big-data

Servicio distribuido de orquestación de Big Data

Data lake de seguridad de código abierto para búsqueda de amenazas, detección, respuesta y análisis de ciberseguridad a escala de petabytes en AWS.

Tutoriales de Apache Spark y Python (pySpark) para análisis de Big Data y Machine Learning en formato de notebooks de IPython / Jupyter.

Tonbo es una base de datos embebida para entornos de ejecución serverless y edge.

:bar_chart: :clipboard: Paneles de control usando archivos YAML o JSON

Dremio: el eslabón perdido en los datos modernos.

Solución de almacenamiento de datos de alto rendimiento

Avro para JavaScript :zap:

Una base de datos MPP (procesamiento masivamente paralelo) avanzada y madura de código abierto. Alternativa de código abierto a Greenplum Database.

Extensión para Scikit-learn que ofrece una forma sencilla de acelerar tus aplicaciones de Scikit-learn

PySpark-Tutorial ofrece algoritmos básicos utilizando PySpark

Sistema de almacenamiento distribuido, escalable y confiable, optimizado para análisis de datos y cargas de trabajo de almacenamiento de objetos.

Aplicación de escritorio simple para Windows para ver y consultar archivos Apache Parquet

GraphFrames es un paquete para Apache Spark que proporciona grafos basados en DataFrames.

Apache Amoro (en incubación) es un sistema de gestión de Lakehouse construido sobre formatos de lago de datos abiertos.

Apache Accumulo

ClickBench: una prueba de rendimiento para bases de datos analíticas

📙 Lista de catálogos de datos y plataformas de observabilidad destacados.

ADAM es una plataforma de análisis genómico con formatos de archivo especializados construidos usando Apache Avro, Apache Spark y Apache Parquet. Licenciado bajo Apache 2.

Un fork de ClickHouse que admite búsqueda vectorial de alto rendimiento y búsqueda de texto completo.

Operador de Kubernetes para Apache Flink.

Recursos profesionales para Data Science, Machine Learning, Big Data y Business Analytics

Servidor para el proyecto ListenBrainz, que incluye el código de la interfaz (JavaScript/React) que sirve y todos los componentes de procesamiento de datos que utiliza.

Complemento de NVIDIA cuDF para Apache Spark: acelera Apache Spark con GPUs

Sparkling Water proporciona funcionalidad de H2O dentro de un clúster de Spark

Un protocolo abierto para el intercambio seguro de datos.

⚡ Algoritmos de una sola pasada para estadística

Un repositorio más con conceptos básicos, desafíos técnicos y recursos sobre ingeniería de datos en español 🧙✨

Estructura de datos aprendida de última generación que permite búsquedas rápidas, predecesores, búsquedas de rango y actualizaciones en matrices de miles de millones de elementos, utilizando órdenes de magnitud menos espacio que los índices tradicionales.

Proyectos de IA.