搜索结果：data（132 个）

Gluten 是一个为 Spark SQL 提速的中间层插件。它复用 Spark 的分布式控制流，将 JVM 中计算密集的数据处理卸载给 ClickHouse、Velox 等高性能原生引擎。通过 Substrait 转换执行计划并结合 Arrow 列存格式，无需改动现有 SQL 或 DataFrame API 即可实现原生向量化加速。

让数据分析师和工程师能运用软件工程最佳实践进行数据转换。

免费跨平台、本地优先的数据库客户端与 SQL 工作区，支持 40+ 种数据库。

PyTorch 专用于计算机视觉的数据集、数据变换工具和预训练模型库。

MLeap 专注于简化机器学习流水线的生产部署。它支持将 Spark 或 Scikit-learn 训练的流水线导出为便携格式（JSON/Protobuf），并直接在轻量级 JVM 运行时上执行，完全脱离对 Spark、sklearn 等重型环境的依赖，实现高性能、跨平台的快速推理。

Delta Sharing 是开源的安全数据共享协议，解决跨计算平台实时交换大数据集的难题。它通过 REST 协议共享云存储上的数据，提供 Python、Spark 连接器及参考服务端，支持直接用 pandas、Spark 等工具读取 Delta Lake 或 Parquet 表。

用 Go 语言编写的 LeetCode 题解，测试覆盖率 100%，运行速度击败 100%。

统一的批处理与流式数据处理编程模型。

用于同步去中心化图数据的开源网络安全协议与分布式数据库。

以数据为中心的开源 AI 库，用于解决真实复杂数据与标签的质量及机器学习问题。

用于构建 LLM 微调、RAG 和 Eval 评测数据集的实用工具。

支持复杂表格、表单、手写内容及完整版面分析的 OCR 模型。

Apache Texera 是一款面向人机协同数据科学的可视化工作流平台，解决复杂数据分析门槛高及协作难的问题。它通过直观 GUI 让用户构建分析流程，并结合能理解自然语言的 AI Agent 辅助任务。核心功能包括工作流实时协作编辑、运行时调试、多语言原生支持（Python/Java）以及支持云端扩展的并行大数据处理引擎。

系统化交易优质资源清单，精选相关库、工具包、交易策略、书籍、博客与教程。

用于生成图表、Diff 评审、方案审计及项目复盘等富文本 HTML 页面或幻灯片的 Agent 技能。

成为人工智能（AI）领域专家的学习路线图指南（2022 版）。

为 Postgres 增强现代数据模型、图查询、Auth 与 AI 解决方案等能力。

Scio 是为 Apache Beam 和 Google Cloud Dataflow 打造的 Scala API，风格贴近 Spark。它解决了 Beam 原生开发体验繁琐的问题，提供批流一体的编程模型，深度整合 BigQuery、Pub/Sub 等 GCP 服务，并原生支持 Cassandra、Parquet、TensorFlow 等多样数据源与交互式 REPL。

《开源大模型食用指南》：Linux 下开源 LLM/MLLM 快速微调（全参数/LoRA）与部署教程。

开放式的经典机器学习（Machine Learning）实战教程与学习资料库。