حدد تدفقات بيانات Python القابلة للاختبار والنمطية مع تتبع المنشأ والبيانات الوصفية المدمج.
قم ببناء ETL وحدي، وسير عمل تعلم الآلة، وخطوط أنابيب LLM باستخدام دوّال Python العيا وإنشاء مخططات DAG تلقائياً.
Apache Hamilton هي مكتبة Python خفيفة الوزن لبناء رسوم بيانية موجهة بدون دورات لتحويل البيانات باستخدام الدوّال العادية. وهي تناسب علماء البيانات والمهندسين الذين يرغبون في تنظيم الكود في خطوط أنابيب قابلة للاختبار وتوثيق نفسها وتعمل في أي مكان يعمل فيه Python.
تقوم بإنشاء مخطط DAG تلقائياً من دوّال Python العادية حيث تحدد المعلمات التبعيات. تحافظ معدلات الدوّال على خلو الكود من التكرار، وتتعامل محولات البيانات مع التحقق من صحة المخطط لـ pandas و polars و Ibis.
تنسب فرق البيانات التي تنتقل بنماذج إثبات المفهوم إلى خطوط أنابيب إنتاج قابلة للصيانة دون الارتباط بمشرف جامد. وهي لا تناسب أولئك الذين يبحثون عن مشرف جدولة الوظائف أو المستخدمين الذين يحتاجون إلى حلقات ومنطق وكيل شرطي.
يفصل بين تعريف DAG وتفيذه حتى يتمكن علماء البيانات والمهندسين من التعاون بفعالية.
يستخدم @config.when() لتعديل مخططات DAG بين البيئات بدلاً من علامات if/else المعرضة للأخطاء.
قم بتزيين الدوّال للتحقق من صحة خصائص الإخراج وفحص مخططات dataframe تلقائياً.
تقوم تلقائياً بملء كتالوج بيانات مع المنشأ، والتتبع، وقابلية مراقبة التنفيذ.
مجاني بموجب ترخيص Apache-2.0، والتكلفة الوحيدة هي موارد الاستضافة الخاصة بك إذا قمت بتشغيل خادم واجهة Hamilton UI.
879 وظيفة مفتوحة عن بعد في تدريب الذكاء الاصطناعي، آخر تحديث ١٥ نوفمبر ٢٠٢٦؛ أجر معظمها $20–$175 في الساعة. منها 2 وظائف تطلب متحدثين بالعربية. يعرضها ذكائي مجانًا، والتقديم يتم على منصة جهة التوظيف.
لا، Hamilton هي مكتبة طبقة أصول لتنظيم كود تحويل البيانات، وليست نظاماً تشغيلياً للإنشاء مثل Airflow.
يمكنك استخدام مزخرفات @config.when() لتبديل المنطق بناءً على معلمات التكوين بدلاً من كتابة عبارات شرطية مضمنة.
شاهد Zekai أولاً في جوجل