Git Stars Git Stars

#dataset Repositories

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

Insgesamt 173 Repositories

101
magpie-align/magpie

[ICLR 2025] Synthese von Ausrichtungsdaten von Grund auf durch Aufforderung ausgerichteter LLMs mit nichts. Ihre effiziente und qualitativ hochwertige Pipeline zur Generierung synthetischer Daten!

magpie-align
⭐ 861 Python 👤 magpie-align Organization 🕐 Aktualisiert 2025-03-17 📅 Erstellt 2024-06-12
102
mims-harvard/PrimeKG

Präzisionsmedizin Wissensgraph (PrimeKG)

mims-harvard
⭐ 841 Jupyter Notebook 👤 mims-harvard Organization 🕐 Aktualisiert 2026-06-30 📅 Erstellt 2022-04-18
103
hcliucs/APSD

Offizieller Datensatz für „Bewertung der Unauffälligkeit adversarialer Störungen: aus visueller Perspektive“

hcliucs
⭐ 833 👤 hcliucs User 🕐 Aktualisiert 2026-09-02 📅 Erstellt 2023-07-28
104
mlfoundations/MINT-1T

🍃 MINT-1T: Ein multimodaler verschränkter Datensatz mit einer Billion Token.

mlfoundations
⭐ 828 👤 mlfoundations Organization 🕐 Aktualisiert 2024-07-31 📅 Erstellt 2024-06-16
105
thiagobodruk/bible

Bibeltext in JSON und XML — 141 Versionen in 85 Sprachen, bereit für Apps, die Suche nach Bibelversen und NLP-/KI-Datensätze

thiagobodruk
⭐ 802 👤 thiagobodruk User 🕐 Aktualisiert 2026-11-11 📅 Erstellt 2015-11-13
106
alchaincyf/huashu-bird-sticker

Hua Shus quelloffene globale Vogel-Stickerbibliothek · KI-generierte Sticker für über 11.000 Vogelarten (AviList v2026), lizenziert unter CC BY 4.0, mit Namen in 43 Sprachen und strukturierten Daten

alchaincyf
⭐ 798 👤 alchaincyf User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2026-10-30
107
cdapio/cdap

Ein Open-Source-Framework zum Erstellen von Datenanalyseanwendungen.

cdapio
⭐ 791 Java 👤 cdapio Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2014-08-02
108
waspinator/pycococreator

Hilfsfunktionen zum Erstellen von COCO-Datensätzen

waspinator
⭐ 783 Python 👤 waspinator User 🕐 Aktualisiert 2024-06-20 📅 Erstellt 2018-03-29
109
pedropro/TACO

🌮 Trash Annotations in Context Dataset Toolkit

pedropro
⭐ 781 Jupyter Notebook 👤 pedropro User 🕐 Aktualisiert 2026-10-20 📅 Erstellt 2019-06-08
110
voidful/awesome-chatgpt-dataset

Entfessle die Macht von LLMs: Entdecke diese Datensätze, um dein eigenes ChatGPT zu trainieren!

voidful
⭐ 773 Python 👤 voidful User 🕐 Aktualisiert 2026-10-27 📅 Erstellt 2023-04-21
111
cs-chan/Total-Text-Dataset

Total Text Datensatz. Er besteht aus 1555 Bildern mit mehr als 3 verschiedenen Textausrichtungen: horizontal, multiorientiert und gekrümmt, einzigartig in seiner Art.

cs-chan
⭐ 768 MATLAB 👤 cs-chan User 🕐 Aktualisiert 2026-09-30 📅 Erstellt 2017-08-24
112
techascent/tech.ml.dataset

Ein Clojure-System für hochperformante Datenverarbeitung

techascent
⭐ 762 Clojure 👤 techascent Organization 🕐 Aktualisiert 2026-10-02 📅 Erstellt 2019-02-14
113
ShuangLI59/person_search

Gemeinsames Lernen von Detektions- und Identifikationsmerkmalen für die Personensuche

ShuangLI59
⭐ 751 Python 👤 ShuangLI59 User 🕐 Aktualisiert 2024-04-26 📅 Erstellt 2016-04-06
114
viniciussanchez/dataset-serialize

JSON-zu-DataSet- und DataSet-zu-JSON-Konverter für Delphi und Lazarus (FPC)

viniciussanchez
⭐ 747 Pascal 👤 viniciussanchez User 🕐 Aktualisiert 2026-08-03 📅 Erstellt 2019-05-22
115
thorstenMueller/Thorsten-Voice

Thorsten-Voice: Eine kostenlos nutzbare, offline arbeitende, hochwertige deutsche TTS-Stimme sollte für jedes Projekt ohne Lizenzprobleme verfügbar sein.

thorstenMueller
⭐ 746 Python 👤 thorstenMueller User 🕐 Aktualisiert 2026-08-04 📅 Erstellt 2019-10-29
116
zcablii/SARDet_100K

[NeurIPS 2024 Spotlight] Offizielle Implementierung von MSFA und Veröffentlichung des SARDet_100K-Datensatzes für die groß angelegte Objekterkennung mit synthetischem Scharffokusradar (SAR)

zcablii
⭐ 743 Python 👤 zcablii User 🕐 Aktualisiert 2025-05-06 📅 Erstellt 2024-02-20
117
wb14123/couplet-dataset

Datensatz für Paargedichte. Datenbank mit 700.000 Paargedichten.

wb14123
⭐ 743 Python 👤 wb14123 User 🕐 Aktualisiert 2025-02-05 📅 Erstellt 2018-02-24
118
tensorflow/io

Dataset-, Streaming- und Dateisystemerweiterungen, die von TensorFlow SIG-IO gepflegt werden

tensorflow
⭐ 739 C++ 👤 tensorflow Organization 🕐 Aktualisiert 2026-06-25 📅 Erstellt 2018-11-09
119
rois-codh/kmnist

Repository für Kuzushiji-MNIST, Kuzushiji-49 und Kuzushiji-Kanji

rois-codh
⭐ 738 Python 👤 rois-codh Organization 🕐 Aktualisiert 2024-05-31 📅 Erstellt 2018-10-12
120
moein-shariatnia/OpenAI-CLIP

Einfache Implementierung des OpenAI CLIP-Modells in PyTorch.

moein-shariatnia
⭐ 727 Jupyter Notebook 👤 moein-shariatnia User 🕐 Aktualisiert 2025-10-18 📅 Erstellt 2021-04-07
121
EverMind-AI/SkillCorpus

Open-Source-Infrastruktur, die verstreute SKILL.md-Dateien in kuratierte, abrufbereite Agentenkompetenz-Korpora umwandelt – einschließlich Tools für Abruf und Evaluierung.

EverMind-AI
⭐ 706 Python 👤 EverMind-AI Organization 🕐 Aktualisiert 2026-11-19 📅 Erstellt 2026-08-11
122
layumi/University1652-Baseline

ACM Multimedia2020 University-1652: Ein Multi-View Multi-Source-Benchmark für drone-basierte Geo-Lokalisierung :helicopter: annotiert 1652 Gebäude an 72 Universitäten weltweit.

layumi
⭐ 703 Python 👤 layumi User 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2019-11-04
123
open-edge-platform/datumaro

Dataset Management Framework, eine Python-Bibliothek und ein CLI-Tool zum Erstellen, Analysieren und Verwalten von Computer-Vision-Datensätzen.

open-edge-platform
⭐ 701 Python 👤 open-edge-platform Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2020-09-01
124
google-deepmind/long-form-factuality

Benchmarking der Faktenhaltigkeit langer Texte in großen Sprachmodellen. Originalcode für unsere Arbeit "Long-form factuality in large language models".

google-deepmind
⭐ 698 Python 👤 google-deepmind Organization 🕐 Aktualisiert 2026-06-18 📅 Erstellt 2024-03-25
125
wenhaochai/MovieChat

[CVPR 2024] MovieChat: Von dichten Token zu spärlichem Gedächtnis für das Verständnis langer Videos

wenhaochai
⭐ 698 Python 👤 wenhaochai User 🕐 Aktualisiert 2025-01-29 📅 Erstellt 2023-06-26
126
ucas-vg/PointTinyBenchmark

Punktbasierter und winziger Objekterkennungs- und Lokalisierungscodesatz von UCAS-VG

ucas-vg
⭐ 689 Python 👤 ucas-vg Organization 🕐 Aktualisiert 2025-06-12 📅 Erstellt 2019-12-21
127
datalad/datalad

Behalten Sie Code, Daten und Container mit git und git-annex unter Kontrolle

datalad
⭐ 675 Python 👤 datalad Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2013-11-01
128
bertjiazheng/Structured3D

[ECCV'20] Structured3D: Ein großer fotorealistischer Datensatz für strukturierte 3D-Modellierung

bertjiazheng
⭐ 666 Python 👤 bertjiazheng User 🕐 Aktualisiert 2025-02-24 📅 Erstellt 2019-05-09
129
facebookresearch/Ego4d

Ego4d Dataset Repository. Laden Sie den Datensatz herunter, visualisieren Sie ihn, extrahieren Sie Merkmale und Beispielhafte Nutzung des Datensatzes

facebookresearch
⭐ 665 Jupyter Notebook 👤 facebookresearch Organization 🕐 Aktualisiert 2026-07-25 📅 Erstellt 2021-11-23
130
Jakobovski/free-spoken-digit-dataset

Ein kostenloser Audiodatensatz gesprochener Ziffern. Eine Audioversion von MNIST.

Jakobovski
⭐ 663 Python 👤 Jakobovski User 🕐 Aktualisiert 2024-05-02 📅 Erstellt 2016-06-21
131
onejune2018/Awesome-LLM-Eval

Awesome-LLM-Eval: eine kuratierte Liste von Tools, Datensätzen/Benchmarks, Demos, Bestenlisten, Papern, Docs und Modellen, hauptsächlich für die Evaluierung von LLMs. Eine kuratierte Liste von Tools, Benchmark/Daten, Demos, Ranglisten und großen Modellen, die sich hauptsächlich an die Bewertung von Basis-Large Models richtet und darauf abzielt, die technologischen Grenzen der generativen KI zu erforschen.

onejune2018
⭐ 661 👤 onejune2018 User 🕐 Aktualisiert 2025-11-24 📅 Erstellt 2023-04-26
132
cs-chan/Exclusively-Dark-Image-Dataset

Datensatz ‚Exclusively Dark (ExDARK)‘, der laut unserem Verständnis die größte Sammlung von Bildern bei sehr schlechten Lichtverhältnissen ist, die in sehr dunklen Umgebungen bis zum Zwielicht (d.h. 10 unterschiedliche Bedingungen) bis heute aufgenommen wurden, mit Bildklassens- und Objektannotierungen.

cs-chan
⭐ 658 MATLAB 👤 cs-chan User 🕐 Aktualisiert 2026-09-30 📅 Erstellt 2018-05-28
133
benedekrozemberczki/datasets

Ein Repository mit ziemlich coolen Datensätzen, die ich für die Forschung in Netzwerkwissenschaft und maschinellem Lernen gesammelt habe.

benedekrozemberczki
⭐ 657 👤 benedekrozemberczki User 🕐 Aktualisiert 2025-12-20 📅 Erstellt 2019-04-07
134
CornellNLP/ConvoKit

ConvoKit ist ein Toolkit zur Extraktion von konversationellen Merkmalen und zur Analyse sozialer Phänomene in Gesprächen. Es umfasst mehrere große konversationelle Datensätze sowie Skripte, die den Einsatz des Toolkits auf diesen Datensätzen exemplarisch darstellen.

CornellNLP
⭐ 656 Jupyter Notebook 👤 CornellNLP Organization 🕐 Aktualisiert 2026-10-16 📅 Erstellt 2016-03-14
135
philipperemy/FX-1-Minute-Data

HISTDATA - Datensatz bestehend aus allen FX-Handelspaaren / Rohöl / Aktienindizes. Einfache API zum Abrufen von 1-Minuten-Daten (und Tick-Daten) Historische FX-Preise (aktuell).

philipperemy
⭐ 649 Python 👤 philipperemy User 🕐 Aktualisiert 2025-05-04 📅 Erstellt 2017-05-22
136
D-X-Y/NAS-Bench-201

NAS-Bench-201 API und Anleitung

D-X-Y
⭐ 649 Python 👤 D-X-Y User 🕐 Aktualisiert 2025-10-31 📅 Erstellt 2017-04-24
137
commaai/comma2k19

Ein Fahr-Datensatz für die Entwicklung und Validierung fusizierter Pose-Schätzer und Kartierungsalgorithmen

commaai
⭐ 646 Jupyter Notebook 👤 commaai Organization 🕐 Aktualisiert 2025-07-20 📅 Erstellt 2018-12-12
138
lartpang/awesome-segmentation-saliency-dataset

Eine Sammlung einiger Datensätze für Segmentierung / Saliency-Erkennung. Willkommen bei PR...:smile:

lartpang
⭐ 645 👤 lartpang User 🕐 Aktualisiert 2026-09-15 📅 Erstellt 2018-12-30
139
iejMac/video2dataset

Erstellen Sie ganz einfach große Videodatensätze aus Video-URLs

iejMac
⭐ 644 Python 👤 iejMac User 🕐 Aktualisiert 2024-07-30 📅 Erstellt 2022-10-15
140
jonathanwvd/awesome-industrial-datasets

Eine kuratierte Sammlung öffentlicher Industriedatensätze.

jonathanwvd
⭐ 643 👤 jonathanwvd User 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2022-10-25
141
onyx-dot-app/EnterpriseRAG-Bench

Datensatz und Benchmark für RAG auf unternehmensinternen Dokumenten.

onyx-dot-app
⭐ 639 👤 onyx-dot-app Organization 🕐 Aktualisiert 2026-09-03 📅 Erstellt 2026-02-19
142
HowieHwong/TrustLLM

[ICML 2024] TrustLLM: Bewertung der Vertrauenswürdigkeit von LLMs hinsichtlich Wahrhaftigkeit, Sicherheit, Fairness, Robustheit, Datenschutz und Ethik. Python-/CLI-Toolkit für lokale Modelle, kompatible APIs und die Orchestrierung von KI-Agenten.

HowieHwong
⭐ 635 Python 👤 HowieHwong User 🕐 Aktualisiert 2026-10-04 📅 Erstellt 2023-12-23
143
CubiCasa/CubiCasa5k

CubiCasa5k Grundriss-Datensatz

CubiCasa
⭐ 635 Jupyter Notebook 👤 CubiCasa Organization 🕐 Aktualisiert 2026-11-08 📅 Erstellt 2019-01-23
144
achuthasubhash/Complete-Life-Cycle-of-a-Data-Science-Project

Vollständiger Lebenszyklus eines Data-Science-Projekts

achuthasubhash
⭐ 631 👤 achuthasubhash User 🕐 Aktualisiert 2024-06-07 📅 Erstellt 2020-09-02
145
nghuyong/weibo-cov

Weibo-COV: Ein groß angelegter Social-Media-Datensatz zu COVID-19 von Weibo

nghuyong
⭐ 626 👤 nghuyong User 🕐 Aktualisiert 2025-08-23 📅 Erstellt 2020-02-20
146
ApolloScapeAuto/dataset-api

Der ApolloScape Open Dataset für autonomes Fahren und seine Anwendung.

ApolloScapeAuto
⭐ 620 Jupyter Notebook 👤 ApolloScapeAuto User 🕐 Aktualisiert 2026-10-31 📅 Erstellt 2018-06-25
147
guptarohit/cryptoCMD

Python-Bibliothek für historische Preisdaten von Kryptowährungen. Daten von https://coinmarketcap.com.

guptarohit
⭐ 612 Python 👤 guptarohit User 🕐 Aktualisiert 2026-07-25 📅 Erstellt 2018-01-27
148
HuangCongQing/3D-Point-Clouds

🔥3D-Punktwolken-Zielerkennung & Semantische Segmentierung (Deep Learning) - SOTA-Methoden, Code, Paper, Datensätze usw.

HuangCongQing
⭐ 611 Jupyter Notebook 👤 HuangCongQing User 🕐 Aktualisiert 2025-01-20 📅 Erstellt 2021-01-15
149
toddrjones/datasets

Eine Sammlung von über 150 kostenlosen Datensätzen zur Verwendung in den Sozialwissenschaften, der angewandten Mikroökonomie, der Datenvisualisierung usw.

toddrjones
⭐ 603 👤 toddrjones User 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2026-10-09
150
RingBDStack/SocialED

Eine Python-Bibliothek zur Erkennung sozialer Ereignisse

RingBDStack
⭐ 597 Python 👤 RingBDStack Organization 🕐 Aktualisiert 2026-10-02 📅 Erstellt 2024-11-27