Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-10-21 21:00 UTC

mad-lab-fau / tpcp

Pipeline and Dataset helpers for complex algorithm evaluation.

PythonMIT★ 21 estrellas⑂ 3 forksdesde nov 2021Ver en GitHub ↗
TipoHerramienta de línea de comandosComplementoBibliotecacómo se determina
#machine-learning#python#algorithms#biosignals#data-management#data-science

mad-lab-fau/tpcp tiene un índice de salud de 83 sobre 100, lo que lo sitúa en la banda Excelente. Su puntuación más alta es Engineering Quality (86/100) y la más baja, Community & Adoption (42/100). Se actualizó por última vez hoy. Una sola persona concentra la mayor parte del trabajo reciente.

83
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.

83
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 70 se calibra a 83 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

Machine Learning and Data Analytics Lab FAUOrganización
92 seguidores70 repositorios públicosdesde mar 2019

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

Ecosistemas de paquetes

RegistroPaqueteVersiónDescargas / mesVersionesÚltima publicación
PyPItpcp3.5.0408370hace 0 días

Métricas por categoría

Vitalidad

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

83Excelente · 21% del índice global

Actividad de desarrollo

72Bueno
Cómo se puntúa
36/36Recencia de push — último push hace 0 días
7.6/36Cadencia de commits — 11/52 semanas con commits
18/18Volumen de commits — 118 commits en el último año
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 4 issue activity found in the last 90 days -- score normalized to 10
Datos de entrada utilizados
commits_last_year118
human_commit_share0,97
days_since_last_push0
active_weeks_last_year11

Disciplina de publicación

100Excepcional
Cómo se puntúa
27/27Publica versiones — 67 versiones publicadas
36/36Recencia de las versiones — última versión hace 0 días
27/27Cadencia de publicación — una versión cada ~26,9 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count67
latest_release_tagv3.5.0
releases_from_tagsno
days_since_latest_release0
mean_days_between_releases26,9
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?

42Débil · 17% del índice global

Popularidad y adopción

24En riesgo
Cómo se puntúa
21.1/60Estrellas — 21 estrellas
2.5/25Forks — 3 forks
0/15Observadores — 2 observadores
Datos de entrada utilizados
forks3
stars21
watchers2
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

50Moderado
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (MIT)
0/18Guía CONTRIBUTING
0/13.5Código de conducta
0/7.2Plantilla de issues
0/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges5
has_contributingno
has_issue_templateno
has_code_of_conductno
readme_badge_servicescodecov.io, github.com, readthedocs.org, shields.io
has_pull_request_templateno

Adopción en el ecosistema (descargas)

60Moderado
Cómo se puntúa
48.1/80Descargas mensuales — 4083 descargas/mes en pypi
0/20Dependientes en el registro — no lo informa este ecosistema
Datos de entrada utilizados
packagestpcp
dependents—
ecosystemspypi
total_downloads—
monthly_downloads4083
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?

67Bueno · 23% del índice global

Resiliencia de mantenedores (factor bus)

31En riesgo
Cómo se puntúa
9/54Factor bus — la mitad de los commits recae en 1 contribuyente(s)
2.8/22.5Distribución de commits — el principal contribuyente firma el 88% de los commits
9.5/13.5Amplitud de contribuyentes — 7 contribuyentes
10/10OpenSSF Scorecard: Contributors — project has 4 contributing companies or organizations
Datos de entrada utilizados
bus_factor1
contributors_sampled7
top_contributor_share0,877

Capacidad de respuesta a issues y PR

80Excelente
Cómo se puntúa
41.4/42Resolución de issues — 99% de issues cerradas
28/30Aceptación de PR — 85/91 PR decididos fusionados
0/13Newcomer PR acceptance — ningún PR de un contribuyente primerizo decidido en 30 d
0/15OpenSSF Scorecard: Code-Review — Found 0/11 approved changesets -- score normalized to 0
Datos de entrada utilizados
merged_prs85
open_issues1
closed_issues73
prs_merged_7d1
prs_decided_7d1
prs_merged_30d20
prs_decided_30d20
issue_closed_ratio0,986
closed_unmerged_prs6
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Excluidos de la puntuación (sin datos o no aplicable): Newcomer PR acceptance. Los pesos restantes se han renormalizado.

Propiedad y custodia

69Bueno
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
0/20Dominio verificado
14.2/25Alcance del propietario — 92 seguidores de mad-lab-fau
25/25Trayectoria — 70 repos públicos, cuenta de ~7 años
Datos de entrada utilizados
followers92
owner_typeOrganization
is_verifiedno
owner_loginmad-lab-fau
public_repos70
account_age_days2791

Mantenimiento de paquetes

100Excepcional
Cómo se puntúa
25/25Publicado y resoluble — 1 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 0 días
20/20Historial de versiones — 70 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagestpcp
ecosystemspypi
any_deprecatedno
min_days_since_publish0

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

86Excelente · 19% del índice global

Prácticas de ingeniería

84Excelente
Cómo se puntúa
24/24Flujos de trabajo de CI — 2 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter — .ruff.toml
0/9.6Hooks de pre-commit
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 10 out of 10 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_configno

Documentación

90Excelente
Cómo se puntúa
30/30README
25/25Directorio de documentación
15/15Sitio de documentación / página del proyecto — https://tpcp.readthedocs.io/en/latest/
10/10Descripción del repositorio
10/10Topics — 6 topics
0/10Wiki
Datos de entrada utilizados
topicsmachine-learning, python, algorithms, biosignals, data-management, data-science
has_wikino
homepagehttps://tpcp.readthedocs.io/en/latest/
docs_sitehttps://tpcp.readthedocs.io/en/latest/
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?

66Bueno · 16% del índice global

Postura de seguridad

57Moderado
Cómo se puntúa
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — branch protection not enabled on development/release branches
2.5/2.5CI-Tests — 10 out of 10 merged PRs checked by a CI test -- score normalized to 10
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
0/7.5Code-Review — Found 0/11 approved changesets -- score normalized to 0
2.5/2.5Contributors — project has 4 contributing companies or organizations
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 4 issue activity found in the last 90 days -- score normalized to 10
0/5Packaging — sin datos
5/5Pinned-Dependencies — all dependencies are pinned
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — sin datos
7.5/7.5Token-Permissions — GitHub workflow tokens follow principle of least privilege
0/7.5Vulnerabilities — 68 existing vulnerabilities detected
Datos de entrada utilizados
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate5,7
Excluidos de la puntuación (sin datos o no aplicable): Packaging, 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
advisories115
affected_packages15
assessed_packages109
unassessed_packages0
affected_by_severitycritical 1, high 7, moderate 6, low 1
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 109 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.

73Bueno · 4% del índice global

Contexto y guía para agentes

84Excelente
Cómo se puntúa
45/45Instrucciones para agentes — AGENTS.md
0/15Documentación legible por máquinas (llms.txt)
38.5/40Historial de commits legible — 70 de 97 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtno
llms_txt_url—
legible_history_share0,722
agent_instruction_filesAGENTS.md
agent_instruction_max_bytes537

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

61Moderado
Cómo se puntúa
0/18Arranque con un solo comando
22/22Pruebas automatizadas
11/11Configuración de lint / formato — .ruff.toml
0/11Verificación estática de tipos
10/10Entorno reproducible — lockfile
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
10/10OpenSSF Scorecard: Pinned-Dependencies — all dependencies are pinned
Datos de entrada utilizados
has_nixno
has_testssí
lockfilesuv.lock
has_dockerfileno
typed_languageno
bootstrap_files—
has_devcontainerno
has_linter_configsí
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0,03

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 — 0/111 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes48.032
source_files_sampled111
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 — examples
Datos de entrada utilizados
example_dirsexamples
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

21estrellas de GitHub
7contribuidores
118commits en los últimos 12 meses
0días desde el último push
67versiones publicadas
1factor bus
1issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • deps.dev does not index pypi:tpcp@3.5.0; advisories assessed against the repository dependency graph instead

Más detalle

Historial de estrellas y forks 0 ★ / 3 ⇿
0Estrellas
3Forks
42Versiones

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.

12233312022-092024-022025-08
Mayor 2Menor 25Parche 15

Cada punto abarca 3 días.

OpenSSF Scorecard 5.7 / 10
5.7agregado

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 21:00 UTC

10Binary-Artifactsno binaries found in the repo
0Branch-Protectionbranch protection not enabled on development/release branches
10CI-Tests10 out of 10 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 0/11 approved changesets -- score normalized to 0
10Contributorsproject has 4 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 4 issue activity found in the last 90 days -- score normalized to 10
n/dPackagingpackaging workflow not detected
10Pinned-Dependenciesall dependencies are pinned
0SASTSAST tool is not run on all commits -- score normalized to 0
0Security-Policysecurity policy file not detected
n/dSigned-Releasesno releases found
10Token-PermissionsGitHub workflow tokens follow principle of least privilege
0Vulnerabilities68 existing vulnerabilities detected
Dependencias directas 6
RegistroPaqueteRestricción de versiónManifiesto
PyPIjoblib>=1.3pyproject.toml
PyPIscikit-learn>=1.2.0pyproject.toml
PyPInumpy>=1.26pyproject.toml
PyPIpandas>=3.0pyproject.toml
PyPItqdm>=4.62.3pyproject.toml
PyPIxxhash>=3.0pyproject.toml
Todas las dependencias 109

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 7 paquetes directos y 102 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIjoblib1.5.3directa
PyPInumpy2.4.6directa
PyPInumpy2.5.3directa
PyPIpandas3.0.6directa
PyPIscikit-learn1.8.0directa
PyPItqdm4.67.3directa
PyPIxxhash4.0.1directa
PyPIabsl-py2.4.0indirecta
PyPIaccessible-pygments0.0.5indirecta
PyPIalabaster0.7.16indirecta
PyPIalembic1.18.4indirecta
PyPIastunparse1.6.3indirecta
PyPIattrs25.4.0indirecta
PyPIbabel2.18.0indirecta
PyPIbeautifulsoup44.14.3indirecta
PyPIcertifi2026.1.4indirecta
PyPIcharset-normalizer3.4.4indirecta
PyPIcolorama0.4.6indirecta
PyPIcolorlog6.10.1indirecta
PyPIcommonmark0.9.1indirecta
PyPIcontourpy1.3.3indirecta
PyPIcoverage7.13.4indirecta
PyPIcycler0.12.1indirecta
PyPIdocutils0.21.2indirecta
PyPIexecnet2.1.2indirecta
PyPIfilelock3.24.3indirecta
PyPIflatbuffers25.12.19indirecta
PyPIfonttools4.61.1indirecta
PyPIfsspec2026.2.0indirecta
PyPIgast0.7.0indirecta
PyPIgoogle-pasta0.2.0indirecta
PyPIgreenlet3.3.2indirecta
PyPIgrpcio1.78.1indirecta
PyPIh5py3.14.0indirecta
PyPIidna3.11indirecta
PyPIimagesize1.4.1indirecta
PyPIiniconfig2.3.0indirecta
PyPIjinja23.1.6indirecta
PyPIkeras3.13.2indirecta
PyPIkiwisolver1.4.9indirecta
PyPIlibclang18.1.1indirecta
PyPImako1.3.10indirecta
PyPImarkdown3.10.2indirecta
PyPImarkdown-it-py4.0.0indirecta
PyPImarkupsafe3.0.3indirecta
PyPImatplotlib3.10.8indirecta
PyPImdurl0.1.2indirecta
PyPImemory-profiler0.58.0indirecta
PyPIml-dtypes0.5.4indirecta
PyPImpmath1.3.0indirecta
PyPInamex0.1.0indirecta
PyPInetworkx3.6.1indirecta
PyPInodeenv1.10.0indirecta
PyPInumpydoc1.10.0indirecta
PyPIopt-einsum3.4.0indirecta
PyPIoptree0.18.0indirecta
PyPIoptuna4.7.0indirecta
PyPIpackaging26.0indirecta
PyPIpastel0.2.1indirecta
PyPIpillow12.1.1indirecta
PyPIpluggy1.6.0indirecta
PyPIpoethepoet0.10.0indirecta
PyPIprotobuf6.33.5indirecta
PyPIpsutil7.2.2indirecta
PyPIpydata-sphinx-theme0.14.4indirecta
PyPIpygments2.19.2indirecta
PyPIpyparsing3.3.2indirecta
PyPIpyright1.1.408indirecta
PyPIpytest8.4.2indirecta
PyPIpytest-cov7.0.0indirecta
PyPIpytest-xdist3.8.0indirecta
PyPIpython-dateutil2.9.0.post0indirecta
PyPIpyyaml6.0.3indirecta
PyPIrecommonmark0.7.1indirecta
PyPIrequests2.32.5indirecta
PyPIrich14.3.3indirecta
PyPIruff0.14.14indirecta
PyPIscipy1.17.0indirecta
PyPIsetuptools82.0.0indirecta
PyPIsix1.17.0indirecta
PyPIsnowballstemmer3.0.1indirecta
PyPIsoupsieve2.8.3indirecta
PyPIsphinx7.4.7indirecta
PyPIsphinx-gallery0.14.0indirecta
PyPIsphinxcontrib-applehelp2.0.0indirecta
PyPIsphinxcontrib-devhelp2.0.0indirecta
PyPIsphinxcontrib-htmlhelp2.1.0indirecta
PyPIsphinxcontrib-jsmath1.0.1indirecta
PyPIsphinxcontrib-qthelp2.0.0indirecta
PyPIsphinxcontrib-serializinghtml2.0.0indirecta
PyPIsqlalchemy2.0.46indirecta
PyPIsympy1.14.0indirecta
PyPItensorboard2.20.0indirecta
PyPItensorboard-data-server0.7.2indirecta
PyPItensorflow-cpu2.21.0rc0indirecta
PyPItermcolor3.3.0indirecta
PyPIthreadpoolctl3.6.0indirecta
PyPItoml0.10.2indirecta
PyPItomli2.4.0indirecta
PyPItomlkit0.14.0indirecta
PyPItorch2.10.0indirecta
PyPItorch2.10.0+cpuindirecta
PyPItpcp3.4.0indirecta
PyPItyping-extensions4.15.0indirecta
PyPItzdata2025.3indirecta
PyPIurllib32.6.3indirecta
PyPIwerkzeug3.1.6indirecta
PyPIwheel0.46.3indirecta
PyPIwrapt2.1.1indirecta
Avisos de dependencias 15

Este repositorio no publica ningún paquete que el índice resuelva, así que se evaluó su propio grafo de dependencias — 109 paquetes, que incluyen también fijaciones de desarrollo y prueba que nunca se distribuyen: 15 tienen avisos conocidos, de los cuales 0 son directas.

PaqueteVersiónRelaciónGravedadAvisosCorregido en
pillow12.1.1indirectacrítica5613.0.0
certifi2026.1.4indirectaalta22026.10.19
fsspec2026.2.0indirectaalta22026.6.0
keras3.13.2indirectaalta163.15.0
mako1.3.10indirectaalta61.4.2
soupsieve2.8.3indirectaalta82.9.0
torch2.10.0indirectaalta22.13.0
urllib32.6.3indirectaalta102.8.0
idna3.11indirectamoderada23.15
pytest8.4.2indirectamoderada29.0.3
requests2.32.5indirectamoderada22.33.0
setuptools82.0.0indirectamoderada283.0.0
torch2.10.0+cpuindirectamoderada12.13.0
werkzeug3.1.6indirectamoderada23.1.9
pygments2.19.2indirectabaja22.20.0

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 mad-lab-fau/tpcp. Leer en paralelo →

100streamlit/streamlitStreamlit — A faster way to build and share data apps.Excepcional100scikit-learn/scikit-learnscikit-learn: machine learning in PythonExcepcional100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflowsExcepcional99gradio-app/gradioBuild and share delightful machine learning apps, all in Python. 🌟 Star to support our work!Excepcional99voxel51/fiftyoneRefine high-quality datasets and visual AI modelsExcepcional99ray-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.