Git Stars Git Stars

#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.

173
Gesamtzahl der Repositories
893,448
Gesamtanzahl der Sterne
5,164
Durchschnittliche Sterne/Repo

Insgesamt 173 Repositories

1
public-apis/public-apis

Eine kollektive Liste kostenloser APIs

public-apis
⭐ 500,577 Python 👤 public-apis Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2016-03-20
2
HumanSignal/label-studio

Label Studio ist ein Tool zur Beschriftung und Annotation von Daten mehrerer Typen mit standardisiertem Ausgabeformat

HumanSignal
⭐ 28,739 TypeScript 👤 HumanSignal Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2019-06-19
3
hasaneyldrm/exercises-dataset

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.

hasaneyldrm
⭐ 23,938 HTML 👤 hasaneyldrm User 🕐 Aktualisiert 2026-07-16 📅 Erstellt 2026-03-18
4
joke2k/faker

Faker ist ein Python-Paket, das gefälschte Daten für dich generiert.

joke2k
⭐ 19,502 Python 👤 joke2k User 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2012-11-12
5
cvat-ai/cvat

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.

cvat-ai
⭐ 17,181 Python 👤 cvat-ai Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2018-06-29
6
lukas-blecher/LaTeX-OCR

pix2tex: Verwendung eines ViT zur Umwandlung von Gleichungsabbildungen in LaTeX-Code.

lukas-blecher
⭐ 16,430 Python 👤 lukas-blecher User 🕐 Aktualisiert 2025-01-18 📅 Erstellt 2020-12-11
7
ConardLi/easy-dataset

Ein leistungsstarkes Tool zur Erstellung von Datensätzen für die Feinabstimmung von LLM、RAG und Eval

ConardLi
⭐ 15,135 JavaScript 👤 ConardLi User 🕐 Aktualisiert 2026-05-01 📅 Erstellt 2025-03-04
8
doccano/doccano

Open-Source-Annotationstool für Machine-Learning-Praktiker.

doccano
⭐ 10,811 Python 👤 doccano Organization 🕐 Aktualisiert 2026-04-14 📅 Erstellt 2018-05-09
9
satellite-image-deep-learning/techniques

Techniken für Deep Learning mit Satelliten- und Luftbildern

satellite-image-deep-learning
⭐ 10,311 👤 satellite-image-deep-learning Organization 🕐 Aktualisiert 2026-11-07 📅 Erstellt 2018-04-16
10
brightmart/nlp_chinese_corpus

Großes chinesisches Korpus für NLP

brightmart
⭐ 9,937 👤 brightmart User 🕐 Aktualisiert 2026-02-06 📅 Erstellt 2019-02-08
11
mdn/browser-compat-data

Browser-Kompatibilitätsdaten für Web-Technologien, wie auf MDN angezeigt

mdn
⭐ 5,800 JSON 👤 mdn Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2016-03-29
12
lonePatient/awesome-pretrained-chinese-nlp-models

Beeindruckende vortrainierte chinesische NLP-Modelle, Sammlung hochwertiger chinesischer vortrainierter Modelle & Großmodelle & Multimodale Modelle & Große Sprachmodelle

lonePatient
⭐ 5,618 Python 👤 lonePatient User 🕐 Aktualisiert 2026-08-30 📅 Erstellt 2019-05-25
13
designfuchen/word-atlas

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.

designfuchen
⭐ 5,158 TypeScript 👤 designfuchen User 🕐 Aktualisiert 2026-11-13 📅 Erstellt 2026-10-25
14
mlabonne/llm-datasets

Kuratiete Liste von Datensätzen und Werkzeugen für das Post-Training.

mlabonne
⭐ 4,838 👤 mlabonne User 🕐 Aktualisiert 2026-04-29 📅 Erstellt 2024-04-27
15
SPLWare/esProc

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.

SPLWare
⭐ 4,674 Java 👤 SPLWare User 🕐 Aktualisiert 2026-11-18 📅 Erstellt 2021-11-09
16
tensorflow/datasets

TFDS ist eine Sammlung von Datensätzen, die für die Verwendung mit TensorFlow, Jax, ... bereit sind.

tensorflow
⭐ 4,610 Python 👤 tensorflow Organization 🕐 Aktualisiert 2026-11-13 📅 Erstellt 2018-09-10
17
hyunwoongko/transformer

Transformer: PyTorch-Implementierung von „Attention Is All You Need“

hyunwoongko
⭐ 4,609 Python 👤 hyunwoongko User 🕐 Aktualisiert 2025-07-15 📅 Erstellt 2019-10-15
18
rom1504/img2dataset

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.

rom1504
⭐ 4,458 Python 👤 rom1504 User 🕐 Aktualisiert 2025-10-19 📅 Erstellt 2021-08-11
19
wainshine/Chinese-Names-Corpus

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.

wainshine
⭐ 4,347 👤 wainshine User 🕐 Aktualisiert 2025-11-09 📅 Erstellt 2016-12-08
20
whoiskatrin/sql-translator

SQL Translator ist ein Werkzeug zur Umwandlung natürlicher Abfragen in SQL-Code mithilfe künstlicher Intelligenz. Dieses Projekt ist 100% kostenlos und Open Source.

whoiskatrin
⭐ 4,315 TypeScript 👤 whoiskatrin User 🕐 Aktualisiert 2025-07-06 📅 Erstellt 2023-03-11
21
CLUEbenchmark/CLUE

Chinesisches Sprachverständnis-Bewertungsbenchmark: Datensätze, Baselines, vortrainierte Modelle, Corpus und Leaderboard

CLUEbenchmark
⭐ 4,288 Python 👤 CLUEbenchmark Organization 🕐 Aktualisiert 2026-02-06 📅 Erstellt 2019-11-22
22
OpenCSGs/csghub

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! ⭐️

OpenCSGs
⭐ 4,083 Vue 👤 OpenCSGs Organization 🕐 Aktualisiert 2026-11-13 📅 Erstellt 2024-01-12
23
Charmve/Surface-Defect-Detection

📈 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.

Charmve
⭐ 3,888 Python 👤 Charmve User 🕐 Aktualisiert 2024-05-27 📅 Erstellt 2020-09-27
24
M-3LAB/awesome-industrial-anomaly-detection

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).

M-3LAB
⭐ 3,866 👤 M-3LAB Organization 🕐 Aktualisiert 2026-11-05 📅 Erstellt 2022-12-02
25
Belval/TextRecognitionDataGenerator

Ein Generator für synthetische Daten zur Textenerkennung

Belval
⭐ 3,619 Python 👤 Belval User 🕐 Aktualisiert 2024-07-18 📅 Erstellt 2017-07-01
26
ashvardanian/StringZilla

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 🦖

ashvardanian
⭐ 3,590 C 👤 ashvardanian User 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2020-08-14
27
jdorfman/awesome-json-datasets

Eine kuratierte Liste toller JSON-Datensätze, die keine Authentifizierung erfordern.

jdorfman
⭐ 3,531 JavaScript 👤 jdorfman User 🕐 Aktualisiert 2024-12-13 📅 Erstellt 2015-08-10
⭐ 3,438 Python 👤 waymo-research Organization 🕐 Aktualisiert 2026-01-08 📅 Erstellt 2019-06-13
29
linhandev/dataset

Liste medizinischer Bilddatensätze „An Index for Medical Imaging Datasets“

linhandev
⭐ 3,421 👤 linhandev User 🕐 Aktualisiert 2024-08-15 📅 Erstellt 2020-12-04
30
pydata/pandas-datareader

Extrahieren Sie Daten aus einer Vielzahl von Internetquellen in einen pandas DataFrame.

pydata
⭐ 3,283 Python 👤 pydata Organization 🕐 Aktualisiert 2026-07-21 📅 Erstellt 2015-01-15
31
meodai/color-names

Große Liste handverlesener Farbnamen 🌈

meodai
⭐ 3,111 JavaScript 👤 meodai User 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2017-04-23
32
WebBreacher/WhatsMyName

Von der Community gepflegter Datensatz mit über 700 Websites zum Auffinden von Konten anhand von Benutzernamen – unterstützt OSINT- und digitale Fußabdruck-Tools.

WebBreacher
⭐ 3,043 Python 👤 WebBreacher User 🕐 Aktualisiert 2026-11-02 📅 Erstellt 2015-10-02
33
whylabs/whylogs

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. 📈

whylabs
⭐ 2,819 Jupyter Notebook 👤 whylabs Organization 🕐 Aktualisiert 2025-01-10 📅 Erstellt 2020-08-14
34
unsplash/datasets

🎁 Über 7.400.000 Unsplash-Bilder für Forschung und maschinelles Lernen verfügbar gemacht

unsplash
⭐ 2,812 Jupyter Notebook 👤 unsplash Organization 🕐 Aktualisiert 2026-06-26 📅 Erstellt 2020-06-23
35
colour-science/colour

Farbwissenschaft für Python

colour-science
⭐ 2,696 Python 👤 colour-science Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2014-02-23
36
GanjinZero/awesome_Chinese_medical_NLP

Sammlung offener Ressourcen für chinesisches medizinisches NLP: Terminologien/Korpus/Wortvektoren/Vor-trained Models/Wissensgraphen/Namensentitäts-Erkennung/QA/Informationsextraktion/Modelle/Papiere/usw.

GanjinZero
⭐ 2,518 👤 GanjinZero User 🕐 Aktualisiert 2024-01-17 📅 Erstellt 2019-10-30
37
detectRecog/CCPD

[ECCV 2018] CCPD: Ein diverser und gut annotierter Datensatz für die Kennzeichenerkennung und -lesung

detectRecog
⭐ 2,509 Python 👤 detectRecog User 🕐 Aktualisiert 2024-02-15 📅 Erstellt 2018-04-03
38
itmeo/webgradients

180 kostenlose CSS3-, Figma-, Sketch- und PSD-Verläufe — plus ein JSON-Datensatz für Design-Tools, Generatoren und KI-Agenten.

itmeo
⭐ 2,505 CSS 👤 itmeo Organization 🕐 Aktualisiert 2026-08-03 📅 Erstellt 2017-01-08
39
lukes/ISO-3166-Countries-with-Regional-Codes

ISO 3166-1-Länderlisten, die mit ihren UN-Geoscheme-Regionalcodes in sofort einsatzbereiten JSON-, XML- und CSV-Datensätzen zusammengeführt wurden

lukes
⭐ 2,405 Ruby 👤 lukes User 🕐 Aktualisiert 2024-06-29 📅 Erstellt 2011-04-21
40
wenhwu/awesome-remote-sensing-change-detection

Eine umfassende und aktuelle Zusammenstellung von Datensätzen, Werkzeugen, Methoden, Übersichtsartikeln und Wettbewerben zur Fernerfassung von Änderungen.

wenhwu
⭐ 2,377 👤 wenhwu User 🕐 Aktualisiert 2026-09-09 📅 Erstellt 2018-11-03
41
google-research-datasets/Objectron

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.

google-research-datasets
⭐ 2,361 Jupyter Notebook 👤 google-research-datasets Organization 🕐 Aktualisiert 2026-03-06 📅 Erstellt 2020-10-19
42
beir-cellar/beir

Ein heterogener Benchmark für Information Retrieval. Einfach zu bedienen, evaluieren Sie Ihre Modelle über 15+ verschiedene IR-Datensätze.

beir-cellar
⭐ 2,310 Python 👤 beir-cellar Organization 🕐 Aktualisiert 2025-10-16 📅 Erstellt 2021-01-18
43
alibaba/clusterdata

Clusterdaten, gesammelt von Produktionsclustern in Alibaba für die Forschung zur Clusterverwaltung

alibaba
⭐ 2,270 Jupyter Notebook 👤 alibaba Organization 🕐 Aktualisiert 2026-10-13 📅 Erstellt 2017-09-05
44
jim-schwoebel/voice_datasets

🔊 Eine umfassende Liste quelloffener Datensätze für Sprach- und Soundcomputing (über 95 Datensätze).

jim-schwoebel
⭐ 2,106 👤 jim-schwoebel User 🕐 Aktualisiert 2024-06-06 📅 Erstellt 2019-07-24
45
UniversalDataTool/universal-data-tool

Arbeiten Sie zusammen und beschriften Sie jede Art von Daten, Bildern, Texten oder Dokumenten, in einer einfachen Weboberfläche oder Desktop-Anwendung.

UniversalDataTool
⭐ 2,065 JavaScript 👤 UniversalDataTool Organization 🕐 Aktualisiert 2025-03-15 📅 Erstellt 2019-07-11
46
X-zhangyang/Real-World-Masked-Face-Dataset

Real-World Masked Face Dataset, Maskengesichtsdatensatz

X-zhangyang
⭐ 2,030 Python 👤 X-zhangyang User 🕐 Aktualisiert 2024-11-20 📅 Erstellt 2020-02-13
47
nvkelso/natural-earth-vector

Ein globaler Kartendatensatz im öffentlichen Domain, verfügbar in drei Maßstäben und mit eng integrierten Vektor- und Rasterdaten.

nvkelso
⭐ 2,015 HTML 👤 nvkelso User 🕐 Aktualisiert 2024-04-22 📅 Erstellt 2012-01-22
48
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
49
safe-graph/graph-fraud-detection-papers

Eine kuratierte Liste von Papieren und Ressourcen zur Erkennung von Betrug, Anomalien und Ausreißern auf Graph-/Transformer-Basis

safe-graph
⭐ 1,908 👤 safe-graph Organization 🕐 Aktualisiert 2026-11-15 📅 Erstellt 2019-11-21
50
thanglequoc/vietnamese-provinces-database

Umfassende SQL- und GIS-Datensätze für vietnamesische Verwaltungseinheiten, einschließlich Provinzen, Bezirken, Gemeinden, Postleitzahlen und Geodaten zu Verwaltungsgrenzen.

thanglequoc
⭐ 1,868 PLpgSQL 👤 thanglequoc User 🕐 Aktualisiert 2026-10-14 📅 Erstellt 2021-11-06

Häufig gestellte Fragen

1

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

2

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.

3

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.