Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-10-21 01:56 UTC

fmind / mlops-python-package

Production-shaped MLOps Python package and reference implementation of the MLOps Coding Course: MLflow, scikit-learn, Pydantic, Pandera, uv, and mise.

Python · Jupyter NotebookMIT★ 1419 estrellas⑂ 199 forksdesde jun 2023Ver en GitHub ↗
TipoHerramienta de línea de comandoscómo se determina
#mlops#python#automation#data-science#machine-learning#mlflow#pandera#pydantic#machine-learning-operations#mise#scikit-learn#uv#mlops-course

fmind/mlops-python-package tiene un índice de salud de 81 sobre 100, lo que lo sitúa en la banda Excelente. Su puntuación más alta es AI Readiness (82/100) y la más baja, Sustainability & Governance (48/100). Se actualizó por última vez hace 1 día. Una sola persona concentra la mayor parte del trabajo reciente.

81
global / 100
Excelente

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.

81
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 69 se calibra a 81 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

Médéric Hurier (Fmind)Cuenta personal
310 seguidores170 repositorios públicosdesde mar 2013Fmind.dev

Este repositorio pertenece a una cuenta personal. Un proyecto con un único propietario conlleva más riesgo de continuidad que uno respaldado por una organización.

Métricas por categoría

Vitalidad

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

76Bueno · 21% del índice global

Actividad de desarrollo

65Bueno
Cómo se puntúa
36/36Recencia de push — último push hace 1 días
4.2/36Cadencia de commits — 6/52 semanas con commits
15/18Volumen de commits — 46 commits en el último año
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 1 issue activity found in the last 90 days -- score normalized to 10
Datos de entrada utilizados
commits_last_year46
human_commit_share0,9
days_since_last_push1
active_weeks_last_year6

Disciplina de publicación

92Excelente
Cómo se puntúa
27/27Publica versiones — 20 versiones publicadas
36/36Recencia de las versiones — última versión hace 8 días
19.8/27Cadencia de publicación — una versión cada ~90,1 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count20
latest_release_tagv7.0.1
releases_from_tagsno
days_since_latest_release8
mean_days_between_releases90,1
Excluidos de la puntuación (sin datos o no aplicable): OpenSSF Scorecard: Signed-Releases. Los pesos restantes se han renormalizado.

Comunidad y Adopción

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

75Bueno · 17% del índice global

Popularidad y adopción

77Bueno
Cómo se puntúa
51.1/60Estrellas — 1419 estrellas
19.1/25Forks — 199 forks
6.4/15Observadores — 15 observadores
Datos de entrada utilizados
forks199
stars1419
watchers15
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

72Bueno
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (MIT)
0/18Guía 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_contributingno
has_issue_templateno
has_code_of_conductsí
readme_badge_servicesgithub.com, shields.io
has_pull_request_templatesí

Sostenibilidad y Gobernanza

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

48Débil · 23% del índice global

Resiliencia de mantenedores (factor bus)

20En riesgo
Cómo se puntúa
9/54Factor bus — la mitad de los commits recae en 1 contribuyente(s)
0.9/22.5Distribución de commits — el principal contribuyente firma el 96% de los commits
6.8/13.5Amplitud de contribuyentes — 5 contribuyentes
3/10OpenSSF Scorecard: Contributors — project has 1 contributing companies or organizations -- score normalized to 3
Datos de entrada utilizados
bus_factor1
contributors_sampled5
top_contributor_share0,959

Capacidad de respuesta a issues y PR

62Moderado
Cómo se puntúa
38.8/42Resolución de issues — 92% de issues cerradas
10.7/30Aceptación de PR — 42/118 PR decididos fusionados
13/13Newcomer PR acceptance — 1/1 PR de contribuyentes primerizos fusionados en 30 d
0/15OpenSSF Scorecard: Code-Review — Found 0/30 approved changesets -- score normalized to 0
Datos de entrada utilizados
merged_prs42
open_issues2
closed_issues24
prs_merged_7d0
prs_decided_7d0
prs_merged_30d1
prs_decided_30d1
issue_closed_ratio0,923
closed_unmerged_prs76
first_time_authors_30d1
first_time_prs_merged_30d1
first_time_prs_decided_30d1

Propiedad y custodia

66Bueno
Cómo se puntúa
10/30Respaldo de la propiedad — cuenta personal (usuario)
0/20Dominio verificado — no aplicable a cuentas de usuario
17.9/25Alcance del propietario — 310 seguidores de fmind
25/25Trayectoria — 170 repos públicos, cuenta de ~13 años
Datos de entrada utilizados
followers310
owner_typeUser
is_verified—
owner_loginfmind
public_repos170
account_age_days4961
Excluidos de la puntuación (sin datos o no aplicable): Dominio verificado. Los pesos restantes se han renormalizado.

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

74Bueno · 19% del índice global

Prácticas de ingeniería

80Excelente
Cómo se puntúa
24/24Flujos de trabajo de CI — 3 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter — pyproject.toml ([tool.ruff])
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
Excluidos de la puntuación (sin datos o no aplicable): OpenSSF Scorecard: CI-Tests. Los pesos restantes se han renormalizado.

Documentación

65Bueno
Cómo se puntúa
30/30README
0/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://fmind.github.io/mlops-python-package/
10/10Descripción del repositorio
10/10Topics — 13 topics
0/10Wiki
Datos de entrada utilizados
topicsmlops, python, automation, data-science, machine-learning, mlflow, pandera, pydantic, machine-learning-operations, mise, scikit-learn, uv, mlops-course
has_wikino
homepagehttps://fmind.github.io/mlops-python-package/
docs_sitehttps://fmind.github.io/mlops-python-package/
has_readmesí
has_docs_dirno
has_descriptionsí

Seguridad

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

72Bueno · 16% del índice global

Postura de seguridad

65Bueno
Cómo se puntúa
7.5/7.5Binary-Artifacts — no binaries found in the repo
3/7.5Branch-Protection — branch protection is not maximal on development and all release branches
0/2.5CI-Tests — sin datos
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
0.8/2.5Contributors — project has 1 contributing companies or organizations -- score normalized to 3
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Licencia — license file detected
7.5/7.5Maintained — 30 commit(s) and 1 issue activity found in the last 90 days -- score normalized to 10
5/5Packaging — packaging workflow detected
5/5Pinned-Dependencies — all dependencies are pinned
0/5SAST — no SAST tool detected
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — sin datos
7.5/7.5Token-Permissions — GitHub workflow tokens follow principle of least privilege
0/7.5Vulnerabilities — 10 existing vulnerabilities detected
Datos de entrada utilizados
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate6,4
Excluidos de la puntuación (sin datos o no aplicable): CI-Tests, Signed-Releases. 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
0/25Dependencias indirectas libres de avisos conocidos — el conjunto transitivo no es separable de las dependencias de desarrollo y prueba en este alcance
0/40Sin avisos pendientes — ningún aviso tiene fecha de publicación
Datos de entrada utilizados
sourceosv
advisories11
affected_packages2
assessed_packages175
unassessed_packages0
affected_by_severityhigh 2
direct_affected_packages0
Excluidos de la puntuación (sin datos o no aplicable): Dependencias indirectas libres de avisos conocidos, Sin avisos pendientes. Los pesos restantes se han renormalizado. Se cotejaron 175 dependencias resueltas con OSV. Este repositorio no publica ningún paquete que el índice resuelva, por lo que se evaluó en su lugar el grafo de dependencias del repositorio. Ese grafo mezcla fijaciones de desarrollo y prueba con las dependencias distribuidas, de modo que solo se puntúan las dependencias declaradas en tiempo de ejecución; los hallazgos transitivos se informan como contexto y quedan excluidos de la puntuación. 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.

82Excelente · 4% del índice global

Contexto y guía para agentes

85Excelente
Cómo se puntúa
45/45Instrucciones para agentes — AGENTS.md
0/15Documentación legible por máquinas (llms.txt)
40/40Historial de commits legible — 79 de 90 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtno
llms_txt_url—
legible_history_share0,878
agent_instruction_filesAGENTS.md
agent_instruction_max_bytes5561

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

83Excelente
Cómo se puntúa
18/18Arranque con un solo comando — mise.toml
22/22Pruebas automatizadas
11/11Configuración de lint / formato — pyproject.toml ([tool.ruff])
0/11Verificación estática de tipos
10/10Entorno reproducible — Dockerfile, lockfile
4/10Práctica demostrada con agentes — 2 de los últimos 100 commits con autoría o crédito de agente
8/8Mantenimiento automatizado — 10 de los últimos 100 commits son actualizaciones automáticas de dependencias
10/10OpenSSF Scorecard: Pinned-Dependencies — all dependencies are pinned
Datos de entrada utilizados
has_nixno
has_testssí
lockfilesuv.lock
has_dockerfilesí
typed_languageno
bootstrap_filesmise.toml
has_devcontainerno
has_linter_configsí
typecheck_configs—
agent_commit_share0,02
toolchain_manifests—
dependency_bot_commit_share0,1

Legibilidad del código para modelos

55Moderado
Cómo se puntúa
0/45Código verificable por tipos — Python sin configuración de verificación de tipos
55/55Tamaños de archivo manejables — 0/47 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes13.764
source_files_sampled47
oversized_source_files0

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
Datos de entrada utilizados
example_dirsnotebooks
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

1419estrellas de GitHub
5contribuidores
46commits en los últimos 12 meses
1días desde el último push
20versiones publicadas
1factor bus
2issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • Could not fetch pypi package 'bikes' from its registry

Más detalle

Historial de estrellas y forks 0 ★ / 199 ⇿
0Estrellas
199Forks
17Versiones

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.

04080120160200193242023-072025-022026-10
Mayor 6Menor 10Parche 1

Cada punto abarca 3 días.

OpenSSF Scorecard 6.4 / 10
6.4agregado

Evaluación de seguridad independiente y agnóstica en cuanto a herramientas, procedente del proyecto de código abierto OpenSSF Scorecard. Cada comprobación premia una práctica de seguridad, no la herramienta de un proveedor concreto. Las comprobaciones que Scorecard no pudo determinar se marcan como n/d y se excluyen de la puntuación de seguridad (nunca se cuentan como cero).Scorecard v5.5.0 · 2026-10-21 01:55 UTC

10Binary-Artifactsno binaries found in the repo
4Branch-Protectionbranch protection is not maximal on development and all release branches
n/dCI-Testsno pull request found
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 0/30 approved changesets -- score normalized to 0
3Contributorsproject has 1 contributing companies or organizations -- score normalized to 3
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 1 issue activity found in the last 90 days -- score normalized to 10
10Packagingpackaging workflow detected
10Pinned-Dependenciesall dependencies are pinned
0SASTno SAST tool detected
10Security-Policysecurity policy file detected
n/dSigned-Releasesno releases found
10Token-PermissionsGitHub workflow tokens follow principle of least privilege
0Vulnerabilities10 existing vulnerabilities detected
Dependencias directas 18
RegistroPaqueteRestricción de versiónManifiesto
PyPIloguru>=0.7.3pyproject.toml
PyPImatplotlib>=3.11.0pyproject.toml
PyPImlflow>=3.16.1pyproject.toml
PyPInumba>=0.61.0pyproject.toml
PyPInumpy>=2.1.3pyproject.toml
PyPInvidia-ml-py>=13.615.71pyproject.toml
PyPIomegaconf>=2.3.1pyproject.toml
PyPIpandas>=2.3.3pyproject.toml
PyPIpandera>=0.32.1pyproject.toml
PyPIplyer>=2.1.0pyproject.toml
PyPIpsutil>=7.2.2pyproject.toml
PyPIpyarrow>=19.0.1pyproject.toml
PyPIpydantic-settings>=2.14.2pyproject.toml
PyPIpydantic>=2.13.4pyproject.toml
PyPIscikit-learn>=1.9.0pyproject.toml
PyPIsetuptools>=83.0.0pyproject.toml
PyPIshap>=0.46.0pyproject.toml
PyPIskops>=0.16.0pyproject.toml
Todas las dependencias 175

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 19 paquetes directos y 156 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIloguru0.7.3directa
PyPImatplotlib3.11.2directa
PyPImlflow3.16.1directa
PyPInumba0.68.0directa
PyPInumpy2.5.3directa
PyPInvidia-ml-py13.615.71directa
PyPIomegaconf2.3.1directa
PyPIpandas3.0.6directa
PyPIpandera0.34.0directa
PyPIplyer2.1.0directa
PyPIpsutil7.2.2directa
PyPIpyarrow25.0.1directa
PyPIpydantic2.13.5directa
PyPIpydantic-settings2.15.0directa
PyPIscikit-learn1.9.1directa
PyPIsetuptools84.0.0directa
PyPIshap0.49.1directa
PyPIshap0.52.0directa
PyPIskops0.16.0directa
PyPIaiohappyeyeballs2.7.1indirecta
PyPIaiohttp3.14.4indirecta
PyPIaiosignal1.4.0indirecta
PyPIalembic1.20.0indirecta
PyPIannotated-doc0.0.5indirecta
PyPIannotated-types0.8.0indirecta
PyPIantlr4-python3-runtime4.9.3indirecta
PyPIanyio4.15.1indirecta
PyPIappnope1.0.0indirecta
PyPIasttokens3.0.2indirecta
PyPIattrs26.1.0indirecta
PyPIbikes6.0.1indirecta
PyPIblinker1.9.0indirecta
PyPIboolean-py5.0indirecta
PyPIcachecontrol0.14.4indirecta
PyPIcachetools7.2.1indirecta
PyPIcertifi2026.7.22indirecta
PyPIcffi2.1.1indirecta
PyPIcharset-normalizer3.5.2indirecta
PyPIclick8.5.0indirecta
PyPIcloudpickle3.1.2indirecta
PyPIcolorama0.4.6indirecta
PyPIcomm0.2.3indirecta
PyPIcontourpy1.4.0indirecta
PyPIcoverage7.16.2indirecta
PyPIcryptography50.0.2indirecta
PyPIcycler0.12.1indirecta
PyPIcyclonedx-python-lib11.12.0indirecta
PyPIdatabricks-sdk0.147.0indirecta
PyPIdebugpy1.8.22indirecta
PyPIdefusedxml0.7.1indirecta
PyPIdocker7.2.0indirecta
PyPIexecnet2.1.2indirecta
PyPIexecuting2.2.1indirecta
PyPIfastapi0.142.2indirecta
PyPIfastjsonschema2.22.2indirecta
PyPIfilelock4.0.12indirecta
PyPIflask3.1.3indirecta
PyPIflask-cors6.0.5indirecta
PyPIfonttools4.66.1indirecta
PyPIfrozenlist1.8.0indirecta
PyPIgitdb4.0.12indirecta
PyPIgitpython3.2.0indirecta
PyPIgoogle-auth2.60.0indirecta
PyPIgraphene3.4.3indirecta
PyPIgraphql-core3.2.13indirecta
PyPIgraphql-relay3.2.0indirecta
PyPIgunicorn26.2.0indirecta
PyPIh110.16.0indirecta
PyPIhuey3.4.0indirecta
PyPIidna3.20indirecta
PyPIimportlib-metadata9.0.1indirecta
PyPIiniconfig2.3.0indirecta
PyPIipykernel7.4.0indirecta
PyPIipython9.17.1indirecta
PyPIipython-pygments-lexers1.1.1indirecta
PyPIitsdangerous2.2.0indirecta
PyPIjedi0.20.0indirecta
PyPIjinja23.1.6indirecta
PyPIjoblib1.6.0indirecta
PyPIjsonschema4.26.0indirecta
PyPIjsonschema-specifications2025.9.1indirecta
PyPIjupyter-client8.10.0indirecta
PyPIjupyter-core5.9.1indirecta
PyPIkiwisolver1.5.1indirecta
PyPIlefthook2.1.17indirecta
PyPIlicense-expression30.4.4indirecta
PyPIllvmlite0.50.0indirecta
PyPImako1.4.3indirecta
PyPImarkdown-it-py4.2.0indirecta
PyPImarkdown22.5.5indirecta
PyPImarkupsafe3.0.4indirecta
PyPImatplotlib-inline0.2.2indirecta
PyPImdurl0.1.2indirecta
PyPImlflow-skinny3.16.1indirecta
PyPImlflow-tracing3.16.1indirecta
PyPImsgpack1.2.3indirecta
PyPImultidict6.9.1indirecta
PyPImypy-extensions1.1.0indirecta
PyPInarwhals2.26.0indirecta
PyPInbformat5.11.1indirecta
PyPInest-asyncio21.7.3indirecta
PyPIopentelemetry-api1.45.0indirecta
PyPIopentelemetry-proto1.45.0indirecta
PyPIopentelemetry-sdk1.45.0indirecta
PyPIopentelemetry-semantic-conventions0.66b0indirecta
PyPIpackageurl-python0.17.6indirecta
PyPIpackaging26.3indirecta
PyPIparso0.8.7indirecta
PyPIpdoc16.0.0indirecta
PyPIpexpect4.9.0indirecta
PyPIpillow12.3.0indirecta
PyPIpip26.2.1indirecta
PyPIpip-api0.0.35indirecta
PyPIpip-audit2.10.1indirecta
PyPIpip-requirements-parser32.0.1indirecta
PyPIplatformdirs4.12.3indirecta
PyPIplotly7.1.0indirecta
PyPIpluggy1.6.0indirecta
PyPIprettytable3.18.0indirecta
PyPIprompt-toolkit3.0.53indirecta
PyPIpropcache0.5.4indirecta
PyPIprotobuf6.33.6indirecta
PyPIptyprocess0.7.0indirecta
PyPIpure-eval0.2.4indirecta
PyPIpy-serializable2.1.0indirecta
PyPIpyasn10.6.4indirecta
PyPIpyasn1-modules0.4.2indirecta
PyPIpycparser3.0indirecta
PyPIpydantic-core2.46.5indirecta
PyPIpygments2.21.0indirecta
PyPIpyparsing3.3.3indirecta
PyPIpytest9.1.1indirecta
PyPIpytest-cov7.1.0indirecta
PyPIpytest-mock3.16.0indirecta
PyPIpytest-xdist3.8.0indirecta
PyPIpython-dateutil2.9.0.post0indirecta
PyPIpython-dotenv1.2.4indirecta
PyPIpywin32312indirecta
PyPIpyyaml6.0.3indirecta
PyPIpyzmq27.2.0indirecta
PyPIreferencing0.37.0indirecta
PyPIrequests2.34.2indirecta
PyPIrich15.0.0indirecta
PyPIrpds-py2026.9.1indirecta
PyPIruff0.16.10indirecta
PyPIscipy1.18.1indirecta
PyPIsix1.17.0indirecta
PyPIslicer0.0.8indirecta
PyPIsmmap5.0.3indirecta
PyPIsortedcontainers2.4.0indirecta
PyPIsqlalchemy2.1.3indirecta
PyPIsqlparse0.6.0indirecta
PyPIstack-data0.6.3indirecta
PyPIstarlette1.7.0indirecta
PyPIthreadpoolctl3.7.0indirecta
PyPItomli2.4.1indirecta
PyPItomli-w1.2.0indirecta
PyPItornado6.5.10indirecta
PyPItqdm4.70.1indirecta
PyPItraitlets5.16.1indirecta
PyPIty0.0.84indirecta
PyPItypeguard4.6.0indirecta
PyPItyping-extensions4.16.0indirecta
PyPItyping-inspect0.9.0indirecta
PyPItyping-inspection0.4.4indirecta
PyPItzdata2026.5indirecta
PyPIurllib32.8.0indirecta
PyPIuvicorn0.54.0indirecta
PyPIvalidate-pyproject0.26indirecta
PyPIwaitress3.0.2indirecta
PyPIwcwidth0.9.2indirecta
PyPIwerkzeug3.1.9indirecta
PyPIwin32-setctime1.2.0indirecta
PyPIyarl1.25.1indirecta
PyPIzipp4.1.1indirecta
Avisos de dependencias 2

Este repositorio no publica ningún paquete que el índice resuelva, así que se evaluó su propio grafo de dependencias — 175 paquetes, que incluyen también fijaciones de desarrollo y prueba que nunca se distribuyen: 2 tienen avisos conocidos, de los cuales 0 son directas.

PaqueteVersiónRelaciónGravedadAvisosCorregido en
certifi2026.7.22indirectaalta22026.10.19
pillow12.3.0indirectaalta913.0.0

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 fmind/mlops-python-package. Leer en paralelo →

100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflowsExcepcional99kedro-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.Excepcional98feast-dev/feastThe Open Source Feature Store for AI/MLExcepcional98autogluon/autogluonFast and Accurate ML in 3 Lines of CodeExcepcional97lance-format/lanceOpen Lakehouse Format for Multimodal AI. Convert from Parquet in 2 lines of code for 100x faster random access, vector index, and data versioning. Compatible with Pandas, DuckDB, Polars, Pyarrow, and PyTorch with more integrations coming..Excepcional100streamlit/streamlitStreamlit — A faster way to build and share data apps.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.