GitHub优秀项目：数据湖的管理系统LakeFS

lakeFS 是一个开源工具，它将用户的对象存储转换为类似Git的存储库。使用户可以像管理代码一样管理数据湖。借助 lakeFS，可以构建可重复、原子化和版本化的数据湖操作--从复杂的ETL作业到数据科学和分析。

---

---

Stars 数	11090
Forks 数	3157

---

主要特点

• 强大的数据预处理：数据清理、异常值处理、填充缺失值等。确保用于预处理的数据管道稳健并提供高质量。

• 重复数据删除实验：使用 LakeFS 分支与完全重复数据删除的数据湖中的零拷贝克隆并行运行实验，使您能够有效地比较它们以选择最佳的一个。

• 可重复的特征工程和模型训练：提交实验结果，并使用 LakeFS Git 集成以正确版本的数据、代码和模型权重重现任何实验。

官网：Git for Data - lakeFS 

 GitHub：https://github.com/treeverse/lakeFS