Accueil Projets OpenMLDB
OpenMLDB
C++

OpenMLDB

OpenMLDB est une base de données de machine learning open-source qui fournit une plateforme de fonctionnalités pour le calcul de caractéristiques cohérentes pour l'entraînement et l'inférence.

par 4paradigm · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Catégorie
Langue
database-for-aidatabase-for-machine-learningfeature-engineeringApache-2.0C++
Voir sur GitHub
En termes simples

Utilisez une base de données conçue pour l'apprentissage automatique qui aide à gérer et créer des caractéristiques de données cohérentes pour vos projets.

Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
OpenMLDB — GitHub preview card
📈 Historique des étoiles
1.70k1.69k
2026-07-202026-08-31
📈 Suivez OpenMLDB

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

OpenMLDB est une base de données de machine learning open-source qui fournit une plateforme de fonctionnalités pour le calcul de caractéristiques cohérentes pour l'entraînement et l'inférence.

OpenMLDB compte 1.7k étoiles sur GitHub. Il a été forké 330 fois. OpenMLDB est écrit principalement en C++. Il est développé activement depuis 2021. OpenMLDB est disponible sous licence Apache-2.0. Ses principaux thèmes sont : database-for-ai, database-for-machine-learning, feature-engineering, feature-extraction.

Frequently asked questions

Qu'est-ce que OpenMLDB ?

OpenMLDB est une base de données de machine learning open-source qui fournit une plateforme de fonctionnalités pour le calcul de caractéristiques cohérentes pour l'entraînement et l'inférence.

OpenMLDB est-il open source ?

OpenMLDB est un projet open source. Il est distribué sous licence Apache-2.0.

OpenMLDB est-il gratuit ?

Oui. OpenMLDB est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est OpenMLDB ?

OpenMLDB est disponible sous licence Apache-2.0.

Dans quel langage OpenMLDB est-il écrit ?

OpenMLDB est écrit principalement en C++.

🏅 Mainteneur de ce projet ?
olud.ai badge — OpenMLDB

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=4paradigm-openmldb)](https://olud.ai/project/4paradigm-openmldb.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
tsflex
Extraction et traitement de caractéristiques de séries temporelles flexibles
443 · data-science
partagefeature-engineeringfeature-extraction
feature_engine
Bibliothèque Python open-source pour l'ingénierie et la sélection de caractéristiques compatibl…
2.3k · data-science
partagefeature-engineeringfeature-extraction
feature-engineering-and-feature-selection
Un guide pour l'ingénierie des caractéristiques et la sélection des caractéristiques, avec des…
1.7k · data-mining
partagefeature-engineeringfeature-extraction
fe4ml-zh
:book: [Traduit] Ingénierie des caractéristiques pour l'apprentissage automatique
2.6k · book
partagefeature-engineering
Deep_Learning_Machine_Learning_Stock
Les actions d'apprentissage profond et d'apprentissage automatique représentent des opportunité…
1.8k · algorithms
partagefeature-engineering
popsift
PopSift est une implémentation de l'algorithme SIFT en CUDA.
498 · computer-vision
partagefeature-extraction
Ego4d
Dépôt de données Ego4d. Téléchargez le jeu de données, visualisez, extrayez des caractéristique…
620 · computer-vision
partagefeature-extraction
Book6_First-Course-in-Data-Science
Livre_6_《数据有道》 | Livre Iris : De l'addition et soustraction à l'apprentissage automatique ; t…
2.7k · data
SGX-Full-OrderBook-Tick-Data-Trading-Strategy
Fournir des solutions pour des stratégies de trading à haute fréquence (HFT) utilisant des appr…
2.3k · algorithmic-trading
pixeltable
Backend multimodal unifié pour les applications de données IA
1.6k · ai

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.