Публічний реєстр
Звіт про здоров'я програмного забезпеченнясхема 0.34.0 · метрики 2.10.0 · 2026-10-21 21:00 UTC

mad-lab-fau / tpcp

Pipeline and Dataset helpers for complex algorithm evaluation.

PythonMIT★ 21 зірка⑂ 3 форкиз лист. 2021 р.Переглянути на GitHub ↗
ТипІнструмент командного рядкаПлагінБібліотекаяк це визначено
#machine-learning#python#algorithms#biosignals#data-management#data-science

mad-lab-fau/tpcp має індекс здоров’я 83 зі 100, що відповідає смузі «Відмінний». Найвищий показник — Engineering Quality (86/100), найнижчий — Community & Adoption (42/100). Останнє оновлення — сьогодні. Більшість нещодавньої роботи виконує один учасник.

83
загалом / 100
Відмінний

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»).

83
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 70 калібровано до 83 за шкалою опублікованого індексу (калібрування реєстру 2026-08-02).

Власність

Machine Learning and Data Analytics Lab FAUОрганізація
92 підписники70 публічних репозиторіївз бер. 2019 р.

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

Пакетні екосистеми

РеєстрПакетВерсіяЗавантажень / місВерсіїОстання публікація
PyPItpcp3.5.04 083700 днів тому

Метрики за категоріями

Життєздатність

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

83Відмінний · 21% загального індексу

Активність розробки

72Добрий
Як обчислюється оцінка
36/36Свіжість push — останній push 0 дн. тому
7.6/36Ритм комітів — 11/52 тижнів із комітами
18/18Обсяг комітів — 118 комітів за останній рік
10/10OpenSSF Scorecard: Maintained — 30 commit(s) and 4 issue activity found in the last 90 days -- score normalized to 10
Використані вхідні дані
commits_last_year118
human_commit_share0,97
days_since_last_push0
active_weeks_last_year11

Дисципліна релізів

100Винятковий
Як обчислюється оцінка
27/27Випускає релізи — опубліковано 67 релізів
36/36Свіжість релізів — останній реліз 0 дн. тому
27/27Ритм релізів — реліз кожні ~26,9 дн.
0/10OpenSSF Scorecard: Signed-Releases — немає даних
Використані вхідні дані
releases_count67
latest_release_tagv3.5.0
releases_from_tagsні
days_since_latest_release0
mean_days_between_releases26,9
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?

42Слабкий · 17% загального індексу

Популярність і впровадження

24У зоні ризику
Як обчислюється оцінка
21.1/60Зірки — 21 зірок
2.5/25Форки — 3 форків
0/15Спостерігачі — 2 спостерігачів
Використані вхідні дані
forks3
stars21
watchers2
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Здоров'я спільноти

50Помірний
Як обчислюється оцінка
22.5/22.5README
22.5/22.5Ліцензія — визнана ліцензія (MIT)
0/18Настанови CONTRIBUTING
0/13.5Кодекс поведінки
0/7.2Шаблон issue
0/6.3Шаблон PR
Використані вхідні дані
has_readmeтак
has_licenseтак
readme_badges5
has_contributingні
has_issue_templateні
has_code_of_conductні
readme_badge_servicescodecov.io, github.com, readthedocs.org, shields.io
has_pull_request_templateні

Впровадження в екосистемі (завантаження)

60Помірний
Як обчислюється оцінка
48.1/80Щомісячні завантаження — 4 083 завантажень/місяць у pypi
0/20Залежні пакети в реєстрі — ця екосистема цього не повідомляє
Використані вхідні дані
packagestpcp
dependents—
ecosystemspypi
total_downloads—
monthly_downloads4 083
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?

67Добрий · 23% загального індексу

Стійкість мейнтейнерів (бас-фактор)

31У зоні ризику
Як обчислюється оцінка
9/54Бас-фактор — на 1 контриб’ютор(ів) припадає половина всіх комітів
2.8/22.5Розподіл комітів — головний контриб’ютор — автор 88% комітів
9.5/13.5Широта контриб’юторів — 7 контриб’юторів
10/10OpenSSF Scorecard: Contributors — project has 4 contributing companies or organizations
Використані вхідні дані
bus_factor1
contributors_sampled7
top_contributor_share0,877

Реактивність на issue та PR

80Відмінний
Як обчислюється оцінка
41.4/42Вирішення issue — закрито 99% issue
28/30Прийняття PR — злито 85/91 вирішених PR
0/13Newcomer PR acceptance — за 30 дн. не вирішено жодного PR від новачка
0/15OpenSSF Scorecard: Code-Review — Found 0/11 approved changesets -- score normalized to 0
Використані вхідні дані
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
Виключено з оцінювання (немає даних або не застосовно): Newcomer PR acceptance. Залишкові ваги перенормовано.

Власність та опіка

69Добрий
Як обчислюється оцінка
30/30Підтримка власника — у власності організації
0/20Верифікований домен
14.2/25Охоплення власника — 92 підписників у mad-lab-fau
25/25Послужний список — 70 публічних репозиторіїв, вік облікового запису ~7 р.
Використані вхідні дані
followers92
owner_typeOrganization
is_verifiedні
owner_loginmad-lab-fau
public_repos70
account_age_days2 791

Супровід пакетів

100Винятковий
Як обчислюється оцінка
25/25Опубліковано й доступно — 1 пакет(ів) у pypi
35/35Свіжість публікацій — остання публікація 0 дн. тому
20/20Історія версій — 70 опублікованих версій
20/20Не застарілий — активний, не deprecated і не yanked
Використані вхідні дані
packagestpcp
ecosystemspypi
any_deprecatedні
min_days_since_publish0

Інженерна якість

Чи наявні базові інженерні практики та документація?

86Відмінний · 19% загального індексу

Інженерні практики

84Відмінний
Як обчислюється оцінка
24/24Процеси CI — 2 процес(ів) CI
24/24Наявні тести
16/16Конфігурація лінтера — .ruff.toml
0/9.6Pre-commit-хуки
0/6.4.editorconfig
20/20OpenSSF Scorecard: CI-Tests — 10 out of 10 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_configні

Документація

90Відмінний
Як обчислюється оцінка
30/30README
25/25Каталог документації
15/15Сайт документації / домашня сторінка — https://tpcp.readthedocs.io/en/latest/
10/10Опис репозиторію
10/10Теми — 6 тем
0/10Wiki
Використані вхідні дані
topicsmachine-learning, python, algorithms, biosignals, data-management, data-science
has_wikiні
homepagehttps://tpcp.readthedocs.io/en/latest/
docs_sitehttps://tpcp.readthedocs.io/en/latest/
has_readmeтак
has_docs_dirтак
has_descriptionтак

Безпека

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

66Добрий · 16% загального індексу

Стан безпеки

57Помірний
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 — 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
2.5/2.5Ліцензія — 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 — немає даних
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 — немає даних
7.5/7.5Token-Permissions — GitHub workflow tokens follow principle of least privilege
0/7.5Vulnerabilities — 68 existing vulnerabilities detected
Використані вхідні дані
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate5,7
Виключено з оцінювання (немає даних або не застосовно): Packaging, 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
0/25Непрямі залежності без відомих сповіщень — транзитивний набір не відокремлюється від залежностей розробки й тестування в цьому обсязі
0/40Немає задавнених сповіщень — жодне сповіщення не має дати публікації
Використані вхідні дані
sourceosv
advisories115
affected_packages15
assessed_packages109
unassessed_packages0
affected_by_severitycritical 1, high 7, moderate 6, low 1
direct_affected_packages0
Виключено з оцінювання (немає даних або не застосовно): Непрямі залежності без відомих сповіщень, Немає задавнених сповіщень. Залишкові ваги перенормовано. Звірено 109 резолвлених залежностей із OSV. Цей репозиторій не публікує пакета, який резолвить індекс, тож натомість оцінено граф залежностей репозиторію. Цей граф змішує закріплені версії для розробки й тестування зі справді постачаними залежностями, тож оцінюються лише задекларовані runtime-залежності; транзитивні знахідки подаються як контекст і в оцінку не входять. 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.

73Добрий · 4% загального індексу

Контекст і настанови для агентів

84Відмінний
Як обчислюється оцінка
45/45Інструкції для агентів — AGENTS.md
0/15Машиночитана документація (llms.txt)
38.5/40Читабельна історія комітів — намір зазначено у 70 з 97 людських комітів (структурований заголовок або пояснювальний текст)
Використані вхідні дані
has_llms_txtні
llms_txt_url—
legible_history_share0,722
agent_instruction_filesAGENTS.md
agent_instruction_max_bytes537

Цикл верифікації (збірка / тести / перевірка типів)

61Помірний
Як обчислюється оцінка
0/18Розгортання однією командою
22/22Автоматизовані тести
11/11Конфігурація лінтера / форматера — .ruff.toml
0/11Статична перевірка типів
10/10Відтворюване середовище — lockfile
0/10Підтверджена практика роботи з агентами — серед останніх 100 комітів немає створених агентом
8/8Автоматизоване супроводження — 3 з останніх 100 комітів — автоматичні оновлення залежностей
10/10OpenSSF Scorecard: Pinned-Dependencies — all dependencies are pinned
Використані вхідні дані
has_nixні
has_testsтак
lockfilesuv.lock
has_dockerfileні
typed_languageні
bootstrap_files—
has_devcontainerні
has_linter_configтак
typecheck_configs—
agent_commit_share0
toolchain_manifests—
dependency_bot_commit_share0,03

Читабельність коду для моделей

55Помірний
Як обчислюється оцінка
0/45Типізований код — Python без конфігурації перевірки типів
55/55Керовані розміри файлів — 0/111 файлів вихідного коду понад 60 КБ
Використані вхідні дані
primary_languagePython
largest_source_bytes48 032
source_files_sampled111
oversized_source_files0

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
Використані вхідні дані
example_dirsexamples
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

21зірок GitHub
7контриб'юторів
118комітів за останні 12 місяців
0днів від останнього пушу
67релізів
1бас-фактор
1відкритих 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:tpcp@3.5.0; advisories assessed against the repository dependency graph instead

Докладніше

Історія зірок і форків 0 ★ / 3 ⇿
0Зірки
3Форки
42Релізи

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.

12233312022-092024-022025-08
Мажорні 2Мінорні 25Патчі 15

Кожна точка охоплює 3 днів.

OpenSSF Scorecard 5.7 / 10
5.7сукупно

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 · 2026-10-21 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
н/дPackagingpackaging 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
н/дSigned-Releasesno releases found
10Token-PermissionsGitHub workflow tokens follow principle of least privilege
0Vulnerabilities68 existing vulnerabilities detected
Прямі залежності 6
РеєстрПакетОбмеження версіїМаніфест
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
Усі залежності 109

Повний розв'язаний набір залежностей із графа залежностей GitHub: 7 прямих і 102 непрямих (транзитивних) пакетів. Транзитивне замикання є повним, коли в репозиторії закомічено lockfile.

РеєстрПакетВерсіяЗв'язок
PyPIjoblib1.5.3пряма
PyPInumpy2.4.6пряма
PyPInumpy2.5.3пряма
PyPIpandas3.0.6пряма
PyPIscikit-learn1.8.0пряма
PyPItqdm4.67.3пряма
PyPIxxhash4.0.1пряма
PyPIabsl-py2.4.0непряма
PyPIaccessible-pygments0.0.5непряма
PyPIalabaster0.7.16непряма
PyPIalembic1.18.4непряма
PyPIastunparse1.6.3непряма
PyPIattrs25.4.0непряма
PyPIbabel2.18.0непряма
PyPIbeautifulsoup44.14.3непряма
PyPIcertifi2026.1.4непряма
PyPIcharset-normalizer3.4.4непряма
PyPIcolorama0.4.6непряма
PyPIcolorlog6.10.1непряма
PyPIcommonmark0.9.1непряма
PyPIcontourpy1.3.3непряма
PyPIcoverage7.13.4непряма
PyPIcycler0.12.1непряма
PyPIdocutils0.21.2непряма
PyPIexecnet2.1.2непряма
PyPIfilelock3.24.3непряма
PyPIflatbuffers25.12.19непряма
PyPIfonttools4.61.1непряма
PyPIfsspec2026.2.0непряма
PyPIgast0.7.0непряма
PyPIgoogle-pasta0.2.0непряма
PyPIgreenlet3.3.2непряма
PyPIgrpcio1.78.1непряма
PyPIh5py3.14.0непряма
PyPIidna3.11непряма
PyPIimagesize1.4.1непряма
PyPIiniconfig2.3.0непряма
PyPIjinja23.1.6непряма
PyPIkeras3.13.2непряма
PyPIkiwisolver1.4.9непряма
PyPIlibclang18.1.1непряма
PyPImako1.3.10непряма
PyPImarkdown3.10.2непряма
PyPImarkdown-it-py4.0.0непряма
PyPImarkupsafe3.0.3непряма
PyPImatplotlib3.10.8непряма
PyPImdurl0.1.2непряма
PyPImemory-profiler0.58.0непряма
PyPIml-dtypes0.5.4непряма
PyPImpmath1.3.0непряма
PyPInamex0.1.0непряма
PyPInetworkx3.6.1непряма
PyPInodeenv1.10.0непряма
PyPInumpydoc1.10.0непряма
PyPIopt-einsum3.4.0непряма
PyPIoptree0.18.0непряма
PyPIoptuna4.7.0непряма
PyPIpackaging26.0непряма
PyPIpastel0.2.1непряма
PyPIpillow12.1.1непряма
PyPIpluggy1.6.0непряма
PyPIpoethepoet0.10.0непряма
PyPIprotobuf6.33.5непряма
PyPIpsutil7.2.2непряма
PyPIpydata-sphinx-theme0.14.4непряма
PyPIpygments2.19.2непряма
PyPIpyparsing3.3.2непряма
PyPIpyright1.1.408непряма
PyPIpytest8.4.2непряма
PyPIpytest-cov7.0.0непряма
PyPIpytest-xdist3.8.0непряма
PyPIpython-dateutil2.9.0.post0непряма
PyPIpyyaml6.0.3непряма
PyPIrecommonmark0.7.1непряма
PyPIrequests2.32.5непряма
PyPIrich14.3.3непряма
PyPIruff0.14.14непряма
PyPIscipy1.17.0непряма
PyPIsetuptools82.0.0непряма
PyPIsix1.17.0непряма
PyPIsnowballstemmer3.0.1непряма
PyPIsoupsieve2.8.3непряма
PyPIsphinx7.4.7непряма
PyPIsphinx-gallery0.14.0непряма
PyPIsphinxcontrib-applehelp2.0.0непряма
PyPIsphinxcontrib-devhelp2.0.0непряма
PyPIsphinxcontrib-htmlhelp2.1.0непряма
PyPIsphinxcontrib-jsmath1.0.1непряма
PyPIsphinxcontrib-qthelp2.0.0непряма
PyPIsphinxcontrib-serializinghtml2.0.0непряма
PyPIsqlalchemy2.0.46непряма
PyPIsympy1.14.0непряма
PyPItensorboard2.20.0непряма
PyPItensorboard-data-server0.7.2непряма
PyPItensorflow-cpu2.21.0rc0непряма
PyPItermcolor3.3.0непряма
PyPIthreadpoolctl3.6.0непряма
PyPItoml0.10.2непряма
PyPItomli2.4.0непряма
PyPItomlkit0.14.0непряма
PyPItorch2.10.0непряма
PyPItorch2.10.0+cpuнепряма
PyPItpcp3.4.0непряма
PyPItyping-extensions4.15.0непряма
PyPItzdata2025.3непряма
PyPIurllib32.6.3непряма
PyPIwerkzeug3.1.6непряма
PyPIwheel0.46.3непряма
PyPIwrapt2.1.1непряма
Сповіщення про залежності 15

Цей репозиторій не публікує пакета, який розпізнає індекс, тож оцінено його власний граф залежностей — 109 пакетів, серед яких є й піниї розробки та тестування, що ніколи не постачаються: 15 мають відомі сповіщення, з них 0 прямі.

ПакетВерсіяЗв'язокКритичністьСповіщеньВиправлено в
pillow12.1.1непрямакритична5613.0.0
certifi2026.1.4непрямависока22026.10.19
fsspec2026.2.0непрямависока22026.6.0
keras3.13.2непрямависока163.15.0
mako1.3.10непрямависока61.4.2
soupsieve2.8.3непрямависока82.9.0
torch2.10.0непрямависока22.13.0
urllib32.6.3непрямависока102.8.0
idna3.11непрямапомірна23.15
pytest8.4.2непрямапомірна29.0.3
requests2.32.5непрямапомірна22.33.0
setuptools82.0.0непрямапомірна283.0.0
torch2.10.0+cpuнепрямапомірна12.13.0
werkzeug3.1.6непрямапомірна23.1.9
pygments2.19.2непряманизька22.20.0

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 mad-lab-fau/tpcp. Читати поруч →

100streamlit/streamlitStreamlit — A faster way to build and share data apps.Винятковий100scikit-learn/scikit-learnscikit-learn: machine learning in PythonВинятковий100apache/airflowApache Airflow - A platform to programmatically author, schedule, and monitor workflowsВинятковий99gradio-app/gradioBuild and share delightful machine learning apps, all in Python. 🌟 Star to support our work!Винятковий99voxel51/fiftyoneRefine high-quality datasets and visual AI modelsВинятковий99ray-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.