Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-10-10 03:06 UTC

facebookresearch / neuroai

Python suite for neuroscience research across all modalities.

PythonMIT★ 322 зірки⑂ 81 форкз квіт. 2026 р.Переглянути на GitHub ↗
ТипІнструмент командного рядкаБібліотекаПлагіняк це визначено
#deep-learning#neuroscience

facebookresearch/neuroai має індекс здоров’я 93 зі 100, що відповідає смузі «Винятковий». Найвищий показник — Engineering Quality (92/100), найнижчий — Security (58/100). Останнє оновлення — сьогодні. Більшість нещодавньої роботи виконують 3 учасники.

93
загалом / 100
Винятковий

Індекс здоров'я програмного забезпечення

Метрики згруповано у зважені категорії на шкалі 1–100. Загальна оцінка починається як їхнє зважене середнє, відкаліброване за розподілом публічного реєстру, тож діапазони мають перцентильний зміст; коли публічні дані активують Політику юрисдикцій високого ризику, рейтинг коригується й отримує верхню межу 34 («У зоні ризику»).

93
Винятковий93-100Верхній щабель реєстру (≈ топ-5%); відповідає практично всім перевіреним критеріям
Відмінний80-92Сильний за всіма напрямами; незначні прогалини
Добрий65-79Здоровий; прогалини обмежені та керовані
Помірний50-64Прийнятний, але з помітними прогалинами; рекомендовано перевірку
Слабкий35-49Суттєві недоліки в кількох сферах
У зоні ризику20-34Суттєві слабкі місця; впровадження потребує обережності
Критичний1-19Серйозні проблеми (покинутий, єдиний мейнтейнер, без базової гігієни)
ЖиттєздатністьСпільнота тавпровадженняСталість таврядуванняІнженернаякістьБезпекаГотовність доШІ

Профіль оцінок

Кожна вісь — окрема категорія. Форма важить більше, ніж середнє: здоровий об'єкт заповнює всю фігуру, тоді як профіль із піками та провалами означає, що сила в одному вимірі маскує ризик в іншому.

Зважений загальний бал 79 калібровано до 93 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

Meta ResearchОрганізація · підтверджений домен
37 941 підписник1 455 публічних репозиторіївз січ. 2016 р.

За цим репозиторієм стоїть організація — спільна, підзвітна опіка, здатна пережити будь-якого окремого мейнтейнера.

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікація
PyPIneuralset0.4.05 414120 днів тому
PyPIneuralbench0.4.01 72880 днів тому
PyPIneuralfetch0.4.01 932110 днів тому
PyPIneuraltrain0.4.04 775120 днів тому

Метрики за категоріями

Життєздатність

Чи живий проєкт — чи пишеться код і чи виходять релізи?

87Відмінний · 21% загального індексу

Активність розробки

79Добрий
Як обчислюється оцінка
36/36Свіжість push — останній push 0 дн. тому
15.2/36Ритм комітів — 22/52 тижнів із комітами
18/18Обсяг комітів — 190 комітів за останній рік
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
Використані вхідні дані
commits_last_year190
human_commit_share1
days_since_last_push0
active_weeks_last_year22

Дисципліна релізів

100Винятковий
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 9 релізів
36/36Свіжість релізів — останній реліз 0 дн. тому
27/27Ритм релізів — реліз кожні ~21,9 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count9
latest_release_tagv0.4.0
releases_from_tagsні
days_since_latest_release0
mean_days_between_releases21,9
Виключено з оцінювання (немає даних або не застосовно): OpenSSF Scorecard: Signed-Releases. Залишкові ваги перенормовано.

Спільнота та впровадження

Чи має проєкт користувачів, завантаження, увагу та влаштовані умови для контриб’юторів?

73Добрий · 17% загального індексу

Популярність і впровадження

60Помірний
Як обчислюється оцінка
40.7/60Зірки — 322 зірок
15.9/25Форки — 81 форків
3.9/15Спостерігачі — 6 спостерігачів
Використані вхідні дані
forks81
stars322
watchers6
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

92Відмінний
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (MIT)
18/18Настанови CONTRIBUTING
13.5/13.5Кодекс поведінки
0/7.2Шаблон issue
6.3/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges4
has_contributingтак
has_issue_templateні
has_code_of_conductтак
readme_badge_servicesgithub.com, shields.io
has_pull_request_templateтак

Впровадження в екосистемі (завантаження)

69Добрий
Як обчислюється оцінка
55.2/80Щомісячні завантаження — 13 849 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagesneuralset, neuralbench, neuralfetch, neuraltrain
dependents—
ecosystemspypi
total_downloads—
monthly_downloads13 849
unverified_packages_excluded—
Виключено з оцінювання (немає даних або не застосовно): Залежні пакети в реєстрі. Залишкові ваги перенормовано.

Сталість та врядування

Чи переживе проєкт своїх людей — бас-фактор, реактивність, хто за ним стоїть і як супроводжуються пакети?

81Відмінний · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

76Добрий
Як обчислюється оцінка
36/54Бас-фактор — на 3 контриб’ютор(ів) припадає половина всіх комітів
17/22.5Розподіл комітів — головний контриб’ютор — автор 24% комітів
13.5/13.5Широта контриб’юторів — 24 контриб’юторів
10/10OpenSSF Scorecard: Contributors — project has 6 contributing companies or organizations
Використані вхідні дані
bus_factor3
contributors_sampled24
top_contributor_share0,243

Реактивність на issue та PR

53Помірний
Як обчислюється оцінка
18.4/42Вирішення issue — закрито 44% issue
24.1/30Прийняття PR — злито 172/214 вирішених PR
7.4/13Newcomer PR acceptance — злито 4/7 PR від новачків за 30 дн.
3/15OpenSSF Scorecard: Code-Review — Found 7/30 approved changesets -- score normalized to 2
Використані вхідні дані
merged_prs172
open_issues32
closed_issues25
prs_merged_7d16
prs_decided_7d20
prs_merged_30d40
prs_decided_30d50
issue_closed_ratio0,439
closed_unmerged_prs42
first_time_authors_30d5
first_time_prs_merged_30d4
first_time_prs_decided_30d7

Власність та опіка

100Винятковий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
20/20Верифікований домен
25/25Охоплення власника — 37 941 підписників у facebookresearch
25/25Послужний список — 1 455 публічних репозиторіїв, вік облікового запису ~10 р.
Використані вхідні дані
followers37 941
owner_typeOrganization
is_verifiedтак
owner_loginfacebookresearch
public_repos1 455
account_age_days3 907

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 4 пакет(ів) у pypi
35/35Свіжість публікацій — остання публікація 0 дн. тому
20/20Історія версій — 12 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagesneuralset, neuralbench, neuralfetch, neuraltrain
ecosystemspypi
any_deprecatedні
min_days_since_publish0

Інженерна якість

Чи наявні базові інженерні практики та документація?

92Відмінний · 19% загального індексу

Інженерні практики

94Винятковий
Як обчислюється оцінка
24/24Процеси CI — 2 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — neuralbench-repo/pyproject.toml ([tool.ruff]), neuralfetch-repo/pyproject.toml ([tool.ruff]), neuralset-repo/pyproject.toml ([tool.ruff]), neuraltrain-repo/pyproject.toml ([tool.ruff]), pyproject.toml ([tool.ruff])
9.6/9.6Pre-commit-хуки
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 30 out of 30 merged PRs checked by a CI test -- score normalized to 10
Використані вхідні дані
has_ciтак
has_testsтак
has_editorconfigні
has_linter_configтак
has_precommit_configтак

Документація

90Відмінний
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — https://facebookresearch.github.io/neuroai/
10/10Опис репозиторію
10/10Теми — 2 тем
0/10Wiki
Використані вхідні дані
topicsdeep-learning, neuroscience
has_wikiні
homepagehttps://facebookresearch.github.io/neuroai/
docs_sitehttps://facebookresearch.github.io/neuroai/
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

Чи міцні видимі практики безпеки й ланцюга постачання, без непослабленої пов’язаності з юрисдикціями високого ризику?

58Помірний · 16% загального індексу

Стан безпеки

58Помірний
Як обчислюється оцінка
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 — 30 out of 30 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
1.5/7.5Code-Review — Found 7/30 approved changesets -- score normalized to 2
2.5/2.5Contributors — project has 6 contributing companies or organizations
10/10Dangerous-Workflow — no dangerous workflow patterns detected
0/7.5Dependency-Update-Tool — no update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Ліцензія — license file detected
7.5/7.5Maintained — 30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
0/5Packaging — немає даних
0.5/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 1
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
4.5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — немає даних
7.5/7.5Token-Permissions — GitHub workflow tokens follow principle of least privilege
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Використані вхідні дані
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate5,8
Виключено з оцінювання (немає даних або не застосовно): Packaging, Signed-Releases. Залишкові ваги перенормовано.

Готовність до ШІ

Наскільки репозиторій оснащений для розробки та супроводу за участі ШІ-агентів? Має свідомо малу вагу (4%): агентний інструментарій — реальний сигнал супроводу, але репозиторій без нього все одно може отримати 100/100.

63Помірний · 4% загального індексу

Контекст і настанови для агентів

40Слабкий
Як обчислюється оцінка
0/45Інструкції для агентів — немає CLAUDE.md / AGENTS.md / правил редактора
0/15Машиночитана документація (llms.txt)
40/40Читабельна історія комітів — намір зазначено у 94 з 100 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share0,94
agent_instruction_files—
agent_instruction_max_bytes—

Цикл верифікації (збірка / тести / перевірка типів)

73Добрий
Як обчислюється оцінка
18/18Розгортання однією командою — docs/Makefile
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — neuralbench-repo/pyproject.toml ([tool.ruff]), neuralfetch-repo/pyproject.toml ([tool.ruff]), neuralset-repo/pyproject.toml ([tool.ruff]), neuraltrain-repo/pyproject.toml ([tool.ruff]), pyproject.toml ([tool.ruff])
11/11Статична перевірка типів — neuralbench-repo/neuralbench/py.typed, neuralfetch-repo/neuralfetch/py.typed, neuralset-repo/neuralset/py.typed, neuraltrain-repo/neuraltrain/py.typed
0/10Відтворюване середовище
10/10Підтверджена практика роботи з агентами — 5 з останніх 100 комітів створено агентом або з його зазначенням
0/8Автоматизоване супроводження — автоматичних оновлень залежностей не виявлено
1/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 1
Використані вхідні дані
has_nixні
has_testsтак
lockfiles—
has_dockerfileні
typed_languageні
bootstrap_filesdocs/Makefile
has_devcontainerні
has_linter_configтак
typecheck_configsneuralbench-repo/neuralbench/py.typed, neuralfetch-repo/neuralfetch/py.typed, neuralset-repo/neuralset/py.typed, neuraltrain-repo/neuraltrain/py.typed
agent_commit_share0,05
toolchain_manifests—
dependency_bot_commit_share0

Читабельність коду для моделей

81Відмінний
Як обчислюється оцінка
27/45Типізований код — Python з конфігурацією перевірки типів (neuralbench-repo/neuralbench/py.typed, neuralfetch-repo/neuralfetch/py.typed, neuralset-repo/neuralset/py.typed, neuraltrain-repo/neuraltrain/py.typed)
53.9/55Керовані розміри файлів — 6/305 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes161 101
source_files_sampled305
oversized_source_files6

Ключові факти

322зірок GitHub
24контриб'юторів
190комітів за останні 12 місяців
0днів від останнього пушу
9релізів
3бас-фактор
32відкритих issue
PyPIпакетних екосистем

Попередження щодо збору даних

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token
  • deps.dev does not index pypi:neuralset@0.4.0; advisories assessed against the repository dependency graph instead
  • No resolved dependencies carried a version and a supported ecosystem

Докладніше

Історія зірок і форків 0 ★ / 81 ⇿
0Зірки
81Форки
8Релізи

Коли додано кожну зірку й форк — зібрано з GitHub і згруповано за днями. Кумулятивне зростання розміщено просто над денними додаваннями, з яких воно складається, тож їх видно одне проти одного: рівномірне органічне накопичення виглядає зовсім інакше, ніж різкий короткочасний сплеск. Там, де цю різницю можна виміряти, її подано як автентичність росту.

0204060808052026-042026-072026-10
Мажорні 0Мінорні 3Патчі 5
OpenSSF Scorecard 5.8 / 10
5.8сукупно

Незалежна, не прив'язана до інструментів оцінка безпеки від відкритого проєкту OpenSSF Scorecard. Кожна перевірка винагороджує практику безпеки, а не інструмент конкретного постачальника. Перевірки, які Scorecard не зміг визначити, позначено н/д і виключено з оцінки безпеки (вони ніколи не зараховуються як нуль).Scorecard v5.5.0 · 2026-10-10 03:05 UTC

10Binary-Artifactsno binaries found in the repo
0Branch-Protectionbranch protection not enabled on development/release branches
10CI-Tests30 out of 30 merged PRs checked by a CI test -- score normalized to 10
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
2Code-ReviewFound 7/30 approved changesets -- score normalized to 2
10Contributorsproject has 6 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
0Dependency-Update-Toolno update tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained30 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 10
н/дPackagingpackaging workflow not detected
1Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 1
0SASTSAST tool is not run on all commits -- score normalized to 0
9Security-Policysecurity policy file detected
н/дSigned-Releasesno releases found
10Token-PermissionsGitHub workflow tokens follow principle of least privilege
10Vulnerabilities0 existing vulnerabilities detected
Прямі залежності 42
РеєстрПакетОбмеження версіїМаніфест
PyPIadjustText—neuralbench-repo/pyproject.toml
PyPIbraindecode>=1.8.1neuralbench-repo/pyproject.toml
PyPIcloudpickle—neuralbench-repo/pyproject.toml
PyPIneuralfetch~=0.4.0neuralbench-repo/pyproject.toml
PyPIneuralset~=0.4.0neuralbench-repo/pyproject.toml
PyPIneuraltrain~=0.4.0neuralbench-repo/pyproject.toml
PyPIexca—neuralbench-repo/pyproject.toml
PyPIlightning>=2.0.8neuralbench-repo/pyproject.toml
PyPIpeft>=0.13neuralbench-repo/pyproject.toml
PyPItransformers>=4.43neuralbench-repo/pyproject.toml
PyPIpyriemann>=0.6neuralbench-repo/pyproject.toml
PyPIseaborn—neuralbench-repo/pyproject.toml
PyPItorchinfo—neuralbench-repo/pyproject.toml
PyPItorch>=2.5.1neuralbench-repo/pyproject.toml
PyPItorchaudio>=2.5.1neuralbench-repo/pyproject.toml
PyPItorchvision>=0.20.1neuralbench-repo/pyproject.toml
PyPIx_transformers>=1.27.20neuralbench-repo/pyproject.toml
PyPIneuralset~=0.4.0neuralfetch-repo/pyproject.toml
PyPIh5py—neuralfetch-repo/pyproject.toml
PyPIpybv>=0.7.3neuralfetch-repo/pyproject.toml
PyPImne_bids>=0.19neuralfetch-repo/pyproject.toml
PyPIpandas>=2.2.2neuralset-repo/pyproject.toml
PyPInumpy>=2.1neuralset-repo/pyproject.toml
PyPIpyarrow>=17.0.0neuralset-repo/pyproject.toml
PyPImne>=1.10.2neuralset-repo/pyproject.toml
PyPIscikit-learn>=0.21.2neuralset-repo/pyproject.toml
PyPItorch>=2.5.1neuralset-repo/pyproject.toml
PyPInibabel>=5.1.0neuralset-repo/pyproject.toml
PyPItqdm>=4.65.0neuralset-repo/pyproject.toml
PyPIexca>=0.5.29neuralset-repo/pyproject.toml
PyPIrapidfuzz—neuralset-repo/pyproject.toml
PyPIpackaging—neuralset-repo/pyproject.toml
PyPIujson—neuralset-repo/pyproject.toml
PyPIpandas>=2.0.1neuraltrain-repo/pyproject.toml
PyPInumpy>=2.1neuraltrain-repo/pyproject.toml
PyPIscikit-learn>=0.21.2neuraltrain-repo/pyproject.toml
PyPItorch>=2.5.1neuraltrain-repo/pyproject.toml
PyPItorchvision>=0.20.1neuraltrain-repo/pyproject.toml
PyPIexca>=0.5.20neuraltrain-repo/pyproject.toml
PyPIpackaging—neuraltrain-repo/pyproject.toml
PyPIpydantic>=2.5.0neuraltrain-repo/pyproject.toml
PyPItorchmetrics>=1.1.2neuraltrain-repo/pyproject.toml
Усі залежності 38

Повний розв'язаний набір залежностей із графа залежностей GitHub: 24 прямих і 14 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIbraindecode—пряма
PyPIexca—пряма
PyPIlightning—пряма
PyPImne—пряма
PyPImne-bids—пряма
PyPIneuralfetch—пряма
PyPIneuralset—пряма
PyPIneuraltrain—пряма
PyPInibabel—пряма
PyPInumpy—пряма
PyPIpandas—пряма
PyPIpeft—пряма
PyPIpyarrow—пряма
PyPIpybv—пряма
PyPIpydantic—пряма
PyPIpyriemann—пряма
PyPIscikit-learn—пряма
PyPItorch—пряма
PyPItorchaudio—пряма
PyPItorchmetrics—пряма
PyPItorchvision—пряма
PyPItqdm—пряма
PyPItransformers—пряма
PyPIx-transformers—пряма
PyPIautodoc-pydantic—непряма
PyPImoviepy—непряма
PyPImypy—непряма
PyPImyst-parser—непряма
PyPIopenneuro-py—непряма
PyPIosfclient—непряма
PyPIpre-commit—непряма
PyPIpytest—непряма
PyPIpytest-markdown-docs—непряма
PyPIruff—непряма
PyPIsetuptools—непряма
PyPIsphinx—непряма
PyPIsphinx-rtd-theme—непряма
PyPIwandb—непряма
Сповіщення про залежності не оцінено

Звірка сповіщень не відбулася для цього звіту: No resolved dependencies carried a version and a supported ecosystem

Звіт у форматі JSON машиночитний

Зворотний зв’язок

Помітили щось хибне у цьому звіті або маєте чим поділитися? Неправильні вимірювання, непомічені інструменти, ідеї, запитання — усе доречно. Кожне повідомлення читається й отримує відповідь.

Повідомлення збережеться під час входу.

Пов’язані записи

Перевірені репозиторії, що мають спільні каталожні теги або екосистеми з facebookresearch/neuroai. Читати поруч →

96DeepLabCut/DeepLabCutOfficial implementation of DeepLabCut: Markerless pose estimation of user-defined features with deep learning for all animals incl. humansВинятковий93braindecode/braindecodeDeep learning software to decode EEG, ECG or MEG signalsВинятковий90talmolab/sleapA deep learning framework for multi-animal pose tracking.Відмінний100uxlfoundation/oneDNNoneAPI Deep Neural Network Library (oneDNN)Винятковий100wandb/wandbThe AI developer platform. Use Weights & Biases to train and fine-tune models, and manage models from experimentation to production.Винятковий100huggingface/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. Винятковий

Оцінки — це сигнали, а не гарантії. Вони відображають публічно видимі практики на GitHub — це не аудит коду й не гарантія безпеки.

Відсутні дані виключаються, а ваги перенормовуються — нуль за відсутність ніколи не ставиться. Методологія версіонована й відкрита: метрики v2.10.0, схема v0.34.0 — повна методологія · вікі метрик.

Як окремий результат виглядає на тлі всього реєстру: сукупна статистика — PyPI.