marquez

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

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

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

Lambda data architecture reference project — dbt medallion models, Airflow DAGs, Superset dashboards, and Marquez lineage for Iowa retail and Covid-19 analytics on GCP

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.

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.

Testing a Docker deployment of Marquez and OpenLineage

Deploy MWAA with OpenLineage data lineage tracking using AWS CDK - Airflow 3.0.6, Marquez HA

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) de contaminantes atmosféricos y partículas suspendidas (PST, PM10, PM2.5 y Plomo). Utilizando Python y datos de la Red de Meteorología y Radiación Solar (REDMET), en este proyecto se analizaron los registros de partículas en la Ciudad de México del año 2015 a 2023, para identificar patrones estacionales.

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.

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.