#data-curation Repositorios
Descubre 65 repositorios activos de código abierto de GitHub etiquetados con #data-curation, que acumulan 182,804 estrellas en total (una media de 2,812 estrellas por proyecto). El líder de este tema es formulahendry/955.WLB, con 36,238 estrellas.
65 repositorios en total
Lista de empresas sin horas extras - Trabajo 955, work-life balance (equilibrio entre el trabajo y la vida)
🇨🇳 Paquete de pegatinas chino, Más alegría / Museo de paquetes de pegatinas, Repositorio más tóxico de Github, Gran colección de paquetes de pegatinas chinos, Reúne alegría~
La biblioteca de código abierto de Cleanlab es el paquete estándar de IA centrado en datos para la calidad de datos y el aprendizaje automático con datos y etiquetas desordenados del mundo real.
【Edición Coleccionista】Las fuentes de transmisión en vivo HD cubren casi todos los programas de televisión por satélite, con logotipos de canal perfectos integrados y guías de programas.
El repositorio RedPajama-Data contiene código para preparar grandes conjuntos de datos para entrenar modelos de lenguaje grandes.
Ha sido mantenido durante más de 5 años, se verifican diariamente la disponibilidad, suscripción a los nodos gratuitos de mayor calidad en la red, selección diabólica de nodos gratuitos de alta calidad: shadowrocket | stash | singbox | clash | karing | hiddify | mihomo | clashmi | ClashMeta | FIClash | Surfboard
Resumen de marcas y modelos de móviles | Modelos móviles | Este repositorio está licenciado bajo CC BY-NC-SA 4.0
Personaliza tu propia lista de transmisiones en vivo, [vista previa perfecta del programa EPG, logotipos de canal HD]
Framework de código abierto para la investigación y el desarrollo de modelos fundacionales.
Nano Banana (nanobanana), GPT-5 (GPT5), GPT-4o (GPT4o) Prompts de Imagen, Prompts Nanobanana, prompts nanobanana
Lista seleccionada de fantásticos archivos .mdc de reglas de cursor
《América contra América》 es una obra escrita por el señor Wang Huning durante su viaje de observación a Estados Unidos a finales de la década de 1980. Sabemos lo alta que era la admiración de China por Occidente, especialmente por Estados Unidos, en esa época, por lo que es muy admirable ver de repente a un erudito con una comprensión tan clara en los años 80. Dado que en línea solo hay una versión PDF escaneada de mala calidad, quiero usar tecnología OCR y el ojo humano (OCR humano) para convertirla a un formato de texto moderno. Ahora se ha completado por completo.
Los mejores hilos de Tianya recogidos cuidadosamente, sin marcas de agua, convenientes para leer
El Libro de Cocina Abierto para Modelos de Lenguaje Grandes de Alto Nivel
fastdup es una herramienta potente y gratuita diseñada para generar rápidamente información valiosa a partir de conjuntos de datos de imágenes y videos. Ayuda a mejorar la calidad tanto de las imágenes como de las etiquetas, al tiempo que reduce significativamente los costos de operación de datos, todo ello con una escalabilidad inigualable.
Kit de herramientas escalable para preprocesamiento y curación de datos para LLM
Centro de información para nuestro proyecto de entrenamiento de los LLM históricos más grandes posibles.
Compartir recursos de cine y televisión en Baidu Netdisk, Quark Netdisk y Aliyun Drive. Publicación diaria de las últimas series de televisión, programas de variedades y recursos cinematográficos.
Este repositorio apoya las contribuciones para herramientas del conjunto de datos Project CodeNet alojado en DAX
Kaishi 1.5k es una cubierta Anki japonesa moderna y modular creada para principiantes que desean aprender vocabulario básico.
Repositorio oficial del artículo "Scaling Synthetic Data Creation with 1,000,000,000 Personas"
Repositorio que contiene archivos de códigos de trucos, archivos de datos de contenido, etc.
HuatuoGPT, Hacia DOMAR Modelos de Lenguaje para Ser un Doctor. (Un GPT Médico Abierto)
datos legibles por máquina para https://awesome-selfhosted.net
The Washington Post está compilando una base de datos de cada tiroteo fatal en Estados Unidos por un oficial de policía en el cumplimiento del deber desde 2015.
Una lista seleccionada, pero incompleta, de recursos de IA centrados en datos.
Un gestor integral que administra los recursos dentro de la computadora y ofrece gamificación
Se han recopilado y organizado los temas de las competiciones nacionales de diseño electrónico de 1994 a 2025. ¡Se agradecen las adiciones si faltan!
Una lista de ataques conocidos contra entidades propietarias de Bitcoin / activos cripto que ocurrieron en el mundo real.
Notebooks de Google Colab accesibles para el entrenamiento de Lora de Stable Diffusion, basados en el trabajo de kohya-ss y Linaqruf
Base de datos abierta de startups destacadas de semiconductores
Preguntas frecuentes
¿Cuál es el repositorio de #data-curation más popular en GitHub?
El proyecto de código abierto de #data-curation mejor posicionado en GitHub es formulahendry/955.WLB, con 36,238 estrellas. Lista de empresas sin horas extras - Trabajo 955, work-life balance (equilibrio entre el trabajo y la vida)
¿Qué lenguajes de programación se utilizan más en los repositorios de #data-curation?
Entre los proyectos de #data-curation mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, TypeScript, JavaScript, Jupyter Notebook.
¿Cómo se calcula la clasificación de los repositorios de #data-curation?
Seguimos 65 repositorios activos de código abierto etiquetados con #data-curation (500+ estrellas), que suman un total de 182,804 estrellas, con una media de 2,812 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.