#dataset Repositories
Entdecke 173 aktive Open-Source-GitHub-Repositories, die mit #dataset getaggt sind und insgesamt 893,448 Sterne gesammelt haben (durchschnittlich 5,164 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist public-apis/public-apis mit 500,577 Sternen.
Insgesamt 173 Repositories
Label Studio ist ein Tool zur Beschriftung und Annotation von Daten mehrerer Typen mit standardisiertem Ausgabeformat
Fitness-Datensatz mit 1.324 Übungen — animierte GIFs, 180×180-Vorschaubilder, Daten zu Muskelgruppen und Geräten sowie Schritt-für-Schritt-Anleitungen in 6 Sprachen. Die Übungsdatenschicht hinter der LogPress-App.
CVAT ist eine führende Datenannotationsplattform für Bild-, Video-, Audio- und 3D-Datensätze. Sie bietet Open-Source-, Cloud- und Enterprise-Produkte sowie Labeling-Dienste mit KI-gestützter Annotation, Qualitätssicherung, Teamzusammenarbeit, Analysen und APIs für Entwickler.
pix2tex: Verwendung eines ViT zur Umwandlung von Gleichungsabbildungen in LaTeX-Code.
Ein leistungsstarkes Tool zur Erstellung von Datensätzen für die Feinabstimmung von LLM、RAG und Eval
Techniken für Deep Learning mit Satelliten- und Luftbildern
Beeindruckende vortrainierte chinesische NLP-Modelle, Sammlung hochwertiger chinesischer vortrainierter Modelle & Großmodelle & Multimodale Modelle & Große Sprachmodelle
词光 · Word Atlas — Illustrierter IELTS-Wortschatz mit 7.298 Wörtern, britischer und amerikanischer Sprachausgabe sowie Wiederholung mit FSRS. Open-Source-App + CC-BY-4.0-Datensatz.
esProc SPL ist eine an der JVM basierende Programmiersprache, die für die Berechnung strukturierter Daten entwickelt wurde und sowohl als Datenanalysetool als auch als eingebettete Computing-Engine dient.
TFDS ist eine Sammlung von Datensätzen, die für die Verwendung mit TensorFlow, Jax, ... bereit sind.
Wandeln Sie problemlos große Mengen von Bild-URLs in einen Bilddatensatz um. Kann 100 Millionen URLs in 20 Stunden auf einer Maschine herunterladen, skalieren und verpacken.
Chinesisches Namenskorpus. Namensgenerator. Chinesische Namen, Nachnamen, Vornamen, Anreden, Japanische Namen, Übersetzte Namen, Englische Namen. Kann für die chinesische Wortsegmentierung und Named-Entity-Erkennung verwendet werden.
SQL Translator ist ein Werkzeug zur Umwandlung natürlicher Abfragen in SQL-Code mithilfe künstlicher Intelligenz. Dieses Projekt ist 100% kostenlos und Open Source.
Chinesisches Sprachverständnis-Bewertungsbenchmark: Datensätze, Baselines, vortrainierte Modelle, Corpus und Leaderboard
CSGHub ist eine brandneue Open-Source-Plattform zur Verwaltung von LLMs, entwickelt vom OpenCSG-Team. Es bietet sowohl Open-Source- als auch On-Premise/SaaS-Lösungen mit Funktionen, die mit Hugging Face vergleichbar sind. Erhalten Sie die volle Kontrolle über den Lebenszyklus von LLMs, Datensätzen und Agenten, mit Python SDK-Kompatibilität mit Hugging Face. Machen Sie mit! ⭐️
📈 Die derzeit größte Datenbank und Sammlung von Veröffentlichungen zur industriellen Fehlererkennung. Kontinuierliche Zusammenfassung von Open-Source-Datensätzen und wichtigen Veröffentlichungen im Bereich der Oberflächenfehlersuche, die von großer Bedeutung sind.
Liste der Arbeiten und Datensätze zur industriellen Bildanomalie-/Defekterkennung (wird aktualisiert). Retrieval-Bibliothek für Arbeiten und Datensätze zur Erkennung industrieller Anomalien/Defekte (wird kontinuierlich aktualisiert).
SIMD-, SWAR- und GPU-Kernels für Zeichenketten: Suche, Hashing, Sortierung, Editierabstände, UTF-8-Segmentierung und Verschlüsselungsverfahren für C, C++, CUDA, Python, Rust, Go, Swift, JS, C# und Java 🦖
Eine kuratierte Liste toller JSON-Datensätze, die keine Authentifizierung erfordern.
Extrahieren Sie Daten aus einer Vielzahl von Internetquellen in einen pandas DataFrame.
Von der Community gepflegter Datensatz mit über 700 Websites zum Auffinden von Konten anhand von Benutzernamen – unterstützt OSINT- und digitale Fußabdruck-Tools.
Eine Open-Source-Datenprotokollierungsbibliothek für maschinelle Lernmodelle und Datenpipelines. 📚 Bietet Einblicke in Datenqualität und Modellleistung im Laufe der Zeit. 🛡️ Unterstützt datenschutzfreundliche Datenerfassung, um Sicherheit und Robustheit zu gewährleisten. 📈
🎁 Über 7.400.000 Unsplash-Bilder für Forschung und maschinelles Lernen verfügbar gemacht
Sammlung offener Ressourcen für chinesisches medizinisches NLP: Terminologien/Korpus/Wortvektoren/Vor-trained Models/Wissensgraphen/Namensentitäts-Erkennung/QA/Informationsextraktion/Modelle/Papiere/usw.
[ECCV 2018] CCPD: Ein diverser und gut annotierter Datensatz für die Kennzeichenerkennung und -lesung
180 kostenlose CSS3-, Figma-, Sketch- und PSD-Verläufe — plus ein JSON-Datensatz für Design-Tools, Generatoren und KI-Agenten.
ISO 3166-1-Länderlisten, die mit ihren UN-Geoscheme-Regionalcodes in sofort einsatzbereiten JSON-, XML- und CSV-Datensätzen zusammengeführt wurden
Eine umfassende und aktuelle Zusammenstellung von Datensätzen, Werkzeugen, Methoden, Übersichtsartikeln und Wettbewerben zur Fernerfassung von Änderungen.
Objectron ist ein Datensatz kurzer, objektzentrierter Videoclips. Zusätzlich enthalten die Videos AR-Sitzungsmetadaten, einschließlich Kamera-Posen, sparsamer Punktwolken und Ebenen. In jedem Video bewegt sich die Kamera um und über dem Objekt herum und erfasst es aus verschiedenen Blickwinkeln. Jedes Objekt ist mit einer 3D-Begrenzungsbox annotiert. Die 3D-Begrenzungsbox beschreibt die Position, Orientierung und Abmessungen des Objekts. Der Datensatz enthält etwa 15.000 annotierte Videoclips und 4 Millionen annotierte Bilder in den folgenden Kategorien.
Ein heterogener Benchmark für Information Retrieval. Einfach zu bedienen, evaluieren Sie Ihre Modelle über 15+ verschiedene IR-Datensätze.
Clusterdaten, gesammelt von Produktionsclustern in Alibaba für die Forschung zur Clusterverwaltung
🔊 Eine umfassende Liste quelloffener Datensätze für Sprach- und Soundcomputing (über 95 Datensätze).
Arbeiten Sie zusammen und beschriften Sie jede Art von Daten, Bildern, Texten oder Dokumenten, in einer einfachen Weboberfläche oder Desktop-Anwendung.
Real-World Masked Face Dataset, Maskengesichtsdatensatz
Ein globaler Kartendatensatz im öffentlichen Domain, verfügbar in drei Maßstäben und mit eng integrierten Vektor- und Rasterdaten.
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.
Eine kuratierte Liste von Papieren und Ressourcen zur Erkennung von Betrug, Anomalien und Ausreißern auf Graph-/Transformer-Basis
Umfassende SQL- und GIS-Datensätze für vietnamesische Verwaltungseinheiten, einschließlich Provinzen, Bezirken, Gemeinden, Postleitzahlen und Geodaten zu Verwaltungsgrenzen.
Häufig gestellte Fragen
Welches ist das beliebteste #dataset-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#dataset-Projekt auf GitHub ist public-apis/public-apis mit 500,577 Sternen. Eine kollektive Liste kostenloser APIs
Welche Programmiersprachen werden in #dataset-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #dataset-Projekten auf GitHub sind Python, JavaScript, Jupyter Notebook, TypeScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #dataset-Repositories berechnet?
Wir verfolgen 173 aktive Open-Source-Repositories, die mit #dataset getaggt sind (500+ Sterne), mit insgesamt 893,448 Sternen und durchschnittlich 5,164 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.