Orange es una caja de herramientas de minería y visualización de datos dirigida tanto a principiantes como a expertos. Los usuarios crean pipelines de análisis conectando widgets interactivos en un lienzo, por lo que explorar datos no requiere escribir código ni tener conocimientos matemáticos avanzados.
El paquete principal cubre tareas habituales de ciencia de datos, como cargar y preprocesar tablas, clasificación, regresión, clustering y visualización interactiva. Está escrito en Python y se basa en bibliotecas como NumPy, pandas y scikit-learn. Hay instaladores para Windows y macOS; en Linux se puede instalar mediante conda, pip o uv.
La funcionalidad se puede ampliar con add-ons. El proyecto ofrece una lista de add-ons oficiales para minería de texto, bioinformática, series temporales, análisis de células individuales, análisis de imágenes, datos geográficos, reglas de asociación, redes y explicación de modelos.
Crea y activa un entorno virtual
Instala Orange con pip
pip install PyQt6 PyQt6-WebEngine orange3Ejecuta Orange (el primer inicio puede tardar)
python -m Orange.canvasResumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Biblioteca de machine learning para Python basada en SciPy y NumPy, con herramientas de clasificación, regresión, clustering y selección de modelos, bajo licencia BSD.
Framework de machine learning en Python basado en scikit-learn y pandas, con módulos para sistemas de trading y predicción deportiva.
Plataforma de machine learning e IA para la JVM que abarca ML clásico, deep learning, NLP, visualización e inferencia con LLM y ONNX para Java, Kotlin y Scala.
Biblioteca de Python que convierte scripts en aplicaciones web interactivas para dashboards de datos, informes y chats.
Una biblioteca de Python para agrupar rápidamente en CPU grandes vectores de embeddings de alta dimensionalidad, con una API al estilo de scikit-learn.
Framework de agentes LLM de Microsoft que automatiza tareas de I+D basadas en datos, como leer artículos, implementar modelos y factores, y ejecutar experimentos al estilo de Kaggle.