Рейтинг здоровья открытых репозиториев
Оценка от 0 до 100 по данным SourceCraft.Оценка от 0 до 100 по данным SourceCraft: насколько проект жив, документирован и отзывчив к пользователям.
4 категории из 6, пересчёт раз в сутки. Как считается
Оценка по открытым данным: 4 категории из 6, пересчёт раз в сутки, лайки на место не влияют. Как считается
| Сравнить | Место | Репозиторий | Оценка | 90 дней | Категории | Последний коммит | Лайки | Язык |
|---|---|---|---|---|---|---|---|---|
| 12943–1343878Опустился на 78 мест за 30 дней | 26 | 61 день назад | 0 | HTML | ||||
| 12943–1343888Опустился на 88 мест за 30 дней | Тестовый репозиторий | 26 | 306 дней назад | 0 | HTML | |||
| 12943–1343880Опустился на 80 мест за 30 дней | 26 | 112 дней назад | 0 | Kotlin | ||||
| 12943–1343836Опустился на 36 мест за 30 дней | 26 | 614 дней назад | 0 | |||||
| 12943–1343887Опустился на 87 мест за 30 дней | 26 | 331 день назад | 0 | |||||
| 12943–1343888Опустился на 88 мест за 30 дней | 26 | 328 дней назад | 0 | |||||
| 12943–1343888Опустился на 88 мест за 30 дней | 26 | 287 дней назад | 0 | Kotlin | ||||
| 12943–1343876Опустился на 76 мест за 30 дней | Одностраничный лендинг для центра уличной культуры на русском языке, созданный по мотивам сайта Styles Company. | 26 | 68 дней назад | 0 | TSX | |||
| 12943–1343889Опустился на 89 мест за 30 дней | 26 | 367 дней назад | 0 | JavaScript | ||||
| 12943–1343884Опустился на 84 места за 30 дней | 26 | 179 дней назад | 0 | JavaScript | ||||
| 12943–1343888Опустился на 88 мест за 30 дней | 26 | 338 дней назад | 0 | |||||
| 12943–1343888Опустился на 88 мест за 30 дней | 26 | 328 дней назад | 0 | |||||
| 12943–1343888Опустился на 88 мест за 30 дней | проект аркада яндекс лицей | 26 | 252 дня назад | 0 | ||||
| 12943–1343888Опустился на 88 мест за 30 дней | Революционная мобильная игра на основе механики Тетриса с 20+ инновационными функциями | 26 | 314 дней назад | 0 | ||||
| 12943–13438445Опустился на 445 мест за 30 дней | Правила для сборки deb пакета libpqxx (PostgreSQL C++ API) специфичного для проекта СОМИ | 26 | 47 дней назад | 0 | ||||
| 12943–1343888Опустился на 88 мест за 30 дней | 26 | 290 дней назад | 0 | |||||
| 12943–1343888Опустился на 88 мест за 30 дней | Шейдеры для Minecraft 1.12.2 с эффектами воды: волны и отражения | 26 | 235 дней назад | 0 | ||||
| 12943–1343884Опустился на 84 места за 30 дней | Оптимизированные шейдеры для Minecraft 1.16.5 Forge/Optifine с реалистичной водой для слабых компьютеров | 26 | 200 дней назад | 0 | ||||
| 12943–1343884Опустился на 84 места за 30 дней | Легковесный шейдерпак для Minecraft 1.16.5 (OptiFine) с реалистичной водой и мягким освещением. Оптимизирован для слабых ПК. | 26 | 168 дней назад | 0 | ||||
| 12943–1343880Опустился на 80 мест за 30 дней | Telegram-бот SCP Foundation для общения с пользователями | 26 | 97 дней назад | 0 | JavaScript | |||
| 12943–1343892Опустился на 92 места за 30 дней | 26 | мало данных | 32 дня назад | 0 | Python | |||
| 12943–1343888Опустился на 88 мест за 30 дней | Тестовый репозиторий | 26 | 311 дней назад | 0 | Python | |||
| 12943–1343888Опустился на 88 мест за 30 дней | Техническое задание Проект: Классификатор приоритета входящих IT-тикетов 1. Введение и цель проекта Разработать учебную систему автоматической классификации текстовых обращений в службу технической поддержки по четырём уровням приоритета: Low, Medium, High, Urgent. Система анализирует текст тикета и присваивает ему категорию срочности без участия оператора. Проект выполняется в рамках учебной дисциплины «Машинное обучение» с фокусом на воспроизводимость, интерпретируемость и соответствие поставленной задаче. Сложность архитектуры ограничена требованиями учебного задания — допускается использование только классических методов машинного обучения без применения предобученных трансформеров или облачных сервисов. 2. Источник данных и структура признаков Используется датасет с платформы Hugging Face: Console-AI/IT-helpdesk-synthetic-tickets Структура одной записи датасета включает следующие поля: Поле subject — строка, заголовок тикета (например: «Fwd: URGENT — Server down») Поле description — строка, развёрнутое описание проблемы пользователя Поле category — строка, тематическая категория тикета (например: «Network», «Hardware») Поле priority — строка, целевая метка класса со значениями: «Low», «Medium», «High», «Urgent» Поле createdAt — строка, временная метка создания тикета в формате ISO 8601 Общий объём данных: 500 записей в сплите train. Язык текста: английский. Распределение классов ожидается несбалансированным с преобладанием классов Low и Medium. Для построения модели используются только следующие поля: Признаки для обучения: объединённый текст из полей subject и description Целевая переменная: поле priority Поля category и createdAt сохраняются в рабочем датафрейме для возможного анализа распределения приоритетов по категориям или временным периодам, но не участвуют в формировании признакового пространства модели. Это требование обусловлено учебной задачей — демонстрация способности модели выделять признаки срочности исключительно из текстового контента без опоры на структурированные метаданные. 3. Подготовка текстовых данных Текстовые поля subject и description объединяются в единый признак text по правилу: text = subject + " " + description Пример преобразования: Исходные поля: subject = «URGENT: Database failure» description = «Production database is down since 10 AM» Результат: text = «URGENT: Database failure Production database is down since 10 AM» Предобработка текста включает следующие операции: Приведение всех символов к нижнему регистру Сохранение пунктуации и цифр без дополнительной очистки (пунктуация может нести смысловую нагрузку, например восклицательные знаки в срочных тикетах) Удаление стоп-слов выполняется на этапе векторизации встроенным механизмом TF-IDF, а не предварительной обработкой Пропуски в полях subject или description отсутствуют согласно спецификации датасета. При их обнаружении применяется заполнение пустой строкой. | 26 | 287 дней назад | 0 | ||||
| 12943–1343888Опустился на 88 мест за 30 дней | 26 | 252 дня назад | 0 | Python | ||||
| 12943–13438446Опустился на 446 мест за 30 дней | Витрина приложений и игр X-Corp Store | 26 | 46 дней назад | 0 |
- 12943–13438moussasereta/labo3-permissions26HTML61 день назад0лайков
- 12943–13438muhanov1andrey/testsourcecraftproject26
Тестовый репозиторий
HTML306 дней назад0лайков - 12943–13438mycelio/exbasidium26Kotlin112 дней назад0лайков
- 12943–13438mycelio/mycelio26614 дней назад0лайков
- 12943–13438n02-1/git-quest-day-0526331 день назад0лайков
- 12943–13438n02-1/git-quest-day-1026328 дней назад0лайков
- 12943–13438naandrianov-edu-hse-ru/hw-services26Kotlin287 дней назад0лайков
- 12943–13438naturehemp/street-culture-center26
Одностраничный лендинг для центра уличной культуры на русском языке, созданный по мотивам сайта Styles Company.
TSX68 дней назад0лайков - 12943–13438nc6-bk-ru/qr-code26JavaScript367 дней назад0лайков
- 12943–13438nekolucky/boris-adisa26JavaScript179 дней назад0лайков
- 12943–13438nest-aka-swan/git-quest-day-0526338 дней назад0лайков
- 12943–13438nest-aka-swan/git-quest-day-1026328 дней назад0лайков
- 12943–13438nichkaok/project-arcade26
проект аркада яндекс лицей
252 дня назад0лайков - 12943–13438norovesmaeel/tetris-neo-dimension-shift26
Революционная мобильная игра на основе механики Тетриса с 20+ инновационными функциями
314 дней назад0лайков - 12943–13438novoscript/pkg-somi-libpqxx-debian26
Правила для сборки deb пакета libpqxx (PostgreSQL C++ API) специфичного для проекта СОМИ
47 дней назад0лайков - 12943–13438nozanin2010saidova/proekt26290 дней назад0лайков
- 12943–13438nphne-4vseowit/minecraft-shaders26
Шейдеры для Minecraft 1.12.2 с эффектами воды: волны и отражения
235 дней назад0лайков - 12943–13438nphne-4vseowit/minecraft-shaders-1-16-526
Оптимизированные шейдеры для Minecraft 1.16.5 Forge/Optifine с реалистичной водой для слабых компьютеров
200 дней назад0лайков - 12943–13438nphne-4vseowit/ultra-fast-shaders-1-16-526
Легковесный шейдерпак для Minecraft 1.16.5 (OptiFine) с реалистичной водой и мягким освещением. Оптимизирован для слабых ПК.
168 дней назад0лайков - 12943–13438nphne-7vhwvsn4/scp-foundation-bot26
Telegram-бот SCP Foundation для общения с пользователями
JavaScript97 дней назад0лайков - 12943–13438nphne-aa-aa-vdb5jcr2/my-project26Python32 дня назад0лайков
- 12943–13438nphne-evifufjm/3d-studio26
Тестовый репозиторий
Python311 дней назад0лайков - 12943–13438nphne-ldsw76sh/ml26
Техническое задание Проект: Классификатор приоритета входящих IT-тикетов 1. Введение и цель проекта Разработать учебную систему автоматической классификации текстовых обращений в службу технической поддержки по четырём уровням приоритета: Low, Medium, High, Urgent. Система анализирует текст тикета и присваивает ему категорию срочности без участия оператора. Проект выполняется в рамках учебной дисциплины «Машинное обучение» с фокусом на воспроизводимость, интерпретируемость и соответствие поставленной задаче. Сложность архитектуры ограничена требованиями учебного задания — допускается использование только классических методов машинного обучения без применения предобученных трансформеров или облачных сервисов. 2. Источник данных и структура признаков Используется датасет с платформы Hugging Face: Console-AI/IT-helpdesk-synthetic-tickets Структура одной записи датасета включает следующие поля: Поле subject — строка, заголовок тикета (например: «Fwd: URGENT — Server down») Поле description — строка, развёрнутое описание проблемы пользователя Поле category — строка, тематическая категория тикета (например: «Network», «Hardware») Поле priority — строка, целевая метка класса со значениями: «Low», «Medium», «High», «Urgent» Поле createdAt — строка, временная метка создания тикета в формате ISO 8601 Общий объём данных: 500 записей в сплите train. Язык текста: английский. Распределение классов ожидается несбалансированным с преобладанием классов Low и Medium. Для построения модели используются только следующие поля: Признаки для обучения: объединённый текст из полей subject и description Целевая переменная: поле priority Поля category и createdAt сохраняются в рабочем датафрейме для возможного анализа распределения приоритетов по категориям или временным периодам, но не участвуют в формировании признакового пространства модели. Это требование обусловлено учебной задачей — демонстрация способности модели выделять признаки срочности исключительно из текстового контента без опоры на структурированные метаданные. 3. Подготовка текстовых данных Текстовые поля subject и description объединяются в единый признак text по правилу: text = subject + " " + description Пример преобразования: Исходные поля: subject = «URGENT: Database failure» description = «Production database is down since 10 AM» Результат: text = «URGENT: Database failure Production database is down since 10 AM» Предобработка текста включает следующие операции: Приведение всех символов к нижнему регистру Сохранение пунктуации и цифр без дополнительной очистки (пунктуация может нести смысловую нагрузку, например восклицательные знаки в срочных тикетах) Удаление стоп-слов выполняется на этапе векторизации встроенным механизмом TF-IDF, а не предварительной обработкой Пропуски в полях subject или description отсутствуют согласно спецификации датасета. При их обнаружении применяется заполнение пустой строкой.
287 дней назад0лайков - 12943–13438nphne-pbj6xhnd/rocker-kombat26Python252 дня назад0лайков
- 12943–13438nphne-ska6h4lf/x-corp-store26
Витрина приложений и игр X-Corp Store
46 дней назад0лайков
13 251–13 275 из 21 876