#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.
Insgesamt 49 Repositories
Code für Machine Learning for Trading, 3. Auflage — von der Datenbeschaffung bis zur Live-Ausführung.
Qwen, Gemma oder jedes offene agentische LLM/VLM ganz einfach feinabstimmen (SFT/RL), evaluieren und bereitstellen!
KI-Systeme erstellen, bewerten und optimieren. Umfasst Evals (Bewertungen), RAG, Agenten, Feinabstimmung (Fine-Tuning), Generierung synthetischer Daten, Dataset-Management, MCP und mehr.
Mimesis ist eine Python-Bibliothek zum Generieren von gefälschten, aber realistischen Daten in verschiedenen Sprachen und Gebietsschemas.
Ein prozeduraler Blender-Pipeline für die Generierung fotorealistischer Trainingsbilder
Distilabel ist ein Framework für synthetische Daten und KI-Feedback für Ingenieure, die schnelle, zuverlässige und skalierbare Pipelines auf der Grundlage verifizierter Forschungsarbeiten benötigen.
Hier ist eine Serie von Gesichts-Generatoren basierend auf StyleGAN2
SDG ist ein spezialisiertes Framework, das zur Generierung von hochwertigen strukturierten tabellarischen Daten entwickelt wurde.
🎨 NeMo Data Designer: Generieren Sie hochwertige synthetische Daten von Grund auf oder aus Seed-Daten.
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.
Dieser Datensatzcode generiert mathematische Fragen- und Antwortpaare aus einer Reihe von Fragetypen mit ungefähr schulischem Schwierigkeitsgrad.
Synthetische Datenkuratur für Post-Training und die Extraktion strukturierter Daten
Aufenthaltsbestimmung für niedrig gelegene detektierbare Objekte. Der SOTA in FOSS KI für Drohnen!
Generatoren synthetischer Daten für tabellarische und Zeitreihendaten
Erstellen, anreichern und transformieren Sie Datensätze mit KI-Modellen ganz ohne Code
Ein Framework für die umfassende Diagnose und Optimierung von Agenten mittels simulierter, realistischer synthetischer Interaktionen
DataDreamer: Anweisung. Synthetische Daten generieren. Modelle trainieren und ausrichten. 🤖💤
Hochwertige Synthetika in einer einzigen Pipeline generieren, trainieren, messen und bewerten
[ICLR 2025] Synthese von Ausrichtungsdaten von Grund auf durch Aufforderung ausgerichteter LLMs mit nichts. Ihre effiziente und qualitativ hochwertige Pipeline zur Generierung synthetischer Daten!
Eine leichtgewichtige Bibliothek zum Generieren synthetischer Instruktionsdatensätze für Ihre Daten ohne GPT.
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.
Konfigurierbare Generierung synthetischer Schemata und Wissensgraphen auf Knopfdruck
Eine Bibliothek zur Generierung und Bewertung synthetischer tabellarischer Daten für Datenschutz, Fairness und Datenanreicherung.
Synthetische Datengeneratoren für strukturierte und unstrukturierte Texte, mit differential-privatem Lernen.
Ein Werkzeug, das fortschrittliche Monte-Carlo-Simulationen und Turbit-Parallelverarbeitung verwendet, um mögliche Bitcoin-Vorhersageszenarien zu erstellen.
Datensatz und Benchmark für RAG auf unternehmensinternen Dokumenten.
[CVPR'26 Highlight] Ditto: Skalierung der anweisungsbasierten Videobearbeitung mit einem hochwertigen synthetischen Datensatz
[CVPR 2025, TPAMI 2026] UniScene: Einheitliche belegungszentrierte Fahrtszenengenerierung
Erweiterungs-Pipeline für das Rendern von Prozessen zur synthetischen Papierdruck, Fax, Scannen und Kopieren
[ICML 2023] Die offizielle Implementierung des Papers "TabDDPM: Modellierung von tabellarischen Daten mit Diffusionsmodellen"
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.
Echo-4o: Nutzung synthetischer Bilder proprietärer Modelle für verbesserte Bildgenerierung
[ICLR 2026] OmniWorld: Ein domänenübergreifender und multimodaler Datensatz für die 4D-Weltmodellierung
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.
Zeichne einen Laden, generiere LLM-Personas und beobachte, wie sie einkaufen — eine isometrische 3D-Sandbox für synthetische Verbraucherexperimente.
Häufig gestellte Fragen
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.
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.
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.