seguridad

27En riesgo
Cómo se puntúa
0/30Política de seguridad (SECURITY.md)
0/25Configuración de Dependabot
0/25Lockfiles de dependencias — biblioteca publicada — los lockfiles son cosa de las aplicaciones, no se esperan aquí
20/20Flujo de trabajo de CodeQL
Datos de entrada utilizados
sourcefile_signals
lockfiles—
manifestsdocs/requirements.txt, pyproject.toml, sagemaker-core/pyproject.toml, sagemaker-mlops/pyproject.toml, sagemaker-serve/pyproject.toml, sagemaker-train/pyproject.toml
has_codeql_workflowsí
has_security_policyno
has_dependabot_configno
Excluidos de la puntuación (sin datos o no aplicable): Lockfiles de dependencias. Los pesos restantes se han renormalizado.

Avisos de dependencias

100Excepcional
Cómo se puntúa
35/35Dependencias directas libres de avisos conocidos — ninguna dependencia directa tiene un aviso conocido
25/25Dependencias indirectas libres de avisos conocidos — ninguna dependencia indirecta tiene un aviso conocido
0/40Sin avisos pendientes — ningún aviso tiene fecha de publicación
Datos de entrada utilizados
sourceosv
advisories0
affected_packages0
assessed_packages173
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Excluidos de la puntuación (sin datos o no aplicable): Sin avisos pendientes. Los pesos restantes se han renormalizado. Se cotejó el cierre de dependencias en tiempo de ejecución de pypi:sagemaker@3.21.0 —lo que arrastra la instalación del paquete publicado—: 173 paquetes. No se analiza la alcanzabilidad.

Preparación para IA

¿Hasta qué punto está el repositorio preparado para desarrollarse y mantenerse con agentes de codificación de IA? Tiene un peso deliberadamente pequeño (4%): las herramientas para agentes son una señal real de mantenimiento, pero un repositorio sin ninguna puede alcanzar igualmente 100/100.

84Excelente · 4% del índice global

Contexto y guía para agentes

100Excepcional
Cómo se puntúa
45/45Instrucciones para agentes — .github/copilot-instructions.md, AGENTS.md, CLAUDE.md, GEMINI.md
15/15Documentación legible por máquinas (llms.txt) — llms.txt presente
40/40Historial de commits legible — 97 de 97 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtsí
llms_txt_url—
legible_history_share1
agent_instruction_files.github/copilot-instructions.md, AGENTS.md, CLAUDE.md, GEMINI.md
agent_instruction_max_bytes7702

Bucle de verificación (compilación / pruebas / verificación de tipos)

77Bueno
Cómo se puntúa
18/18Arranque con un solo comando — docs/Makefile, sagemaker-core/docs/Makefile
22/22Pruebas automatizadas
11/11Configuración de lint / formato — .pylintrc, pyproject.toml ([tool.black]), sagemaker-core/pyproject.toml ([tool.black]), sagemaker-mlops/pyproject.toml ([tool.black]), sagemaker-serve/pyproject.toml ([tool.black]), sagemaker-train/pyproject.toml ([tool.black]), tox.ini
0/11Verificación estática de tipos
10/10Entorno reproducible — Dockerfile
0/10Práctica demostrada con agentes — ningún commit con autoría de agente entre los últimos 100
8/8Mantenimiento automatizado — 3 de los últimos 100 commits son actualizaciones automáticas de dependencias
0/10OpenSSF Scorecard: Pinned-Dependencies — sin datos
Datos de entrada utilizados
has_nixno
has_testssí
lockfiles—
has_dockerfilesí
typed_languageno
bootstrap_filesdocs/Makefile, sagemaker-core/docs/Makefile
has_devcontainerno
has_linter_configsí
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0,03

Legibilidad del código para modelos

53Moderado
Cómo se puntúa
0/45Código verificable por tipos — Python sin configuración de verificación de tipos
53.1/55Tamaños de archivo manejables — 43/1257 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes1.579.352
source_files_sampled1257
oversized_source_files43

Interfaces legibles por máquina

100Excepcional
Cómo se puntúa
0/40Esquema de API (OpenAPI/GraphQL/proto) — no aplicable a este tipo de software
0/20Servidor MCP — no aplicable a este tipo de software
40/40Ejemplos ejecutables — notebooks, sample
Datos de entrada utilizados
example_dirsnotebooks, sample
has_mcp_signalno
api_schema_files—
interfaces_expected_of—
Excluidos de la puntuación (sin datos o no aplicable): Esquema de API (OpenAPI/GraphQL/proto), Servidor MCP. Los pesos restantes se han renormalizado.

Datos clave

2260estrellas de GitHub
99contribuidores
406commits en los últimos 12 meses
0días desde el último push
100versiones publicadas
17factor bus
242issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • First-time contributor figures cover 12 of 24 authors (cap 12)
  • OpenSSF Scorecard did not return a usable result (killed by SIGKILL — most likely the container's memory limit; 2026/09/09 02:06:59 Warning: PATs stored in env variables GITHUB_AUTH_TOKEN and GITHUB_TOKEN differ. Scorecard will use the former.); skipping Scorecard checks

Más detalle

Historial de estrellas y forks 0 ★ / 1298 ⇿
0Estrellas
1298Forks
100Versiones

Cuándo se añadió cada estrella y fork, recopilado de GitHub y agrupado por día. El crecimiento acumulado se sitúa justo encima de las adiciones diarias que lo componen, de modo que ambos se leen en conjunto: la acumulación orgánica sostenida no se parece en nada a un pico abrupto y efímero. Cuando esa diferencia es medible, se informa como autenticidad del crecimiento.

Solo se muestra el historial más reciente: este repositorio supera la ventana de recopilación, por lo que no se captura el historial más antiguo.

200400600800100012001400129882019-092023-032026-09
Mayor 1Menor 56Parche 43

Cada punto abarca 7 días.

Dependencias directas 63
RegistroPaqueteRestricción de versiónManifiesto
PyPIsagemaker-core>=2.21.0,<3.0.0pyproject.toml
PyPIsagemaker-train>=1.21.0,<2.0.0pyproject.toml
PyPIsagemaker-serve>=1.21.0,<2.0.0pyproject.toml
PyPIsagemaker-mlops>=1.21.0,<2.0.0pyproject.toml
PyPIboto3>=1.43.20,<2.0.0sagemaker-core/pyproject.toml
PyPIpydantic>=2.0.0,<3.0.0sagemaker-core/pyproject.toml
PyPIPyYAML>=6.0, <7.0sagemaker-core/pyproject.toml
PyPIjsonschema<5.0.0sagemaker-core/pyproject.toml
PyPIplatformdirs>=4.0.0, <5.0.0sagemaker-core/pyproject.toml
PyPIrich>=13.0.0, <15.0.0sagemaker-core/pyproject.toml
PyPImock>4.0, <5.0sagemaker-core/pyproject.toml
PyPIimportlib-metadata<7.0,>=1.4.0sagemaker-core/pyproject.toml
PyPItyping_extensions>=4.9.0sagemaker-core/pyproject.toml
PyPIpytz>=2021.1sagemaker-core/pyproject.toml
PyPIrequests>=2.20.0,<3.0.0sagemaker-core/pyproject.toml
PyPIattrs>=20.3.0sagemaker-core/pyproject.toml
PyPIpackaging>=20.0sagemaker-core/pyproject.toml
PyPIprotobuf>=3.12,<7.0.0sagemaker-core/pyproject.toml
PyPIpandas>=1.0.0sagemaker-core/pyproject.toml
PyPInumpy>=1.9.0sagemaker-core/pyproject.toml
PyPIsmdebug_rulesconfig>=1.0.1sagemaker-core/pyproject.toml
PyPIschema>=0.7.5sagemaker-core/pyproject.toml
PyPIomegaconf>=2.1.0sagemaker-core/pyproject.toml
PyPIscipy>=1.5.0sagemaker-core/pyproject.toml
PyPIcloudpickle>=2.0.0sagemaker-core/pyproject.toml
PyPIparamiko>=2.11.0sagemaker-core/pyproject.toml
PyPItblib>=1.7.0sagemaker-core/pyproject.toml
PyPIcryptography>=46.0.0sagemaker-core/pyproject.toml
PyPIsagemaker-core>=2.21.0sagemaker-mlops/pyproject.toml
PyPIsagemaker-train>=1.21.0sagemaker-mlops/pyproject.toml
PyPIsagemaker-serve>=1.21.0sagemaker-mlops/pyproject.toml
PyPIcryptography>=46.0.0sagemaker-mlops/pyproject.toml
PyPIboto3>=1.42.2,<2.0sagemaker-mlops/pyproject.toml
PyPIbotocore>=1.42.2,<2.0sagemaker-mlops/pyproject.toml
PyPIpyiceberg>=0.8.0sagemaker-mlops/pyproject.toml
PyPIpyarrow>=14.0.0sagemaker-mlops/pyproject.toml
PyPIs3fs—sagemaker-mlops/pyproject.toml
PyPIsagemaker-core>=2.21.0sagemaker-serve/pyproject.toml
PyPIsagemaker-train>=1.21.0sagemaker-serve/pyproject.toml
PyPIboto3>=1.42.2,<2.0sagemaker-serve/pyproject.toml
PyPIbotocore>=1.35.75,<2.0sagemaker-serve/pyproject.toml
PyPIdeepdiff—sagemaker-serve/pyproject.toml
PyPImlflow—sagemaker-serve/pyproject.toml
PyPIsagemaker_schema_inference_artifacts—sagemaker-serve/pyproject.toml
PyPIpytest—sagemaker-serve/pyproject.toml
PyPItqdm—sagemaker-serve/pyproject.toml
PyPIpsutil—sagemaker-serve/pyproject.toml
PyPItritonclient—sagemaker-serve/pyproject.toml
PyPIonnx—sagemaker-serve/pyproject.toml
PyPIonnxruntime—sagemaker-serve/pyproject.toml
PyPItorch>=2.0.0sagemaker-serve/pyproject.toml
PyPIsagemaker-core>=2.21.0sagemaker-train/pyproject.toml
PyPIgraphene>=3,<4sagemaker-train/pyproject.toml
PyPItyping_extensions>=4.9.0sagemaker-train/pyproject.toml
PyPItblib>=1.7.0sagemaker-train/pyproject.toml
PyPIPyYAML>=6.0,<7.0sagemaker-train/pyproject.toml
PyPIparamiko>=2.11.0sagemaker-train/pyproject.toml
PyPIjinja2>=3.0,<4.0sagemaker-train/pyproject.toml
PyPIsagemaker-mlflow>=0.0.1,<1.0.0sagemaker-train/pyproject.toml
PyPImlflow>=3.0.0,<4.0.0sagemaker-train/pyproject.toml
PyPInest_asyncio>=1.5.0sagemaker-train/pyproject.toml
PyPIrequests>=2.28.0sagemaker-train/pyproject.toml
PyPIpydantic>=2.0.0sagemaker-train/pyproject.toml
Todas las dependencias 148

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 45 paquetes directos y 103 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIattrs—directa
PyPIboto3—directa
PyPIbotocore—directa
PyPIcloudpickle—directa
PyPIcloudpickle2.2.1directa
PyPIcryptography—directa
PyPIgraphene—directa
PyPIimportlib-metadata—directa
PyPIjinja2—directa
PyPIjsonschema—directa
PyPImlflow—directa
PyPImock—directa
PyPInest-asyncio—directa
PyPInumpy—directa
PyPIomegaconf—directa
PyPIpackaging—directa
PyPIpandas—directa
PyPIpandas1.3.4directa
PyPIparamiko—directa
PyPIplatformdirs—directa
PyPIprotobuf—directa
PyPIpyarrow—directa
PyPIpydantic—directa
PyPIpydantic2.11.9directa
PyPIpyiceberg—directa
PyPIpytest—directa
PyPIpytz—directa
PyPIpyyaml—directa
PyPIrequests—directa
PyPIrich—directa
PyPIsagemaker-core—directa
PyPIsagemaker-mlflow—directa
PyPIsagemaker-mlops—directa
PyPIsagemaker-serve—directa
PyPIsagemaker-train—directa
PyPIschema—directa
PyPIscipy—directa
PyPIscipy1.10.1directa
PyPIscipy1.13.0directa
PyPIsmdebug-rulesconfig—directa
PyPItblib—directa
PyPItorch—directa
PyPItorch2.8.0directa
PyPItqdm—directa
PyPItyping-extensions—directa
PyPIaltair—indirecta
PyPIanyio—indirecta
PyPIastroid3.0.2indirecta
PyPIawscli—indirecta
PyPIblack—indirecta
PyPIblack26.3.1indirecta
PyPIblinker—indirecta
PyPIbuild—indirecta
PyPIbuild1.2.1indirecta
PyPIcachetools—indirecta
PyPIcertifi2024.7.4indirecta
PyPIcharset-normalizer—indirecta
PyPIclick—indirecta
PyPIcolorama—indirecta
PyPIcontextlib2—indirecta
PyPIdatasets—indirecta
PyPIdecorator—indirecta
PyPIdill—indirecta
PyPIdoc81.1.2indirecta
PyPIdocker—indirecta
PyPIdocutils—indirecta
PyPIdoes-not-exist—indirecta
PyPIentrypoints—indirecta
PyPIfastapi—indirecta
PyPIfilelock—indirecta
PyPIflake87.1.2indirecta
PyPIflake8-future-import0.4.7indirecta
PyPIgitdb—indirecta
PyPIgitpython—indirecta
PyPIgunicorn—indirecta
PyPIh11—indirecta
PyPIhttpx—indirecta
PyPIhuggingface-hub—indirecta
PyPIidna—indirecta
PyPIipywidgets—indirecta
PyPIjmespath—indirecta
PyPImarkdown-it-py—indirecta
PyPImarkupsafe—indirecta
PyPImatplotlib—indirecta
PyPImdurl—indirecta
PyPImpmath—indirecta
PyPImultiprocess—indirecta
PyPImypy0.942indirecta
PyPImyst-nb—indirecta
PyPImyst-parser—indirecta
PyPInbsphinx—indirecta
PyPInetworkx—indirecta
PyPIpathos—indirecta
PyPIpillow—indirecta
PyPIpox—indirecta
PyPIppft—indirecta
PyPIprotobuf3-to-dict—indirecta
PyPIpyasn1—indirecta
PyPIpydantic-core2.33.2indirecta
PyPIpydeck—indirecta
PyPIpydocstyle6.1.1indirecta
PyPIpyenchant3.2.2indirecta
PyPIpygments—indirecta
PyPIpygments2.18.0indirecta
PyPIpylint—indirecta
PyPIpylint3.0.3indirecta
PyPIpympler—indirecta
PyPIpyrsistent—indirecta
PyPIpyspark3.5.1indirecta
PyPIpytest-cov—indirecta
PyPIpytest-rerunfailures—indirecta
PyPIpytest-xdist—indirecta
PyPIpython-dateutil—indirecta
PyPIpytz-deprecation-shim—indirecta
PyPIregex—indirecta
PyPIrsa—indirecta
PyPIs3transfer—indirecta
PyPIsagemaker—indirecta
PyPIsagemaker-feature-store-pyspark—indirecta
PyPIsagemaker-feature-store-pyspark2.0.0indirecta
PyPIscikit-learn1.6.1indirecta
PyPIsetuptools—indirecta
PyPIsix—indirecta
PyPIsmmap5.0.0indirecta
PyPIsniffio—indirecta
PyPIsphinx—indirecta
PyPIsphinx7.4.7indirecta
PyPIsphinx-autobuild—indirecta
PyPIsphinx-book-theme—indirecta
PyPIsphinx-copybutton—indirecta
PyPIsphinx-design—indirecta
PyPIsphinx-rtd-theme2.0.0indirecta
PyPIstarlette—indirecta
PyPIstreamlit—indirecta
PyPIsympy—indirecta
PyPItensorflow—indirecta
PyPItokenizers—indirecta
PyPItoml—indirecta
PyPItoolz—indirecta
PyPItornado—indirecta
PyPItransformers—indirecta
PyPItwine5.0.0indirecta
PyPItzdata—indirecta
PyPItzlocal—indirecta
PyPIurllib3—indirecta
PyPIuvicorn—indirecta
PyPIvalidators—indirecta
PyPIzipp—indirecta
Avisos de dependencias 0

Instalar pypi:sagemaker@3.21.0 arrastra 173 paquetes, directos y transitivos: 0 tienen avisos conocidos, de los cuales 0 son dependencias directas.

Ningún aviso conocido afecta a las dependencias evaluadas.

Un aviso significa que la versión registrada en el grafo de dependencias cae dentro del rango afectado de un aviso. No se analiza la alcanzabilidad, y el grafo incluye fijaciones de desarrollo y prueba: un hallazgo puede referirse al utillaje y no al software distribuido.

Informe JSON sin procesar legible por máquina

Comentarios

¿Algo no cuadra en este informe, o hay ideas que compartir? Mediciones erróneas, herramientas no detectadas, ideas, preguntas: todo es bienvenido. Cada mensaje se lee y recibe respuesta.

El mensaje se conserva durante el inicio de sesión.

Registros relacionados

Repositorios inspeccionados que comparten etiquetas de catálogo o ecosistemas con aws/sagemaker-python-sdk. Leer en paralelo →

100onnx/onnxOpen standard for machine learning interoperabilityExcepcional99ultralytics/ultralyticsUltralytics YOLO27, YOLO26, YOLO11, YOLOv8 — object detection, instance segmentation, semantic segmentation, image classification, pose estimation, object trackingExcepcional98zenml-io/zenmlZenML 🙏: One AI Platform from Pipelines to Agents. https://zenml.io.Excepcional98Netflix/metaflowBuild, Manage and Deploy AI/ML SystemsExcepcional100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Excepcional99ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.Excepcional

Las puntuaciones son señales, no garantías. Reflejan prácticas públicamente visibles en GitHub; no son una auditoría de código ni una garantía de seguridad.

Los datos ausentes se excluyen y los pesos se renormalizan; nunca se puntúan como cero. La metodología es versionada y abierta: métricas v2.10.0, esquema v0.34.0 — metodología completa · wiki de métricas.

Cómo se sitúa un resultado dentro del registro general: estadísticas agregadas — PyPI.