Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-09-17 16:03 UTC

kedro-org / kedro

Kedro 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.

PythonLicencia propia★ 11.003 estrellas⑂ 1078 forksdesde abr 2019Ver en GitHub ↗
TipoHerramienta de línea de comandosBibliotecacómo se determina
#kedro#hacktoberfest#mlops#python#machine-learning#machine-learning-engineering#agentic-ai#agentic-workflow#data-pipelines

kedro-org/kedro tiene un índice de salud de 99 sobre 100, lo que lo sitúa en la banda Excepcional. Su puntuación más alta es Vitality (96/100) y la más baja, Security (68/100). Se actualizó por última vez hoy. 8 personas concentran la mayor parte del trabajo reciente.

99
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.

99
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 89 se calibra a 99 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

KedroOrganización
321 seguidores21 repositorios públicosdesde oct 2021

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
PyPIkedro1.6.01.203.48172hace 8 díaspipelinesmachine-learningdata-pipelinesdata-sciencedata-engineering

Métricas por categoría

Vitalidad

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

96Excepcional · 21% del índice global

Actividad de desarrollo

99Excepcional
Cómo se puntúa
36/36Recencia de push — último push hace 0 días
34.6/36Cadencia de commits — 50/52 semanas con commits
18/18Volumen de commits — 259 commits en el último año
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 6 issue activity found in the last 90 days -- score normalized to 10
Datos de entrada utilizados
commits_last_year259
human_commit_share0,95
days_since_last_push0
active_weeks_last_year50

Disciplina de publicación

92Excelente
Cómo se puntúa
27/27Publica versiones — 72 versiones publicadas
36/36Recencia de las versiones — última versión hace 8 días
19.8/27Cadencia de publicación — una versión cada ~46 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count72
latest_release_tag1.6.0
releases_from_tagsno
days_since_latest_release8
mean_days_between_releases46
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?

94Excepcional · 17% del índice global

Popularidad y adopción

96Excepcional
Cómo se puntúa
60/60Estrellas — 11.003 estrellas
25/25Forks — 1078 forks
11.2/15Observadores — 103 observadores
Datos de entrada utilizados
forks1078
stars11.003
watchers103
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

86Excelente
Cómo se puntúa
22.5/22.5README
16.9/22.5Licencia — archivo de licencia presente, no es una licencia reconocida
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_badges11
has_contributingsí
has_issue_templateno
has_code_of_conductsí
readme_badge_servicesbadge.fury.io, bestpractices.coreinfrastructure.org, readthedocs.org, shields.io
has_pull_request_templatesí

Adopción en el ecosistema (descargas)

100Excepcional
Cómo se puntúa
80/80Descargas mensuales — 1.203.481 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packageskedro
dependents—
ecosystemspypi
total_downloads—
monthly_downloads1.203.481
unverified_packages_excluded—
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?

88Excelente · 23% del índice global

Resiliencia de mantenedores (factor bus)

97Excepcional
Cómo se puntúa
54/54Factor bus — la mitad de los commits recae en 8 contribuyente(s)
19.6/22.5Distribución de commits — el principal contribuyente firma el 13% de los commits
13.5/13.5Amplitud de contribuyentes — 98 contribuyentes
10/10OpenSSF Scorecard: Contributors — project has 27 contributing companies or organizations
Datos de entrada utilizados
bus_factor8
contributors_sampled98
top_contributor_share0,131

Capacidad de respuesta a issues y PR

87Excelente
Cómo se puntúa
39.9/42Resolución de issues — 95% de issues cerradas
23.5/30Aceptación de PR — 2087/2667 PR decididos fusionados
8.7/13Newcomer PR acceptance — 2/3 PR de contribuyentes primerizos fusionados en 30 d
15/15OpenSSF Scorecard: Code-Review — all changesets reviewed
Datos de entrada utilizados
merged_prs2087
open_issues131
closed_issues2518
prs_merged_7d5
prs_decided_7d6
prs_merged_30d25
prs_decided_30d28
issue_closed_ratio0,951
closed_unmerged_prs580
first_time_authors_30d3
first_time_prs_merged_30d2
first_time_prs_decided_30d3

Propiedad y custodia

68Bueno
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
0/20Dominio verificado
18/25Alcance del propietario — 321 seguidores de kedro-org
19.5/25Trayectoria — 21 repos públicos, cuenta de ~4 años
Datos de entrada utilizados
followers321
owner_typeOrganization
is_verifiedno
owner_loginkedro-org
public_repos21
account_age_days1784

Mantenimiento de paquetes

100Excepcional
Cómo se puntúa
25/25Publicado y resoluble — 1 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 8 días
20/20Historial de versiones — 72 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packageskedro
ecosystemspypi
any_deprecatedno
min_days_since_publish8

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

96Excepcional · 19% del índice global

Prácticas de ingeniería

94Excepcional
Cómo se puntúa
24/24Flujos de trabajo de CI — 18 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter — pyproject.toml ([tool.ruff])
9.6/9.6Hooks de pre-commit
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
Datos de entrada utilizados
has_cisí
has_testssí
has_editorconfigno
has_linter_configsí
has_precommit_configsí

Documentación

100Excepcional
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://kedro.org
10/10Descripción del repositorio
10/10Topics — 9 topics
10/10Wiki
Datos de entrada utilizados
topicskedro, hacktoberfest, mlops, python, machine-learning, machine-learning-engineering, agentic-ai, agentic-workflow, data-pipelines
has_wikisí
homepagehttps://kedro.org
docs_sitehttps://kedro.org
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?

68Bueno · 16% del índice global

Postura de seguridad

60Moderado
Cómo se puntúa
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — sin datos
2.5/2.5CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
1.2/2.5CII-Best-Practices — badge detected: Passing
7.5/7.5Code-Review — all changesets reviewed
2.5/2.5Contributors — project has 27 contributing companies or organizations
0/10Dangerous-Workflow — dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.2/2.5Licencia — license file detected
7.5/7.5Maintained — 30 commit(s) and 6 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
4.5/5SAST — SAST tool is not run on all commits -- score normalized to 9
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — sin datos
1.5/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
0/7.5Vulnerabilities — 14 existing vulnerabilities detected
Datos de entrada utilizados
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate6,1
Excluidos de la puntuación (sin datos o no aplicable): Branch-Protection, 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
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_packages39
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:kedro@1.6.0 —lo que arrastra la instalación del paquete publicado—: 39 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.

76Bueno · 4% del índice global

Contexto y guía para agentes

55Moderado
Cómo se puntúa
0/45Instrucciones para agentes — sin CLAUDE.md / AGENTS.md / reglas de editor
15/15Documentación legible por máquinas (llms.txt) — llms.txt servido por el sitio web del proyecto (https://docs.kedro.org/llms.txt)
40/40Historial de commits legible — 95 de 95 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtsí
llms_txt_urlhttps://docs.kedro.org/llms.txt
legible_history_share1
agent_instruction_files—
agent_instruction_max_bytes—

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

80Excelente
Cómo se puntúa
18/18Arranque con un solo comando — Makefile, kedro/templates/project/{{ cookiecutter.repo_name }}/docs/Makefile
22/22Pruebas automatizadas
11/11Configuración de lint / formato — pyproject.toml ([tool.ruff])
11/11Verificación estática de tipos — kedro/py.typed
0/10Entorno reproducible
10/10Práctica demostrada con agentes — 10 de los últimos 100 commits con autoría o crédito de agente
8/8Mantenimiento automatizado — 5 de los últimos 100 commits son actualizaciones automáticas de dependencias
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Datos de entrada utilizados
has_nixno
has_testssí
lockfiles—
has_dockerfileno
typed_languageno
bootstrap_filesMakefile, kedro/templates/project/{{ cookiecutter.repo_name }}/docs/Makefile
has_devcontainerno
has_linter_configsí
typecheck_configskedro/py.typed
agent_commit_share0,1
toolchain_manifests—
dependency_bot_commit_share0,05

Legibilidad del código para modelos

82Excelente
Cómo se puntúa
27/45Código verificable por tipos — Python con configuración de verificación de tipos (kedro/py.typed)
54.8/55Tamaños de archivo manejables — 1/234 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes72.856
source_files_sampled234
oversized_source_files1

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

11.003estrellas de GitHub
98contribuidores
259commits en los últimos 12 meses
0días desde el último push
72versiones publicadas
8factor bus
131issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token

Más detalle

Historial de estrellas y forks 0 ★ / 1078 ⇿
0Estrellas
1078Forks
68Versiones

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.

0200400600800100012001078312019-072023-022026-09
Mayor 1Menor 11Parche 53

Cada punto abarca 7 días.

OpenSSF Scorecard 6.1 / 10
6.1agregado

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 · 2026-09-17 16:03 UTC

10Binary-Artifactsno binaries found in the repo
n/dBranch-Protectioninternal 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
10CI-Tests30 out of 30 merged PRs checked by a CI test -- score normalized to 10
5CII-Best-Practicesbadge detected: Passing
10Code-Reviewall changesets reviewed
10Contributorsproject has 27 contributing companies or organizations
0Dangerous-Workflowdangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
9Licenselicense file detected
10Maintained30 commit(s) and 6 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
9SASTSAST tool is not run on all commits -- score normalized to 9
10Security-Policysecurity policy file detected
n/dSigned-Releasesno releases found
2Token-Permissionsdetected GitHub workflow tokens with excessive permissions
0Vulnerabilities14 existing vulnerabilities detected
Dependencias directas 17
RegistroPaqueteRestricción de versiónManifiesto
PyPIattrs>=21.3pyproject.toml
PyPIbuild>=0.7.0pyproject.toml
PyPIclick>=8.2pyproject.toml
PyPIcookiecutter>=2.1.1,<3.0pyproject.toml
PyPIdynaconf>=3.1.2,<4.0pyproject.toml
PyPIfsspec>=2021.4pyproject.toml
PyPIgitpython>=3.0pyproject.toml
PyPIkedro-telemetry>=0.5.0pyproject.toml
PyPImore_itertools>=8.14.0pyproject.toml
PyPIomegaconf>=2.1.1pyproject.toml
PyPIparse>=1.19.0pyproject.toml
PyPIpluggy>=1.0pyproject.toml
PyPIPyYAML>=4.2,<7.0pyproject.toml
PyPIrich>=12.0,<16.0pyproject.toml
PyPItomli>=1.1.0pyproject.toml
PyPItomli-w—pyproject.toml
PyPItyping_extensions>=4.0pyproject.toml
Todas las dependencias 45

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 15 paquetes directos y 30 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIattrs—directa
PyPIbuild—directa
PyPIclick—directa
PyPIcookiecutter—directa
PyPIdynaconf—directa
PyPIfsspec—directa
PyPIgitpython—directa
PyPIkedro-telemetry—directa
PyPImore-itertools—directa
PyPIomegaconf—directa
PyPIparse—directa
PyPIpluggy—directa
PyPIpyyaml—directa
PyPIrich—directa
PyPItyping-extensions—directa
PyPIbehave—indirecta
PyPIdetect-secrets—indirecta
PyPIfastapi—indirecta
PyPIimport-linter—indirecta
PyPIipylab—indirecta
PyPIipython—indirecta
PyPIjupyter—indirecta
PyPIjupyterlab—indirecta
PyPIjupyterlab-server—indirecta
PyPImkdocs—indirecta
PyPImkdocs-autorefs—indirecta
PyPImkdocs-get-deps—indirecta
PyPImkdocs-material—indirecta
PyPImkdocs-material-extensions—indirecta
PyPImkdocs-mermaid2-plugin—indirecta
PyPImkdocstrings—indirecta
PyPImkdocstrings-python—indirecta
PyPImypy—indirecta
PyPInotebook—indirecta
PyPIpandas—indirecta
PyPIpandera—indirecta
PyPIpre-commit—indirecta
PyPIpydantic—indirecta
PyPIpytest—indirecta
PyPIpytest-cov—indirecta
PyPIpytest-mock—indirecta
PyPIpytest-xdist—indirecta
PyPIs3fs—indirecta
PyPIsetuptools—indirecta
PyPIuvicorn—indirecta
Avisos de dependencias 0

Instalar pypi:kedro@1.6.0 arrastra 39 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 kedro-org/kedro. Leer en paralelo →

100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflowsExcepcional99argoproj/argo-workflowsWorkflow Engine for KubernetesExcepcional98feast-dev/feastThe Open Source Feature Store for AI/MLExcepcional100scikit-learn/scikit-learnscikit-learn: machine learning in PythonExcepcional100streamlit/streamlitStreamlit — A faster way to build and share data apps.Excepcional100huggingface/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. 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.