Git Stars Git Stars

#data-curation Repositories

Entdecke 65 aktive Open-Source-GitHub-Repositories, die mit #data-curation getaggt sind und insgesamt 182,804 Sterne gesammelt haben (durchschnittlich 2,812 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist formulahendry/955.WLB mit 36,238 Sternen.

65
Gesamtzahl der Repositories
182,804
Gesamtanzahl der Sterne
2,812
Durchschnittliche Sterne/Repo

Insgesamt 65 Repositories

1
formulahendry/955.WLB

Liste der Unternehmen ohne Überstunden - 955-Arbeit, Work-Life-Balance (Arbeit-Lebens-Gleichgewicht)

formulahendry
⭐ 36,238 👤 formulahendry User 🕐 Aktualisiert 2025-02-03 📅 Erstellt 2019-03-27
2
zhaoolee/ChineseBQB

🇨🇳 Chinesisches Sticker-Paket, Mehr Freude / Sticker-Paket-Museum, GitHubs giftigstes Repository, Große Sammlung chinesischer Sticker-Pakete, Freude sammeln~

zhaoolee
⭐ 16,617 TypeScript 👤 zhaoolee User 🕐 Aktualisiert 2026-11-06 📅 Erstellt 2019-05-08
3
cleanlab/cleanlab

Cleanlab's Open-Source-Bibliothek ist das Standard-Data-Centric-AI-Paket für Datenqualität und maschinelles Lernen mit unordentlichen, realen Daten und Labels.

cleanlab
⭐ 11,755 Python 👤 cleanlab Organization 🕐 Aktualisiert 2026-01-13 📅 Erstellt 2018-05-11
4
voxel51/fiftyone

Hochwertige Datensätze und visuelle KI-Modelle verfeinern

voxel51
⭐ 11,324 TypeScript 👤 voxel51 Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2020-04-22
5
suxuang/myIPTV

【Sammleredition】Hochauflösende Live-Streams decken fast alle Satellitenfernsehprogramme ab, mit integrierten perfekten Kanal-Logos und Programmführer.

suxuang
⭐ 5,123 👤 suxuang User 🕐 Aktualisiert 2026-09-13 📅 Erstellt 2024-04-29
6
togethercomputer/RedPajama-Data

Das RedPajama-Data-Repository enthält Code zur Vorbereitung großer Datensätze für das Training großer Sprachmodelle.

togethercomputer
⭐ 4,997 Python 👤 togethercomputer Organization 🕐 Aktualisiert 2026-06-03 📅 Erstellt 2023-04-14
7
lixin4ever/Conference-Acceptance-Rate

Akzeptanzraten für die großen KI-Konferenzen

lixin4ever
⭐ 4,781 Jupyter Notebook 👤 lixin4ever User 🕐 Aktualisiert 2025-09-23 📅 Erstellt 2017-10-20
8
Jsnzkpg/Jsnzkpg

Wird seit mehr als 5 Jahren kontinuierlich gepflegt, tägliche Verfügbarkeitsprüfungen, Abonnement der hochwertigsten kostenlosen Knoten im Netzwerk, höllische Auswahl an hochwertigen kostenlosen Knoten: shadowrocket | stash | singbox | clash | karing | hiddify | mihomo | clashmi | ClashMeta | FIClash | Surfboard

Jsnzkpg
⭐ 4,410 👤 Jsnzkpg User 🕐 Aktualisiert 2026-11-17 📅 Erstellt 2021-12-26
9
KHwang9883/MobileModels

Zusammenfassung von Handy-Marken und -Modellen | Mobile Models | Dieses Repository ist unter der CC BY-NC-SA 4.0-Lizenz lizenziert

KHwang9883
⭐ 4,351 👤 KHwang9883 User 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2018-10-31
10
Meroser/IPTV

Erstellen Sie Ihre eigene Live-Stream-Liste mit [perfekter EPG-Programmübersicht, HD-Kanal-Logos]

Meroser
⭐ 4,165 👤 Meroser User 🕐 Aktualisiert 2026-03-29 📅 Erstellt 2023-05-11
11
marin-community/marin

Open-Source-Framework für die Forschung und Entwicklung von Basismodellen.

marin-community
⭐ 4,135 Python 👤 marin-community Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2024-03-22
12
songguoxs/gpt4o-image-prompts

Nano Banana (nanobanana), GPT-5 (GPT5), GPT-4o (GPT4o) Bild-Prompts, Nanobanana Prompts, nanobanana-Eingabeaufforderungen

songguoxs
⭐ 3,882 JavaScript 👤 songguoxs User 🕐 Aktualisiert 2026-01-08 📅 Erstellt 2025-04-28
13
sanjeed5/awesome-cursor-rules-mdc

Kuratiertes Verzeichnis von großartigen Cursor-Regeln .mdc-Dateien

sanjeed5
⭐ 3,589 Python 👤 sanjeed5 User 🕐 Aktualisiert 2026-05-19 📅 Erstellt 2025-02-17
14
Docta-ai/docta

Ein Arzt für Ihre Daten

Docta-ai
⭐ 3,479 Python 👤 Docta-ai Organization 🕐 Aktualisiert 2026-06-16 📅 Erstellt 2023-05-02
15
zealotCE/America-Against-America

„America Against America“ ist ein Werk, das Herr Wang Huning Ende der 1980er Jahre während seiner Beobachtungsreise in die USA verfasst hat. Wir wissen, wie groß die Bewunderung Chinas für den Westen, insbesondere für die USA, in jener Zeit war, daher ist es beeindruckend, einen Gelehrten zu sehen, der bereits in den 1980er Jahren eine so klare Erkenntnis hatte. Da online nur eine schlecht gescanntes PDF-Version verfügbar ist, möchte ich OCR-Technologie und das bloße Auge (menschliches OCR) nutzen, um es in ein modernes Textformat umzuwandeln. Es ist nun vollständig abgeschlossen.

zealotCE
⭐ 3,130 👤 zealotCE User 🕐 Aktualisiert 2026-05-14 📅 Erstellt 2017-11-23
16
meagmohit/EEG-Datasets

Eine Liste aller öffentlichen EEG-Datensätze

meagmohit
⭐ 3,124 👤 meagmohit User 🕐 Aktualisiert 2025-10-17 📅 Erstellt 2017-08-18
17
jiji262/tianya-docs

Sorgfältig gesammelte Tianya-Bestseller ohne Wasserzeichen, bequem zu lesen

jiji262
⭐ 3,102 👤 jiji262 User 🕐 Aktualisiert 2026-07-28 📅 Erstellt 2023-05-08
18
mahavivo/english-wordlists

Liste gebräuchlicher englischer Vokabeln

mahavivo
⭐ 2,205 👤 mahavivo User 🕐 Aktualisiert 2024-05-11 📅 Erstellt 2017-12-30
19
OpenCoder-llm/OpenCoder-llm

Das offene Kochbuch für erstklassige Code-Large-Language-Modelle

OpenCoder-llm
⭐ 1,969 Python 👤 OpenCoder-llm User 🕐 Aktualisiert 2024-12-08 📅 Erstellt 2024-10-26
20
visual-layer/fastdup

fastdup ist ein leistungsstarkes, kostenloses Tool, das entwickelt wurde, um schnell wertvolle Einblicke aus Bild- und Videodatensätzen zu gewinnen. Es hilft, die Qualität von Bildern und Labels zu verbessern, während die Kosten für den Datenbetrieb erheblich gesenkt werden, und das alles bei unübertroffener Skalierbarkeit.

visual-layer
⭐ 1,915 Python 👤 visual-layer Organization 🕐 Aktualisiert 2026-08-23 📅 Erstellt 2022-05-11
21
NVIDIA-NeMo/Curator

Skalierbare Toolkit für Datenvorverarbeitung und -kuratierung für LLMs

NVIDIA-NeMo
⭐ 1,866 Python 👤 NVIDIA-NeMo Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2024-03-14
22
DGoettlich/history-llms

Informationszentrum für unser Projekt zur Schulung der größtmöglichen historischen LLMs.

DGoettlich
⭐ 1,808 👤 DGoettlich User 🕐 Aktualisiert 2025-12-22 📅 Erstellt 2025-12-14
23
tanweai/wooyun-legacy

wooyun-legacy-Fähigkeit für Claude Code

tanweai
⭐ 1,792 👤 tanweai User 🕐 Aktualisiert 2026-07-14 📅 Erstellt 2026-01-23
24
fwwdn/sensitive-stop-words

Häufig verwendete sensible Wörter und Stoppwörter-Datenbank für das Internet

fwwdn
⭐ 1,746 Python 👤 fwwdn User 🕐 Aktualisiert 2026-03-10 📅 Erstellt 2015-02-02
25
acoooder/aliyunpanshare

Teilen von Film- und Fernsehressourcen auf Baidu Netdisk, Quark Netdisk und Aliyun Drive. Tägliche Veröffentlichung der neuesten Fernsehserien, Varieté-Shows und Filmressourcen.

acoooder
⭐ 1,729 👤 acoooder User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2023-02-21
26
IBM/Project_CodeNet

Dieses Repository dient zur Unterstützung von Beiträgen für Tools für den Project CodeNet-Datensatz, der in DAX gehostet wird

IBM
⭐ 1,700 Python 👤 IBM Organization 🕐 Aktualisiert 2026-11-10 📅 Erstellt 2021-05-03
27
donkuri/kaishi

Kaishi 1.5k ist ein modernes, modulares japanisches Anki-Deck für Anfänger, die grundlegenden Wortschatz lernen möchten.

donkuri
⭐ 1,603 👤 donkuri User 🕐 Aktualisiert 2026-10-25 📅 Erstellt 2024-02-04
28
tencent-ailab/persona-hub

Offizielles Repo für das Paper „Skalierung der Erstellung synthetischer Daten mit 1.000.000.000 Personen“

tencent-ailab
⭐ 1,585 Python 👤 tencent-ailab User 🕐 Aktualisiert 2025-02-19 📅 Erstellt 2024-06-22
29
JeffSackmann/tennis_atp

ATP-Tennis-Ranglisten, Ergebnisse und Statistiken

JeffSackmann
⭐ 1,577 👤 JeffSackmann User 🕐 Aktualisiert 2026-06-08 📅 Erstellt 2015-03-13
30
libretro/libretro-database

Repository mit Cheatcode-Dateien, Inhaltsdaten-Dateien usw.

libretro
⭐ 1,484 Python 👤 libretro Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2014-12-15
31
mlfoundations/dclm

DataComp für Sprachmodelle

mlfoundations
⭐ 1,471 HTML 👤 mlfoundations Organization 🕐 Aktualisiert 2025-09-09 📅 Erstellt 2024-05-27
32
lvwzhen/medicine

Liste der Originalarzneimittel

lvwzhen
⭐ 1,436 Vue 👤 lvwzhen User 🕐 Aktualisiert 2026-10-07 📅 Erstellt 2024-12-20
33
Zero-Sploit/FlipperZero-Subghz-DB

Eine Sammlung von Flipper Zero Unterdateien

Zero-Sploit
⭐ 1,291 Python 👤 Zero-Sploit User 🕐 Aktualisiert 2025-04-22 📅 Erstellt 2023-05-22
34
Renumics/spotlight

Erkunden Sie unstrukturierte Datensätze aus Ihrem Dataframe interaktiv.

Renumics
⭐ 1,288 TypeScript 👤 Renumics Organization 🕐 Aktualisiert 2026-11-16 📅 Erstellt 2023-01-29
35
FreedomIntelligence/HuatuoGPT

HuatuoGPT, auf dem Weg, Sprachmodelle zu einem Arzt zu zähmen. (Ein offenes medizinisches GPT)

FreedomIntelligence
⭐ 1,283 Python 👤 FreedomIntelligence Organization 🕐 Aktualisiert 2024-12-16 📅 Erstellt 2023-04-13
36
awesome-selfhosted/awesome-selfhosted-data

maschinenlesbare Daten für https://awesome-selfhosted.net

awesome-selfhosted
⭐ 1,235 Makefile 👤 awesome-selfhosted Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2021-06-27
37
sib-swiss/training-collection

Sammlung von Schulungsmaterialien zur Bioinformatik

sib-swiss
⭐ 1,160 Python 👤 sib-swiss Organization 🕐 Aktualisiert 2026-11-15 📅 Erstellt 2021-12-13
38
washingtonpost/data-police-shootings

Die Washington Post erstellt eine Datenbank aller tödlichen Schüsse in den Vereinigten Staaten durch Polizeibeamte im Dienst seit 2015.

washingtonpost
⭐ 1,147 👤 washingtonpost Organization 🕐 Aktualisiert 2026-10-14 📅 Erstellt 2015-06-30
39
daochenzha/data-centric-AI

Eine kuratierte, aber unvollständige Liste datenzentrierter KI-Ressourcen.

daochenzha
⭐ 1,138 👤 daochenzha User 🕐 Aktualisiert 2024-06-26 📅 Erstellt 2023-03-07
41
klsdf/GreenResourcesManager

Ein umfassender Manager, der die Ressourcen im Computer verwaltet und Gamifizierung bereitstellt

klsdf
⭐ 1,087 JavaScript 👤 klsdf User 🕐 Aktualisiert 2026-11-08 📅 Erstellt 2025-06-20
42
CCBP/NUEDC_Topic

Die jährlichen Wettbewerbsaufgaben des nationalen Wettbewerbs für elektronisches Design von 1994 bis 2025 wurden gesammelt und sortiert. Ergänzungen sind willkommen, falls etwas fehlt!

CCBP
⭐ 1,045 👤 CCBP User 🕐 Aktualisiert 2026-09-21 📅 Erstellt 2022-05-07
43
X4BNet/lists_vpn

Listen von VPN-Anbietern (automatisch aktualisiert)

X4BNet
⭐ 937 Python 👤 X4BNet Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2021-03-03
44
songys/AwesomeKorean_Data

Koreanischer Datensatz-Link

songys
⭐ 931 👤 songys User 🕐 Aktualisiert 2026-06-17 📅 Erstellt 2019-12-20
46
jlopp/physical-bitcoin-attacks

Eine Liste bekannter Angriffe gegen Bitcoin- / Krypto-Asset-Besitz-Entitäten, die in der realen Welt stattfanden.

jlopp
⭐ 915 HTML 👤 jlopp User 🕐 Aktualisiert 2026-11-15 📅 Erstellt 2018-07-07
48
hollowstrawberry/kohya-colab

Zugängliche Google Colab-Notebooks für das Stable Diffusion Lora-Training, basierend auf der Arbeit von kohya-ss und Linaqruf

hollowstrawberry
⭐ 821 Jupyter Notebook 👤 hollowstrawberry User 🕐 Aktualisiert 2026-10-26 📅 Erstellt 2023-03-23
50
aolofsson/awesome-semiconductor-startups

Offene Datenbank mit herausragenden Halbleiter-Start-ups

aolofsson
⭐ 799 JavaScript 👤 aolofsson User 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2022-03-25

Häufig gestellte Fragen

1

Welches ist das beliebteste #data-curation-Repository auf GitHub?

Das am höchsten eingestufte Open-Source-#data-curation-Projekt auf GitHub ist formulahendry/955.WLB mit 36,238 Sternen. Liste der Unternehmen ohne Überstunden - 955-Arbeit, Work-Life-Balance (Arbeit-Lebens-Gleichgewicht)

2

Welche Programmiersprachen werden in #data-curation-Repositories am häufigsten verwendet?

Unter den am höchsten eingestuften #data-curation-Projekten auf GitHub sind Python, TypeScript, JavaScript, Jupyter Notebook die am häufigsten verwendeten Programmiersprachen.

3

Wie wird das Ranking der #data-curation-Repositories berechnet?

Wir verfolgen 65 aktive Open-Source-Repositories, die mit #data-curation getaggt sind (500+ Sterne), mit insgesamt 182,804 Sternen und durchschnittlich 2,812 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.