A Marvelous Open Source Status Page System

Collect, aggregate, and visualize a data ecosystem's metadata

🌅🚀 Automatically optimizes images used in Nuxt.js projects (JPEG, PNG, SVG, WebP and GIF).

A Cross-browser storage for Vue.js and Nuxt.js, with plugins support and easy extensibility based on Store.js.

Dynamically generate `_headers` and `_redirects` files for Netlify in your Nuxt.js projects

📳📱 A vibrate NativeScript plugin for Android and iOS

[BETA] A simple markdown powered Knowledge Base built with Angular and Django

Collect, aggregate, and visualize a data ecosystem's metadata

Get column-level lineage from Presto SQL Views

🕚📱 Track which versions of your NativeScript App, a user has previously installed.

Simple python script for easy local airflow deployment with docker. Packed with additional components. Will be adding more going forward.

Testing a Docker deployment of Marquez and OpenLineage

Análisis exploratorio de datos (EDA) sobre la afluencia histórica del Metro de la CDMX (2010-2025). Utilizando Python y datos oficiales del Portal de Datos Abiertos, este proyecto identifica patrones temporales, estacionalidad y tendencias de movilidad urbana en una de las redes de transporte más importantes del país.

Análisis exploratorio de datos (EDA) de condiciones atmosféricas (Temperatura, Humedad Relativa, Dirección y Velocidad del Viento). Utilizando Python y datos de la Red de Meteorología y Radiación Solar (REDMET), se analizaron los registros en la Ciudad de México del año 2015 a 2023 para identificar patrones estacionales y su evolución temporal.

This is a repo for the wiki of the novel One Hundred Years of Solitude.

Análisis exploratorio de datos (EDA) y visualización geográfica de tianguis en la Ciudad de México (2022). Utilizando Python y datos de la Secretaría de Desarrollo Económico (SEDECO), se analizaron para identificar su distribución geográfica y comportamiento a lo largo de los días de la semana.

Análisis exploratorio de datos (EDA) y visualización geográfica de sistemas de captación de lluvia en la Ciudad de México (2019-2024). Utilizando Python y datos de la Secretaría del Medio Ambiente (SEDEMA), se analizaron los registros para identificar su distribución geográfica e implementación a lo largo de los años.

Análisis exploratorio de datos (EDA) sobre la afluencia histórica del Metrobus de la CDMX (2005-2025). Utilizando Python y datos oficiales del Portal de Datos Abiertos, este proyecto identifica patrones temporales, estacionalidad y tendencias de movilidad urbana.

Análisis exploratorio de datos (EDA) y visualización geográfica de incidentes viales en la Ciudad de México (2014-2024). Utilizando Python y datos del Centro de Comando, Control, Cómputo, Comunicaciones y Contacto Ciudadano de la CDMX (C5), se analizaron los incidentes viales para identificar patrones de mayor riesgo y su distribución geográfica.

Análisis espacial del delito de despojo de viviendas en la Ciudad de México y Zona Metropolitana (2015-2025). Utilizando R, QGIS, y datos oficiales del Sistema Nacional de Seguridad Pública (SNSP), se procesaron y filtraron los reportes de incidencia delictiva para la generación de cartografía.