Git Stars Git Stars

#data-generation Repositorios

Descubre 32 repositorios activos de código abierto de GitHub etiquetados con #data-generation, que acumulan 119,004 estrellas en total (una media de 3,718 estrellas por proyecto). El líder de este tema es Genesis-Embodied-AI/genesis-world, con 30,282 estrellas.

32
Total de Repositorios
119,004
Total de estrellas
3,718
Promedio de Estrellas/Repo

32 repositorios en total

1
Genesis-Embodied-AI/genesis-world

Plataforma de simulación para robótica de propósito general y aprendizaje de IA incorporada.

Genesis-Embodied-AI
⭐ 30,282 Python 👤 Genesis-Embodied-AI Organization 🕐 Actualizado 2026-11-20 📅 Creado 2023-10-31
2
nuysoft/Mock

Un generador de datos de simulación

nuysoft
⭐ 19,651 JavaScript 👤 nuysoft User 🕐 Actualizado 2024-03-15 📅 Creado 2013-04-26
3
IDEA-Research/Grounded-Segment-Anything

Grounded SAM: Uniendo Grounding DINO con Segment Anything & Stable Diffusion & Recognize Anything - Detecta, segmenta y genera todo automáticamente

IDEA-Research
⭐ 17,288 Jupyter Notebook 👤 IDEA-Research Organization 🕐 Actualizado 2024-09-05 📅 Creado 2023-04-06
4
THUDM/slime

slime es un marco de entrenamiento de LLM para escalar el aprendizaje por refuerzo.

THUDM
⭐ 8,856 Python 👤 THUDM Organization 🕐 Actualizado 2026-11-05 📅 Creado 2025-06-18
5
OpenBMB/ToolBench

[ICLR'24 Spotlight] Una plataforma abierta para entrenar, servir y evaluar grandes modelos de lenguaje para el aprendizaje de herramientas.

OpenBMB
⭐ 5,654 Python 👤 OpenBMB Organization 🕐 Actualizado 2025-05-21 📅 Creado 2023-05-28
7
sdv-dev/SDV

Generación de datos sintéticos para datos tabulares

sdv-dev
⭐ 3,607 Python 👤 sdv-dev Organization 🕐 Actualizado 2026-11-16 📅 Creado 2018-05-11
8
orangehill/iseed

Laravel Inverse Seed Generator

orangehill
⭐ 2,895 PHP 👤 orangehill Organization 🕐 Actualizado 2026-06-24 📅 Creado 2013-07-17
9
NVIDIA-NeMo/DataDesigner

🎨 NeMo Data Designer: Genera datos sintéticos de alta calidad desde cero o desde datos semilla.

NVIDIA-NeMo
⭐ 2,419 Python 👤 NVIDIA-NeMo Organization 🕐 Actualizado 2026-11-21 📅 Creado 2025-10-16
10
benkeen/generatedata

Un generador de datos de prueba aleatorios potente y con muchas funciones.

benkeen
⭐ 2,286 TypeScript 👤 benkeen User 🕐 Actualizado 2026-08-15 📅 Creado 2012-01-26
11
neomatrix369/awesome-ai-ml-dl

Inteligencia Artificial, Aprendizaje Automático y Aprendizaje Profundo increíbles, tal como los aprendemos. Notas de estudio y una lista curada de recursos increíbles sobre estos temas.

neomatrix369
⭐ 1,721 Jupyter Notebook 👤 neomatrix369 User 🕐 Actualizado 2026-09-13 📅 Creado 2018-12-23
12
AgaMiko/data-augmentation-review

Lista de recursos útiles para el aumento de datos. Aquí encontrarás algunas técnicas no comunes, bibliotecas, enlaces a repositorios de GitHub, artículos y otros.

AgaMiko
⭐ 1,636 👤 AgaMiko User 🕐 Actualizado 2026-11-03 📅 Creado 2019-09-28
13
sdv-dev/CTGAN

GAN condicional para generar datos tabulares sintéticos.

sdv-dev
⭐ 1,579 Python 👤 sdv-dev Organization 🕐 Actualizado 2026-11-16 📅 Creado 2019-09-08
14
shuttle-hq/synth

El generador de datos declarativo

shuttle-hq
⭐ 1,472 Rust 👤 shuttle-hq Organization 🕐 Actualizado 2024-09-27 📅 Creado 2020-08-09
15
cksac/fake-rs

Una biblioteca para generar datos falsos en Rust.

cksac
⭐ 1,246 Rust 👤 cksac User 🕐 Actualizado 2026-09-15 📅 Creado 2016-06-29
16
InternScience/GraphGen

GraphGen: Mejora del ajuste fino supervisado para LLM con generación de datos sintéticos impulsada por el conocimiento

InternScience
⭐ 1,236 Python 👤 InternScience Organization 🕐 Actualizado 2026-11-08 📅 Creado 2025-01-08
17
jondurbin/airoboros

Implementación personalizable del artículo "self-instruct".

jondurbin
⭐ 1,050 Python 👤 jondurbin User 🕐 Actualizado 2024-03-07 📅 Creado 2023-04-29
18
whatyouhide/stream_data

Generación de datos y pruebas basadas en propiedades para Elixir. 🔮

whatyouhide
⭐ 953 Elixir 👤 whatyouhide User 🕐 Actualizado 2026-09-08 📅 Creado 2017-05-10
19
infinet/lunar-calendar

Calendario lunar iCal, términos solares y lunares, festivales tradicionales

infinet
⭐ 942 Python 👤 infinet User 🕐 Actualizado 2026-01-09 📅 Creado 2014-01-25
20
sebbo2002/ical-generator

ical-generator es un pequeño fragmento de código que genera archivos de calendario iCal

sebbo2002
⭐ 857 TypeScript 👤 sebbo2002 User 🕐 Actualizado 2026-11-18 📅 Creado 2013-03-09
21
supabase-community/seed

Siembra automáticamente tu base de datos con datos ficticios similares a los de producción basados en tu esquema para el desarrollo y las pruebas locales.

supabase-community
⭐ 790 TypeScript 👤 supabase-community Organization 🕐 Actualizado 2026-10-01 📅 Creado 2024-02-05
22
emsifa/api-wilayah-indonesia

Generator API (statis) datos de regiones de Indonesia, alojado por Github Page

emsifa
⭐ 774 TypeScript 👤 emsifa User 🕐 Actualizado 2026-11-15 📅 Creado 2019-10-08
23
smxiazi/xia_Liao

El plugin Burp xia Liao (瞎料) para el reconocimiento de procesos en línea/software antivirus en Windows. Durante el registro para pruebas de penetración web, genera rápidamente la información necesaria para rellenar. La información incluye: nombre, número de teléfono móvil, tarjeta de identidad, código de crédito social unificado, código de organización, tarjeta bancaria, así como salidas de "hello world" en varios lenguagés web y la generación de diccionarios de contraseñas débiles, etc.

smxiazi
⭐ 724 Java 👤 smxiazi User 🕐 Actualizado 2024-07-09 📅 Creado 2022-08-30
24
Horea94/Fruit-Images-Dataset

Fruits-360: Un conjunto de datos de imágenes que contienen frutas y verduras

Horea94
⭐ 719 Jupyter Notebook 👤 Horea94 User 🕐 Actualizado 2025-03-27 📅 Creado 2017-05-06
25
NVlabs/mimicgen

Este código corresponde a los entornos de simulación utilizados como parte del proyecto MimicGen.

NVlabs
⭐ 673 Python 👤 NVlabs Organization 🕐 Actualizado 2026-10-21 📅 Creado 2023-09-21
26
sdv-dev/Copulas

Una biblioteca para modelar datos multivariados usando copulas.

sdv-dev
⭐ 658 Python 👤 sdv-dev Organization 🕐 Actualizado 2026-11-16 📅 Creado 2017-11-13
27
Westlake-AI/openmixup

CAIRI Toolbox y Benchmark para el Aprendizaje de Representaciones Visuales Supervisado, Semi-Supervisado y Auto-Supervisado

Westlake-AI
⭐ 656 Python 👤 Westlake-AI Organization 🕐 Actualizado 2025-10-15 📅 Creado 2021-12-30
28
misode/mcmeta

Historial procesado y con control de versiones de los datos y activos generados por Minecraft

misode
⭐ 652 Python 👤 misode User 🕐 Actualizado 2026-11-17 📅 Creado 2022-01-20
29
josh0xA/rrgen

Una biblioteca C++ solo de encabezado para almacenar valores seudaleatorios seguros en contenedores modernos con distribuciones de enteros uniformes

josh0xA
⭐ 559 C++ 👤 josh0xA User 🕐 Actualizado 2026-04-14 📅 Creado 2020-04-27
30
RUCAIBox/HaluEval

Este es el repositorio de HaluEval, un punto de referencia de evaluación de alucinaciones a gran escala para modelos de lenguaje grandes.

RUCAIBox
⭐ 540 Python 👤 RUCAIBox Organization 🕐 Actualizado 2024-02-12 📅 Creado 2023-05-18
31
tom-lord/regexp-examples

Generar cadenas que coincidan con una expresión regular dada

tom-lord
⭐ 522 Ruby 👤 tom-lord User 🕐 Actualizado 2024-05-20 📅 Creado 2014-11-04
32
databrickslabs/dbldatagen

Genere rápidamente datos sintéticos relevantes para sus proyectos. El generador de datos sintéticos de Databricks Labs (también conocido como `dbldatagen`) puede utilizarse para generar grandes conjuntos de datos simulados o sintéticos para pruebas, pruebas de concepto (POC) y otros usos en entornos de Databricks, incluidos los pipelines de Delta Live Tables.

databrickslabs
⭐ 506 Python 👤 databrickslabs Organization 🕐 Actualizado 2026-10-26 📅 Creado 2019-07-23

Preguntas frecuentes

1

¿Cuál es el repositorio de #data-generation más popular en GitHub?

El proyecto de código abierto de #data-generation mejor posicionado en GitHub es Genesis-Embodied-AI/genesis-world, con 30,282 estrellas. Plataforma de simulación para robótica de propósito general y aprendizaje de IA incorporada.

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #data-generation?

Entre los proyectos de #data-generation mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, TypeScript, Jupyter Notebook, Rust.

3

¿Cómo se calcula la clasificación de los repositorios de #data-generation?

Seguimos 32 repositorios activos de código abierto etiquetados con #data-generation (500+ estrellas), que suman un total de 119,004 estrellas, con una media de 3,718 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.