Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-09-19 10:44 UTC

ludwig-ai / ludwig

Low-code framework for building custom LLMs, neural networks, and other AI models

PythonApache-2.0★ 11 759 зірок⑂ 1 217 форківз груд. 2018 р.Переглянути на GitHub ↗
ТипІнструмент командного рядкаБібліотекаяк це визначено
#deep-learning#deeplearning#deep#learning#machine-learning#machinelearning#natural-language-processing#natural-language#computer-vision#data-centric#data-science#pytorch#neural-network#ml#llm#llm-training#fine-tuning#llama#mistral#llama2

ludwig-ai/ludwig має індекс здоров’я 95 зі 100, що відповідає смузі «Винятковий». Найвищий показник — Engineering Quality (96/100), найнижчий — AI Readiness (61/100). Останнє оновлення було 4 дні тому. Більшість нещодавньої роботи виконують 3 учасники.

95
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»).

95
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 82 калібровано до 95 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

LudwigОрганізація
176 підписників6 публічних репозиторіївз трав. 2020 р.

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

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікаціяТеги
PyPIludwig0.17.92 0537833 дні томуcomputer-visiondeep-learningludwigmachine-learningnatural-language-processing

Метрики за категоріями

Життєздатність

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

84Відмінний · 21% загального індексу

Активність розробки

74Добрий
Як обчислюється оцінка
36/36Свіжість push — останній push 4 дн. тому
10.4/36Ритм комітів — 15/52 тижнів із комітами
18/18Обсяг комітів — 277 комітів за останній рік
10/10OpenSSF Scorecard: Maintained — 23 commit(s) and 3 issue activity found in the last 90 days -- score normalized to 10
Використані вхідні дані
commits_last_year277
human_commit_share0,97
days_since_last_push4
active_weeks_last_year15

Дисципліна релізів

100Винятковий
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 74 релізів
36/36Свіжість релізів — останній реліз 33 дн. тому
27/27Ритм релізів — реліз кожні ~11,2 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count74
latest_release_tagv0.17.9
releases_from_tagsні
days_since_latest_release33
mean_days_between_releases11,2
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?

85Відмінний · 17% загального індексу

Популярність і впровадження

98Винятковий
Як обчислюється оцінка
60/60Зірки — 11 759 зірок
25/25Форки — 1 217 форків
12.6/15Спостерігачі — 184 спостерігачів
Використані вхідні дані
forks1 217
stars11 759
watchers184
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 (Apache-2.0)
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_badges5
has_contributingтак
has_issue_templateні
has_code_of_conductтак
readme_badge_servicesbadge.fury.io, shields.io
has_pull_request_templateтак

Впровадження в екосистемі (завантаження)

55Помірний
Як обчислюється оцінка
44.2/80Щомісячні завантаження — 2 053 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagesludwig
dependents—
ecosystemspypi
total_downloads—
monthly_downloads2 053
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?

79Добрий · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

77Добрий
Як обчислюється оцінка
36/54Бас-фактор — на 3 контриб’ютор(ів) припадає половина всіх комітів
17.5/22.5Розподіл комітів — головний контриб’ютор — автор 22% комітів
13.5/13.5Широта контриб’юторів — 98 контриб’юторів
10/10OpenSSF Scorecard: Contributors — project has 17 contributing companies or organizations
Використані вхідні дані
bus_factor3
contributors_sampled98
top_contributor_share0,221

Реактивність на issue та PR

78Добрий
Як обчислюється оцінка
42/42Вирішення issue — закрито 100% issue
25.9/30Прийняття PR — злито 2 589/3 000 вирішених PR
0/13Newcomer PR acceptance — за 30 дн. не вирішено жодного PR від новачка
0/15OpenSSF Scorecard: Code-Review — Found 0/28 approved changesets -- score normalized to 0
Використані вхідні дані
merged_prs2 589
open_issues0
closed_issues1 095
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio1
closed_unmerged_prs411
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Виключено з оцінювання (немає даних або не застосовно): Newcomer PR acceptance. Залишкові ваги перенормовано.

Власність та опіка

64Помірний
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен
16.2/25Охоплення власника — 176 підписників у ludwig-ai
18.2/25Послужний список — 6 публічних репозиторіїв, вік облікового запису ~6 р.
Використані вхідні дані
followers176
owner_typeOrganization
is_verifiedні
owner_loginludwig-ai
public_repos6
account_age_days2 316

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
35/35Свіжість публікацій — остання публікація 33 дн. тому
20/20Історія версій — 78 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagesludwig
ecosystemspypi
any_deprecatedні
min_days_since_publish33

Інженерна якість

Чи наявні базові інженерні практики та документація?

96Винятковий · 19% загального індексу

Інженерні практики

94Винятковий
Як обчислюється оцінка
24/24Процеси CI — 6 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — .flake8, pyproject.toml ([tool.ruff])
9.6/9.6Pre-commit-хуки
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 2 out of 2 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

100Винятковий
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — http://ludwig.ai
10/10Опис репозиторію
10/10Теми — 20 тем
10/10Wiki
Використані вхідні дані
topicsdeep-learning, deeplearning, deep, learning, machine-learning, machinelearning, natural-language-processing, natural-language, computer-vision, data-centric, data-science, pytorch, neural-network, ml, llm, llm-training, fine-tuning, llama, mistral, llama2
has_wikiтак
homepagehttp://ludwig.ai
docs_sitehttp://ludwig.ai
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

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

71Добрий · 16% загального індексу

Стан безпеки

64Помірний
Як обчислюється оцінка
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — немає даних
2.5/2.5CI-Tests — 2 out of 2 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 0/28 approved changesets -- score normalized to 0
2.5/2.5Contributors — project has 17 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
2.5/2.5Ліцензія — license file detected
7.5/7.5Maintained — 23 commit(s) and 3 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
0/5SAST — SAST tool is not run on all commits -- score normalized to 0
5/5Security-Policy — security policy file detected
0/7.5Signed-Releases — немає даних
0/7.5Token-Permissions — detected GitHub workflow tokens with excessive permissions
7.5/7.5Vulnerabilities — 0 existing vulnerabilities detected
Використані вхідні дані
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate6,4
Виключено з оцінювання (немає даних або не застосовно): Branch-Protection, Signed-Releases. Залишкові ваги перенормовано.

Сповіщення про залежності

100Винятковий
Як обчислюється оцінка
35/35Прямі залежності без відомих сповіщень — жодна пряма залежність не має відомих сповіщень
25/25Непрямі залежності без відомих сповіщень — жодна непряма залежність не має відомих сповіщень
0/40Немає задавнених сповіщень — жодне сповіщення не має дати публікації
Використані вхідні дані
sourceosv
advisories0
affected_packages0
assessed_packages149
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Виключено з оцінювання (немає даних або не застосовно): Немає задавнених сповіщень. Залишкові ваги перенормовано. Звірено з runtime-замиканням залежностей pypi:ludwig@0.17.9 — тим, що тягне за собою встановлення опублікованого пакета, — 149 пакетів. Досяжність не аналізується.

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.

61Помірний · 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 88 з 97 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share0,907
agent_instruction_files—
agent_instruction_max_bytes—

Цикл верифікації (збірка / тести / перевірка типів)

54Помірний
Як обчислюється оцінка
0/18Розгортання однією командою
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — .flake8, pyproject.toml ([tool.ruff])
11/11Статична перевірка типів — ludwig/py.typed
10/10Відтворюване середовище — devcontainer, Dockerfile
0/10Підтверджена практика роботи з агентами — серед останніх 100 комітів немає створених агентом
0/8Автоматизоване супроводження — автоматичних оновлень залежностей не виявлено
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Використані вхідні дані
has_nixні
has_testsтак
lockfiles—
has_dockerfileтак
typed_languageні
bootstrap_files—
has_devcontainerтак
has_linter_configтак
typecheck_configsludwig/py.typed
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0

Читабельність коду для моделей

82Відмінний
Як обчислюється оцінка
27/45Типізований код — Python з конфігурацією перевірки типів (ludwig/py.typed)
54.5/55Керовані розміри файлів — 7/805 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes107 706
source_files_sampled805
oversized_source_files7

Машиночитні інтерфейси

100Винятковий
Як обчислюється оцінка
0/40Схема API (OpenAPI/GraphQL/proto) — не застосовно до цього типу програмного забезпечення
0/20Сервер MCP — не застосовно до цього типу програмного забезпечення
40/40Придатні до запуску приклади — examples, notebooks
Використані вхідні дані
example_dirsexamples, notebooks
has_mcp_signalні
api_schema_files—
interfaces_expected_of—
Виключено з оцінювання (немає даних або не застосовно): Схема API (OpenAPI/GraphQL/proto), Сервер MCP. Залишкові ваги перенормовано.

Ключові факти

11 759зірок GitHub
98контриб'юторів
277комітів за останні 12 місяців
4днів від останнього пушу
74релізів
3бас-фактор
0відкритих issue
PyPIпакетних екосистем

Попередження щодо збору даних

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

Докладніше

Історія зірок і форків 0 ★ / 1 217 ⇿
0Зірки
1 217Форки
73Релізи

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.

Показано лише найновішу історію — цей репозиторій перевищує вікно збору, тож найраніша історія не захоплена.

2505007501 0001 2501 217582019-022022-122026-09
Мажорні 0Мінорні 8Патчі 51

Кожна точка охоплює 7 днів.

OpenSSF Scorecard 6.4 / 10
6.4сукупно

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 · 2026-09-19 10:43 UTC

10Binary-Artifactsno binaries found in the repo
н/дBranch-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-Tests2 out of 2 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 0/28 approved changesets -- score normalized to 0
10Contributorsproject has 17 contributing companies or organizations
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
10Maintained23 commit(s) and 3 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
0SASTSAST tool is not run on all commits -- score normalized to 0
10Security-Policysecurity policy file detected
н/дSigned-Releasesno releases found
0Token-Permissionsdetected GitHub workflow tokens with excessive permissions
10Vulnerabilities0 existing vulnerabilities detected
Прямі залежності 40
РеєстрПакетОбмеження версіїМаніфест
PyPInumpy>=1.24pyproject.toml
PyPIpandas>=2.0pyproject.toml
PyPIscipy>=1.10pyproject.toml
PyPItabulate>=0.9pyproject.toml
PyPIscikit-learn>=1.3pyproject.toml
PyPItqdm>=4.60pyproject.toml
PyPItorch>=2.11pyproject.toml
PyPItorchaudio>=2.11pyproject.toml
PyPItorchcodec>=0.1pyproject.toml
PyPItorchvision>=0.26pyproject.toml
PyPItransformers>=5.0pyproject.toml
PyPIsentencepiece>=0.2pyproject.toml
PyPIspacy>=2.3pyproject.toml
PyPIPyYAML>=6.0pyproject.toml
PyPIabsl-py—pyproject.toml
PyPIkaggle—pyproject.toml
PyPIrequests>=2.28pyproject.toml
PyPIpy-cpuinfo—pyproject.toml
PyPIfsspec—pyproject.toml
PyPIdataclasses-json—pyproject.toml
PyPIjsonschema>=4.17pyproject.toml
PyPItensorboard—pyproject.toml
PyPItorchmetrics>=1.0pyproject.toml
PyPItorchinfo—pyproject.toml
PyPIfilelock—pyproject.toml
PyPIpsutil—pyproject.toml
PyPIprotobuf>=4.0pyproject.toml
PyPIgpustat—pyproject.toml
PyPIrich>=12.4.4pyproject.toml
PyPIpackaging—pyproject.toml
PyPIretry—pyproject.toml
PyPIsacremoses—pyproject.toml
PyPIbitsandbytes>=0.44.0pyproject.toml
PyPIxlwt—pyproject.toml
PyPIxlrd—pyproject.toml
PyPIopenpyxl—pyproject.toml
PyPIpyarrow>=14.0pyproject.toml
PyPIlxml—pyproject.toml
PyPIdatasets—pyproject.toml
PyPIsafetensors>=0.4pyproject.toml
Усі залежності 32

Повний розв'язаний набір залежностей із графа залежностей GitHub: 22 прямих і 10 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIbitsandbytes—пряма
PyPIjsonschema—пряма
PyPInumpy—пряма
PyPIpandas—пряма
PyPIprotobuf—пряма
PyPIpyarrow—пряма
PyPIpyyaml—пряма
PyPIrequests—пряма
PyPIrich—пряма
PyPIsafetensors—пряма
PyPIscikit-learn—пряма
PyPIscipy—пряма
PyPIsentencepiece—пряма
PyPIspacy—пряма
PyPItabulate—пряма
PyPItorch—пряма
PyPItorchaudio—пряма
PyPItorchcodec—пряма
PyPItorchmetrics—пряма
PyPItorchvision—пряма
PyPItqdm—пряма
PyPItransformers—пряма
PyPIconfigspace—непряма
PyPIdask—непряма
PyPIfuture—непряма
PyPImatplotlib—непряма
PyPIpeft—непряма
PyPIpredibase—непряма
PyPIray—непряма
PyPIruff—непряма
PyPIs3fs—непряма
PyPItorchao—непряма
Сповіщення про залежності 0

Встановлення pypi:ludwig@0.17.9 тягне 149 пакетів, прямих і транзитивних: 0 мають відомі сповіщення, з них 0 — прямі залежності.

Жодне відоме сповіщення не стосується оцінених залежностей.

Сповіщення означає, що версія, записана в графі залежностей, потрапляє в уражений діапазон. Досяжність не аналізується, а граф містить піниї розробки й тестування — знахідка може стосуватися інструментів, а не поставленого коду.

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 ludwig-ai/ludwig. Читати поруч →

98huggingface/datasets🤗 The largest hub of ready-to-use datasets for AI models with fast, easy-to-use and efficient data manipulation toolsВинятковий100huggingface/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. Винятковий98autogluon/autogluonFast and Accurate ML in 3 Lines of CodeВинятковий98zenml-io/zenmlZenML 🙏: One AI Platform from Pipelines to Agents. https://zenml.io.Винятковий100onnx/onnxOpen standard for machine learning interoperabilityВинятковий99ray-project/rayRay is an AI compute engine. Ray consists of a core distributed runtime and a set of AI Libraries for accelerating ML workloads.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.