Git Stars Git Stars

#synthetic-data Repositories

Entdecke 49 aktive Open-Source-GitHub-Repositories, die mit #synthetic-data getaggt sind und insgesamt 118,509 Sterne gesammelt haben (durchschnittlich 2,418 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist stefan-jansen/machine-learning-for-trading mit 21,929 Sternen.

49
Gesamtzahl der Repositories
118,509
Gesamtanzahl der Sterne
2,418
Durchschnittliche Sterne/Repo

Insgesamt 49 Repositories

1
stefan-jansen/machine-learning-for-trading

Code für Machine Learning for Trading, 3. Auflage — von der Datenbeschaffung bis zur Live-Ausführung.

stefan-jansen
⭐ 21,929 Jupyter Notebook 👤 stefan-jansen User 🕐 Aktualisiert 2026-11-18 📅 Erstellt 2018-05-09
2
oumi-ai/oumi

Qwen, Gemma oder jedes offene agentische LLM/VLM ganz einfach feinabstimmen (SFT/RL), evaluieren und bereitstellen!

oumi-ai
⭐ 9,441 Python 👤 oumi-ai Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2024-05-07
3
princeton-vl/infinigen

Unendliche fotorealistische Welten durch prozedurale Generierung

princeton-vl
⭐ 7,464 Python 👤 princeton-vl Organization 🕐 Aktualisiert 2026-11-11 📅 Erstellt 2023-06-17
4
datajuicer/data-juicer

Datenverarbeitung für und mit grundlegenden Modellen! 🍎 🍋 🌽 ➡️ ➡️🍸 🍹 🍷

datajuicer
⭐ 7,266 Python 👤 datajuicer Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2023-08-01
5
Kiln-AI/Kiln

KI-Systeme erstellen, bewerten und optimieren. Umfasst Evals (Bewertungen), RAG, Agenten, Feinabstimmung (Fine-Tuning), Generierung synthetischer Daten, Dataset-Management, MCP und mehr.

Kiln-AI
⭐ 5,286 Python 👤 Kiln-AI Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2024-07-23
6
lk-geimfari/mimesis

Mimesis ist eine Python-Bibliothek zum Generieren von gefälschten, aber realistischen Daten in verschiedenen Sprachen und Gebietsschemas.

lk-geimfari
⭐ 4,873 Python 👤 lk-geimfari User 🕐 Aktualisiert 2026-11-13 📅 Erstellt 2016-09-09
7
DLR-RM/BlenderProc

Ein prozeduraler Blender-Pipeline für die Generierung fotorealistischer Trainingsbilder

DLR-RM
⭐ 3,804 Python 👤 DLR-RM Organization 🕐 Aktualisiert 2026-01-20 📅 Erstellt 2019-10-10
8
sdv-dev/SDV

Synthetische Datengenerierung für tabellarische Daten

sdv-dev
⭐ 3,607 Python 👤 sdv-dev Organization 🕐 Aktualisiert 2026-11-16 📅 Erstellt 2018-05-11
9
synthetichealth/synthea

Synthetischer Patientenpopulation-Simulator

synthetichealth
⭐ 3,474 Java 👤 synthetichealth Organization 🕐 Aktualisiert 2026-11-20 📅 Erstellt 2016-06-17
10
argilla-io/distilabel

Distilabel ist ein Framework für synthetische Daten und KI-Feedback für Ingenieure, die schnelle, zuverlässige und skalierbare Pipelines auf der Grundlage verifizierter Forschungsarbeiten benötigen.

argilla-io
⭐ 3,467 Python 👤 argilla-io Organization 🕐 Aktualisiert 2026-11-18 📅 Erstellt 2023-10-16
11
pgmpy/pgmpy

Python-Toolkit für kausales und probabilistisches Reasoning

pgmpy
⭐ 3,387 Python 👤 pgmpy Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2013-09-20
12
a312863063/generators-with-stylegan2

Hier ist eine Serie von Gesichts-Generatoren basierend auf StyleGAN2

a312863063
⭐ 2,492 Python 👤 a312863063 User 🕐 Aktualisiert 2026-09-03 📅 Erstellt 2019-12-21
13
rpautrat/SuperPoint

Effizienter neuronaler Merkmalsdetektor und Deskriptor

rpautrat
⭐ 2,459 Jupyter Notebook 👤 rpautrat User 🕐 Aktualisiert 2025-05-05 📅 Erstellt 2018-03-05
14
hitsz-ids/synthetic-data-generator

SDG ist ein spezialisiertes Framework, das zur Generierung von hochwertigen strukturierten tabellarischen Daten entwickelt wurde.

hitsz-ids
⭐ 2,442 Python 👤 hitsz-ids Organization 🕐 Aktualisiert 2026-11-16 📅 Erstellt 2023-08-10
15
NVIDIA-NeMo/DataDesigner

🎨 NeMo Data Designer: Generieren Sie hochwertige synthetische Daten von Grund auf oder aus Seed-Daten.

NVIDIA-NeMo
⭐ 2,419 Python 👤 NVIDIA-NeMo Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2025-10-16
16
unrealcv/unrealcv

UnrealCV: Verbindung von Computer Vision zu Unreal Engine

unrealcv
⭐ 2,227 Python 👤 unrealcv Organization 🕐 Aktualisiert 2026-09-04 📅 Erstellt 2016-09-08
17
axoviq-ai/synthadoc

Synthadoc: Eine Open-Source-LLM-Wissenskompilierungs-Engine, die Rohdokumente in strukturierte, lokale Wikis verwandelt. Eine transparente, für Menschen lesbare Alternative zu traditionellem RAG, die ohne den Einsatz von Werkzeugen selbst verwaltet und verbessert werden kann.

axoviq-ai
⭐ 1,998 Python 👤 axoviq-ai Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2026-04-11
18
google-deepmind/mathematics_dataset

Dieser Datensatzcode generiert mathematische Fragen- und Antwortpaare aus einer Reihe von Fragetypen mit ungefähr schulischem Schwierigkeitsgrad.

google-deepmind
⭐ 1,925 Python 👤 google-deepmind Organization 🕐 Aktualisiert 2024-12-23 📅 Erstellt 2019-03-27
19
GreenmaskIO/greenmask

Datenbank-Anonymisierung und Testdatenverwaltung

GreenmaskIO
⭐ 1,809 Go 👤 GreenmaskIO Organization 🕐 Aktualisiert 2026-11-18 📅 Erstellt 2023-12-01
20
bespokelabsai/curator

Synthetische Datenkuratur für Post-Training und die Extraktion strukturierter Daten

bespokelabsai
⭐ 1,766 Python 👤 bespokelabsai Organization 🕐 Aktualisiert 2026-11-02 📅 Erstellt 2024-10-28
21
stephansturges/WALDO

Aufenthaltsbestimmung für niedrig gelegene detektierbare Objekte. Der SOTA in FOSS KI für Drohnen!

stephansturges
⭐ 1,690 Python 👤 stephansturges User 🕐 Aktualisiert 2025-01-07 📅 Erstellt 2022-11-02
22
Data-Centric-AI-Community/fg-data-synthetic

Generatoren synthetischer Daten für tabellarische und Zeitreihendaten

Data-Centric-AI-Community
⭐ 1,662 Jupyter Notebook 👤 Data-Centric-AI-Community Organization 🕐 Aktualisiert 2026-09-03 📅 Erstellt 2020-05-04
23
huggingface/aisheets

Erstellen, anreichern und transformieren Sie Datensätze mit KI-Modellen ganz ohne Code

huggingface
⭐ 1,656 TypeScript 👤 huggingface Organization 🕐 Aktualisiert 2026-09-23 📅 Erstellt 2025-01-16
24
sdv-dev/CTGAN

Conditional GAN zur Generierung synthetischer Tabellendaten.

sdv-dev
⭐ 1,579 Python 👤 sdv-dev Organization 🕐 Aktualisiert 2026-11-16 📅 Erstellt 2019-09-08
25
shuttle-hq/synth

Der deklarative Datengenerator

shuttle-hq
⭐ 1,472 Rust 👤 shuttle-hq Organization 🕐 Aktualisiert 2024-09-27 📅 Erstellt 2020-08-09
26
plurai-ai/intellagent

Ein Framework für die umfassende Diagnose und Optimierung von Agenten mittels simulierter, realistischer synthetischer Interaktionen

plurai-ai
⭐ 1,266 Python 👤 plurai-ai Organization 🕐 Aktualisiert 2026-09-14 📅 Erstellt 2024-10-28
27
datadreamer-dev/DataDreamer

DataDreamer: Anweisung. Synthetische Daten generieren. Modelle trainieren und ausrichten.   🤖💤

datadreamer-dev
⭐ 1,112 Python 👤 datadreamer-dev Organization 🕐 Aktualisiert 2025-02-02 📅 Erstellt 2023-06-02
28
cuevhv/mamma

Offizieller Code für MAMMA: Markerlose, präzise Mehrpersonen-Bewegungserfassung.

cuevhv
⭐ 907 Python 👤 cuevhv User 🕐 Aktualisiert 2026-11-10 📅 Erstellt 2026-05-06
29
nolabs-ai/deepfabric

Hochwertige Synthetika in einer einzigen Pipeline generieren, trainieren, messen und bewerten

nolabs-ai
⭐ 896 Python 👤 nolabs-ai Organization 🕐 Aktualisiert 2026-11-13 📅 Erstellt 2024-10-25
30
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
31
BatsResearch/bonito

Eine leichtgewichtige Bibliothek zum Generieren synthetischer Instruktionsdatensätze für Ihre Daten ohne GPT.

BatsResearch
⭐ 831 Python 👤 BatsResearch Organization 🕐 Aktualisiert 2025-07-15 📅 Erstellt 2024-02-25
32
CHATS-lab/verbalized-sampling

Verbalized Sampling, eine trainingsfreie Prompting-Strategie zur Minderung des Mode Collapse in LLMs durch Anfordern von Antworten mit Wahrscheinlichkeiten. Erreicht eine 2-3-fache Steigerung der Diversität bei gleichbleibender Qualität. Modellunabhängiges Framework mit CLI/API für kreatives Schreiben, synthetische Datengenerierung und Dialogsimulation.

CHATS-lab
⭐ 828 Python 👤 CHATS-lab Organization 🕐 Aktualisiert 2026-11-08 📅 Erstellt 2025-05-20
33
mostly-ai/mostlyai

Synthetic Data SDK ✨

mostly-ai
⭐ 805 Python 👤 mostly-ai Organization 🕐 Aktualisiert 2026-10-29 📅 Erstellt 2023-12-22
34
nicolas-hbt/pygraft

Konfigurierbare Generierung synthetischer Schemata und Wissensgraphen auf Knopfdruck

nicolas-hbt
⭐ 718 Python 👤 nicolas-hbt User 🕐 Aktualisiert 2026-01-26 📅 Erstellt 2023-09-07
35
vanderschaarlab/synthcity

Eine Bibliothek zur Generierung und Bewertung synthetischer tabellarischer Daten für Datenschutz, Fairness und Datenanreicherung.

vanderschaarlab
⭐ 697 Python 👤 vanderschaarlab Organization 🕐 Aktualisiert 2026-04-21 📅 Erstellt 2022-03-18
36
gretelai/gretel-synthetics

Synthetische Datengeneratoren für strukturierte und unstrukturierte Texte, mit differential-privatem Lernen.

gretelai
⭐ 671 Python 👤 gretelai Organization 🕐 Aktualisiert 2025-06-24 📅 Erstellt 2020-03-02
37
jofpin/synthBTC

Ein Werkzeug, das fortschrittliche Monte-Carlo-Simulationen und Turbit-Parallelverarbeitung verwendet, um mögliche Bitcoin-Vorhersageszenarien zu erstellen.

jofpin
⭐ 664 JavaScript 👤 jofpin User 🕐 Aktualisiert 2024-08-04 📅 Erstellt 2024-08-02
38
sdv-dev/Copulas

Eine Bibliothek zur Modellierung multivariater Daten mit Copulas.

sdv-dev
⭐ 658 Python 👤 sdv-dev Organization 🕐 Aktualisiert 2026-11-16 📅 Erstellt 2017-11-13
39
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
40
EzioBy/Ditto

[CVPR'26 Highlight] Ditto: Skalierung der anweisungsbasierten Videobearbeitung mit einem hochwertigen synthetischen Datensatz

EzioBy
⭐ 636 Python 👤 EzioBy User 🕐 Aktualisiert 2026-06-01 📅 Erstellt 2025-10-19
41
Arlo0o/UniScene-Unified-Occupancy-centric-Driving-Scene-Generation

[CVPR 2025, TPAMI 2026] UniScene: Einheitliche belegungszentrierte Fahrtszenengenerierung

Arlo0o
⭐ 624 Python 👤 Arlo0o User 🕐 Aktualisiert 2026-05-24 📅 Erstellt 2024-12-10
42
sparkfish/augraphy

Erweiterungs-Pipeline für das Rendern von Prozessen zur synthetischen Papierdruck, Fax, Scannen und Kopieren

sparkfish
⭐ 559 Python 👤 sparkfish Organization 🕐 Aktualisiert 2025-07-20 📅 Erstellt 2021-05-31
43
yandex-research/tab-ddpm

[ICML 2023] Die offizielle Implementierung des Papers "TabDDPM: Modellierung von tabellarischen Daten mit Diffusionsmodellen"

yandex-research
⭐ 523 Python 👤 yandex-research Organization 🕐 Aktualisiert 2024-07-13 📅 Erstellt 2022-10-02
44
expectedparrot/edsl

Entwerfen, führen und analysieren Sie die Ergebnisse KI-gestützter Umfragen und Experimente. Simulieren Sie sozialwissenschaftliche Forschung und Marktforschung mit großen Mengen an KI-Agenten und großen Sprachmodellen.

expectedparrot
⭐ 521 Python 👤 expectedparrot Organization 🕐 Aktualisiert 2026-11-21 📅 Erstellt 2024-01-02
45
Nightmare-n/DepthAnyVideo

Tiefe jedes Videos mit skalierbaren synthetischen Daten (ICLR 2025)

Nightmare-n
⭐ 508 Python 👤 Nightmare-n User 🕐 Aktualisiert 2024-12-04 📅 Erstellt 2024-10-08
46
yejy53/Echo-4o

Echo-4o: Nutzung synthetischer Bilder proprietärer Modelle für verbesserte Bildgenerierung

yejy53
⭐ 507 Jupyter Notebook 👤 yejy53 User 🕐 Aktualisiert 2025-12-09 📅 Erstellt 2025-08-11
47
yangzhou24/OmniWorld

[ICLR 2026] OmniWorld: Ein domänenübergreifender und multimodaler Datensatz für die 4D-Weltmodellierung

yangzhou24
⭐ 506 Python 👤 yangzhou24 User 🕐 Aktualisiert 2026-04-16 📅 Erstellt 2025-09-15
48
databrickslabs/dbldatagen

Generieren Sie schnell relevante synthetische Daten für Ihre Projekte. Der synthetische Datengenerator von Databricks Labs (auch `dbldatagen` genannt) kann verwendet werden, um große simulierte bzw. synthetische Datensätze für Tests, Proofs of Concept (POCs) und andere Zwecke in Databricks-Umgebungen zu erzeugen, einschließlich Delta-Live-Tables-Pipelines.

databrickslabs
⭐ 506 Python 👤 databrickslabs Organization 🕐 Aktualisiert 2026-10-26 📅 Erstellt 2019-07-23
49
intellicia-public/parastore

Zeichne einen Laden, generiere LLM-Personas und beobachte, wie sie einkaufen — eine isometrische 3D-Sandbox für synthetische Verbraucherexperimente.

intellicia-public
⭐ 502 TypeScript 👤 intellicia-public Organization 🕐 Aktualisiert 2026-05-21 📅 Erstellt 2026-05-15

Häufig gestellte Fragen

1

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

Das am höchsten eingestufte Open-Source-#synthetic-data-Projekt auf GitHub ist stefan-jansen/machine-learning-for-trading mit 21,929 Sternen. Code für Machine Learning for Trading, 3. Auflage — von der Datenbeschaffung bis zur Live-Ausführung.

2

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

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

3

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

Wir verfolgen 49 aktive Open-Source-Repositories, die mit #synthetic-data getaggt sind (500+ Sterne), mit insgesamt 118,509 Sternen und durchschnittlich 2,418 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.