Jeux de données GitHub
L’ensemble de données GitHub offre une vue d’ensemble complète de l’écosystème des logiciels open source, fournissant des informations détaillées sur les attributs des référentiels et les contributions des développeurs. Les principaux points de données comprennent les langages de codage, la taille des référentiels, les contributions des utilisateurs, les problèmes, les demandes d’extraction, les fourches et d’autres mesures d’engagement, ce qui en fait une ressource inestimable pour analyser les tendances en matière de développement de logiciels et l’implication de la communauté.
Approuvé par 50,000+ clients dans le monde entier
Jeux de données disponibles
- Données de démonstration au format JSON/CSV
- Nouveaux enregistrements
- Personnalisez, enrichissez et formatez les données.
132.2K+
15.3K+
Besoin de données Github en temps réel ? Utilisez notre API Scraper Github
Tarification des jeux de données Github
- Propres et validées
- Actualisées chaque mois
- JSON/CSV/Parquet
Filtrez le jeu de données Github en une seule requête
Décrivez exactement ce dont vous avez besoin, et laissez l’IA appliquer les filtres parfaits en quelques secondes.
- Décrivez vos besoins en langage simple
- L'IA applique automatiquement des filtres précis
- Réduisez d'immenses jeux de données à l'essentiel pour vous
- Réduisez les coûts en évitant les données inutiles
- Exportez les données filtrées dans le format de votre choix
Maximisez la valeur grâce à des économies stratégiques
Mises à jour intelligentes des données
Accédez uniquement aux "Nouveaux enregistrements" ou "Enregistrements mis à jour", ne payez que pour ce dont vous avez besoin".
Offres groupées de jeux de données
Obtenez plus de valeur en achetant deux jeux de données ou plus ensemble, avec des réductions exclusives.
Remises sur volume
Obtenez plus pour moins cher avec des économies importantes lors de l'achat de grands jeux de données ou d'abonnements aux mises à jour.
Jeux de données enrichis
Gagnez du temps et des ressources avec des jeux de données prêts à l'emploi combinant plusieurs sources en un seul jeu de données propre.
GitHub dataset sample
L'ensemble de données du référentiel GitHub fournit des informations essentielles sur le monde des logiciels open source. Grâce à des informations complètes sur les langages de codage, la taille des référentiels et les contributions des utilisateurs, cet ensemble de données permet aux utilisateurs de se plonger dans les subtilités du développement logiciel.
Boostez vos agents IA instantanément
Nos jeux de données Github sont optimisés pour l'IA/LLM : clairement structurés, bien documentés, avec du code et des recettes pour une intégration facile avec les LLM/chatbots.
Structuré & Clair
Données pré-traitées avec des schémas cohérents, parfaites pour l'entraînement et l'inférence de modèles d'IA.
Exemples de code
Extraits Python, Node.js, cURL, PHP, Go, Java et Ruby prêts à l'emploi pour une intégration facile avec les workflows d'IA.
Documentation
curl --request GET
--url https://api.brightdata.com/datasets/snapshots/{id}/download
--header 'Authorization: Bearer '
import requests
url = "https://api.brightdata.com/datasets/snapshots/{id}/download"
headers = {"Authorization": "Bearer "}
response = requests.get(url, headers=headers)
print(response.json())
const url = 'https://api.brightdata.com/datasets/snapshots/{id}/download';
const options = {method: 'GET', headers: {Authorization: 'Bearer '}, body: undefined};
try {
const response = await fetch(url, options);
const data = await response.json();
console.log(data);
} catch (error) {
console.error(error);
}
HttpResponse response = Unirest.get("https://api.brightdata.com/datasets/snapshots/{id}/download")
.header("Authorization", "Bearer ")
.asString();
require 'uri'
require 'net/http'
url = URI("https://api.brightdata.com/datasets/snapshots/{id}/download")
http = Net::HTTP.new(url.host, url.port)
http.use_ssl = true
request = Net::HTTP::Get.new(url)
request["Authorization"] = 'Bearer '
response = http.request(request)
puts response.read_body
Jeux de données GitHub adaptés à vos besoins
Abonnement aux données
Abonnez-vous pour accéder aux ensembles de données à un coût considérablement réduit.
Formats de fichiers
JSON, NDJSON, JSON Lines, CSV, Parquet. Compression .gz optionnelle.
Livraison flexible
Snowflake, Amazon S3 bucket, Google Cloud, Azure y SFTP.
Des données évolutives
Évoluez sans vous soucier de l'infrastructure, des serveurs proxy ou du blocage.
Réduction des coûts
Personnalisez n'importe quel ensemble de données à l'aide de filtres et d'options de formatage.
Maintenance du code
Les ensembles de données sont mis à jour en fonction des modifications apportées à la structure du site web.
Intégrations simplifiées
Bénéficiez d'intégrations avec Snowflake et AWS.
Assistance 24/7
Une équipe spécialisée de professionnels des données est là pour vous aider.
Leaders en matière de conformité
Les données proviennent de sources éthiques et sont conformes à toutes les lois sur la protection de la vie privée.
Obtenez des données GitHub structurées et fiables
Nous fournissons les données pendant que vous vous concentrez sur le reste
Données web à grand volume
Grâce à nos capacités de déblocage et à la rotation d'IP 24h/24 et 7j/7, nous garantissons l'accès à tous les points de données d'un site web.
Données prêtes à l'emploi
Chaque aspect du processus de collecte de données est minutieusement validé dans le cadre de notre processus rigoureux de validation des données.
Flux de données automatisé
Créez des calendriers personnalisés pour automatiser la livraison des données et regardez-les affluer sans effort vers votre stockage.
Comment les entreprises utilisent les jeux de données GitHub
Activité des développeurs
Implication dans la communauté
Améliorer l'engagement
FAQ sur le jeu de données Github
À quelle fréquence le jeu de données Github est-il mis à jour ?
Le jeu de données Github est disponible avec des calendriers de rafraîchissement flexibles : unique, semestriel, trimestriel, mensuel, hebdomadaire ou quotidien - avec des remises plus importantes pour les abonnements à fréquence élevée (jusqu'à 80% de réduction sur les plans mensuels). Vous pouvez également choisir entre des données pré-collectées (disponibles instantanément, collectées au cours des derniers jours à mois) ou des données collectées fraîchement rassemblées à la demande au moment de votre commande. La fenêtre de fraîcheur peut être définie avant le paiement.
Puis-je acheter un sous-ensemble du jeu de données Github ?
Oui. Vous pouvez filtrer le jeu de données Github pour n'inclure que les enregistrements et champs de données dont vous avez besoin - par géographie, période, catégorie, ou tout champ pris en charge - en utilisant l'outil de filtrage alimenté par l'IA de Bright Data ou l'API de filtrage de jeu de données. Vous ne payez que pour les enregistrements de votre instantané filtré, ce qui peut considérablement réduire les coûts. Les filtres prennent en charge des opérateurs comme égal, inclut, supérieur à, est nul, et plus encore, avec jusqu'à 3 niveaux de logique imbriquée.
Quels formats et options de livraison sont disponibles pour le jeu de données Github ?
Le jeu de données Github est livré dans le format de votre choix : JSON, NDJSON, JSON Lines, CSV, XLSX, ou Parquet, avec compression .gz optionnelle. Les destinations de livraison incluent : Amazon S3, Google Cloud Storage, Microsoft Azure Blob, Snowflake, Google PubSub, SFTP, Webhook, ou Email. Vous pouvez également télécharger directement via le Panneau de contrôle (jusqu'à 5 Go) ou récupérer de manière programmatique via l'API de téléchargement d'instantané. Pour les instantanés de plus de 5 Go, les liens de téléchargement sont envoyés par email.
Puis-je obtenir un échantillon gratuit du jeu de données Github avant l'achat ?
Oui. Chaque jeu de données du Marketplace Bright Data - y compris le jeu de données Github - propose un échantillon de données téléchargeable gratuitement. Vous pouvez prévisualiser le schéma de données, les définitions des champs et un ensemble représentatif d'enregistrements pour évaluer la qualité, la couverture et la pertinence avant de vous engager dans un achat. Les échantillons sont disponibles directement depuis la page du jeu de données dans le Marketplace Bright Data.
Puis-je demander des champs de données spécifiques ou une version personnalisée du jeu de données Github ?
Oui. Vous pouvez personnaliser le jeu de données Github pour n'inclure que les champs spécifiques dont vous avez besoin, en masquant les colonnes non pertinentes pour réduire les coûts et simplifier l'intégration. Pour des besoins plus avancés - comme un schéma de données propriétaire, des champs enrichis, ou une source actuellement absente du marketplace - l'équipe de Bright Data peut créer un jeu de données personnalisé adapté à vos exigences. Contactez l'équipe commerciale pour discuter de votre cas d'usage.
Comment le jeu de données Github s'intègre-t-il à mes systèmes et flux de travail existants ?
Le jeu de données Github est conçu pour une intégration fluide. Vous pouvez extraire les données de manière programmatique en utilisant l'API de jeu de données Marketplace (avec des SDK disponibles pour Python et JavaScript), transmettre les résultats directement vers votre entrepôt de données ou stockage cloud, ou vous connecter via des intégrations natives avec des outils comme Snowflake, AWS, Google Cloud, Databricks, et des plateformes d'automatisation comme Zapier, Make.com, et n8n. Le flux de travail asynchrone (déclenchement - interrogation - téléchargement) facilite son intégration dans n'importe quel pipeline.
Le jeu de données Github est-il collecté de manière éthique et conforme à la loi ?
Oui. Tous les jeux de données Bright Data - y compris Github - sont collectés exclusivement à partir de sources en ligne publiquement disponibles en conformité avec les lois et réglementations applicables, y compris le RGPD, CCPA, et le Code d'éthique propre à Bright Data. Bright Data détient la certification ISO 27001 et est conforme SOC 2. Les données subissent une assurance qualité rigoureuse avant la livraison. Vous pouvez consulter la posture de conformité complète de Bright Data sur le Centre de confiance.
Quel est le coût du jeu de données Github, et existe-t-il des remises sur volume ?
Le prix du jeu de données Github commence à 250 $ pour 100 000 enregistrements (environ 0,0025 $ par enregistrement) pour un achat unique. Les plans d'abonnement débloquent des économies importantes : jusqu'à 25% de réduction semestrielle, 50% trimestrielle, et 80% sur les plans de rafraîchissement mensuels. Des paliers de volume sont disponibles pour 100K, 500K, 1M, 5M, et 20M+ enregistrements. Les packs de jeux de données (achat de deux jeux de données ou plus ensemble) et les options de mise à jour intelligente (paiement uniquement pour les enregistrements nouveaux ou modifiés) offrent des économies supplémentaires. Pour une tarification à l'échelle entreprise, contactez l'équipe commerciale de Bright Data.
Qu'est-ce qu'un instantané, et comment fonctionne le processus de livraison du jeu de données Github ?
Lorsque vous commandez le jeu de données Github - ou le filtrez via API - Bright Data génère un instantané : un export à un instant T de vos enregistrements sélectionnés. Le flux de travail asynchrone fonctionne ainsi : (1) votre commande ou appel API déclenche la tâche de collecte ; (2) vous pouvez interroger le statut de la tâche à l'aide de l'ID d'instantané ; (3) une fois terminé, vous téléchargez l'instantané via l'API ou votre destination de livraison configurée. Les métadonnées de l'instantané (y compris les codes d'erreur et le type d'initiation) sont accessibles via l'API de métadonnées d'instantané.
Puis-je utiliser le jeu de données Github pour des projets d'IA et d'apprentissage automatique ?
Oui. Le jeu de données Github est structuré et validé pour une utilisation immédiate dans les flux de travail IA et ML, y compris le fine-tuning de LLM, l'entraînement de modèles, les pipelines RAG, et les bases de connaissances d'agents. Les données sont livrées dans des formats standards prêts pour le ML (JSON, Parquet, NDJSON) avec des schémas cohérents et des définitions de champs documentées accessibles via l'API de métadonnées du jeu de données. Bright Data propose également des packages de données IA spécialisés et une archive web avec plus de 50 Po de données historiques pour un pré-entraînement à grande échelle.
Quels champs un enregistrement Github inclut-il ?
Un enregistrement du jeu de données Github correspond à une seule entité - par exemple, un profil de personne, une fiche produit, une publication, ou une entreprise - selon le type de jeu de données. Chaque enregistrement contient tous les champs de données collectés pour cette entité dans une seule ligne ou un objet JSON. Les champs exacts varient selon le jeu de données : par exemple, un enregistrement de profil LinkedIn inclut des champs tels que le nom, le poste actuel, l'entreprise, la localisation, l'historique d'expérience, la formation, les compétences, et le nombre de connexions (42 champs au total), tandis qu'un enregistrement de produit Amazon inclut le titre, la marque, l'ASIN, le prix, la disponibilité, les évaluations, le nombre d'avis, et les détails du vendeur. Vous pouvez consulter la liste complète des champs - avec descriptions et types de données - dans l'onglet Dictionnaire de données sur cette page, ou télécharger un échantillon gratuit pour inspecter un ensemble représentatif d'enregistrements réels avant l'achat. Si vous n'avez besoin que d'un sous-ensemble de champs, vous pouvez masquer les colonnes non pertinentes lors du paiement pour réduire les coûts et simplifier l'intégration.
De combien d'enregistrements Github ai-je besoin ?
Le nombre d'enregistrements dont vous avez besoin dépend de votre cas d'usage. En règle générale, un enregistrement équivaut à une entité (une personne, un produit, une publication, une entreprise, etc.). Voici des repères courants pour vous aider à estimer :
- Preuve de concept / MVP : 100K enregistrements (250 $ paiement unique) suffisent généralement pour valider un modèle, tester un pipeline, ou constituer un jeu de données initial.
- Analyse à échelle moyenne : 500K à 1M enregistrements couvrent la plupart des projets d'étude de marché, d'intelligence compétitive, ou de données d'entraînement.
- Pipelines de production : 5M à 20M+ enregistrements conviennent à l'entraînement IA à grande échelle, à l'enrichissement d'entreprise, ou à la couverture complète du marché.
En cas de doute, téléchargez l'échantillon gratuit depuis cette page pour comprendre la densité des enregistrements et la couverture des champs, puis utilisez l'outil de filtrage alimenté par l'IA pour cibler votre jeu de données par géographie, catégorie, plage de dates, ou autres critères. Vous verrez une estimation du nombre d'enregistrements avant de vous engager dans un achat. Pour des cas d'usage complexes ou de grands volumes, contactez l'équipe commerciale pour une recommandation adaptée.