Git Stars Git Stars

#dataset Repositorios

173
Total de Repositorios
893,448
Total de estrellas
5,164
Promedio de Estrellas/Repo

173 repositorios en total

51
ZHOUYI1023/awesome-radar-perception

Una lista curada de conjuntos de datos de radar, detección, seguimiento y fusión

ZHOUYI1023
⭐ 1,851 👤 ZHOUYI1023 User 🕐 Actualizado 2025-04-05 📅 Creado 2021-04-23
52
Vchitect/VBench

[CVPR2024 Highlight] VBench - Evaluamos la generación de video

Vchitect
⭐ 1,850 Python 👤 Vchitect Organization 🕐 Actualizado 2026-08-21 📅 Creado 2023-11-27
53
Daisy-Zhang/Awesome-Deepfakes-Detection

Una lista de herramientas, artículos y código relacionados con la detección de Deepfake.

Daisy-Zhang
⭐ 1,822 👤 Daisy-Zhang User 🕐 Actualizado 2025-09-02 📅 Creado 2021-06-30
54
SmartFlowAI/EmoLLM

Modelos de salud mental (LLM x Salud Mental), Pre y Post-entrenamiento & Conjunto de datos & Evaluación & Despliegue & RAG, con modelos de las series InternLM / Qwen / Baichuan / DeepSeek / Mixtral / LLama / GLM

SmartFlowAI
⭐ 1,797 Python 👤 SmartFlowAI Organization 🕐 Actualizado 2026-06-18 📅 Creado 2024-01-11
56
karolpiczak/ESC-50

ESC-50: Conjunto de datos para la clasificación de sonidos ambientales

karolpiczak
⭐ 1,711 Python 👤 karolpiczak User 🕐 Actualizado 2024-03-20 📅 Creado 2015-04-15
57
capitalone/DataProfiler

¿Qué hay en tus datos? Extrae esquemas, estadísticas y entidades de los conjuntos de datos

capitalone
⭐ 1,600 Python 👤 capitalone Organization 🕐 Actualizado 2026-11-17 📅 Creado 2020-11-09
58
mosaicml/streaming

Una biblioteca de transmisión de datos para el entrenamiento eficiente de redes neuronales

mosaicml
⭐ 1,574 Python 👤 mosaicml Organization 🕐 Actualizado 2026-11-03 📅 Creado 2022-06-09
59
gunthercox/chatterbot-corpus

Un corpus de diálogos multilingüe

gunthercox
⭐ 1,414 Python 👤 gunthercox User 🕐 Actualizado 2026-03-24 📅 Creado 2017-01-11
61
MedMNIST/MedMNIST

[pip install medmnist] 18 conjuntos de datos estandarizados para clasificación de imágenes biomédicas 2D y 3D

MedMNIST
⭐ 1,367 Python 👤 MedMNIST Organization 🕐 Actualizado 2025-01-11 📅 Creado 2020-10-25
62
facebookresearch/uco3d

Objetos inusuales en el conjunto de datos 3D

facebookresearch
⭐ 1,356 Python 👤 facebookresearch Organization 🕐 Actualizado 2025-11-13 📅 Creado 2024-12-03
63
TIGER-AI-Lab/ClawBench

Benchmark de código abierto para agentes de IA en navegador en tareas diarias.

TIGER-AI-Lab
⭐ 1,325 Python 👤 TIGER-AI-Lab Organization 🕐 Actualizado 2026-11-05 📅 Creado 2026-04-10
64
EricGuo5513/HumanML3D

HumanML3D: Un conjunto de datos grande y diverso de movimiento humano en 3D y lenguaje.

EricGuo5513
⭐ 1,322 Python 👤 EricGuo5513 User 🕐 Actualizado 2024-08-18 📅 Creado 2022-02-26
65
manami-project/anime-offline-database

Un conjunto de datos de anime basado en JSON que contiene los metadatos más importantes, así como referencias cruzadas a varios sitios de anime como MAL, ANIDB, ANILIST, KITSU y más...

manami-project
⭐ 1,319 Makefile 👤 manami-project User 🕐 Actualizado 2026-07-02 📅 Creado 2017-09-21
66
wainshine/Company-Names-Corpus

Corpus de nombres de empresas. Corpus de nombres de instituciones. Abreviaturas de empresas, acrónimos, palabras de marca, nombres de empresas. Puede usarse para la segmentación de palabras en chino y el reconocimiento de entidades de nombres de instituciones.

wainshine
⭐ 1,287 👤 wainshine User 🕐 Actualizado 2024-03-27 📅 Creado 2018-10-10
67
SJTU-ViSYS/M2DGR

M2DGR: Un conjunto de datos multimodales y multiescenario para robots terrestres (RA-L 2021 y ICRA 2022)

SJTU-ViSYS
⭐ 1,225 👤 SJTU-ViSYS User 🕐 Actualizado 2026-11-02 📅 Creado 2021-08-30
68
bwjoke/BTC-Trading-Since-2020

Contexto de trading público de BTC desde 2020.

bwjoke
⭐ 1,223 👤 bwjoke User 🕐 Actualizado 2026-09-11 📅 Creado 2026-04-17
69
mlmed/torchxrayvision

TorchXRayVision: Una biblioteca de conjuntos de datos y modelos de rayos X de tórax. Clasificadores, segmentación y autoencoders.

mlmed
⭐ 1,217 Jupyter Notebook 👤 mlmed Organization 🕐 Actualizado 2026-10-18 📅 Creado 2020-03-04
70
yfzhang114/Awesome-Multimodal-Large-Language-Models

Notas de lectura sobre Modelos Grandes de Lenguaje Multimodales, Modelos Grandes de Lenguaje y Modelos de Difusión

yfzhang114
⭐ 1,211 👤 yfzhang114 User 🕐 Actualizado 2026-11-07 📅 Creado 2024-03-30
71
hikariming/chat-dataset-baseline

Un conjunto de datos de diálogo chino ajustado manualmente y un código de ajuste fino de chatglm

hikariming
⭐ 1,190 Jupyter Notebook 👤 hikariming User 🕐 Actualizado 2025-05-03 📅 Creado 2023-03-17
72
tb0hdan/domains

El dataset de dominios de Internet más grande y único del mundo

tb0hdan
⭐ 1,181 Shell 👤 tb0hdan User 🕐 Actualizado 2026-11-11 📅 Creado 2020-01-12
73
datasets/covid-19

Datos de series temporales del nuevo coronavirus 2019 sobre casos

datasets
⭐ 1,167 Python 👤 datasets Organization 🕐 Actualizado 2026-03-24 📅 Creado 2020-03-07
74
washingtonpost/data-police-shootings

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.

washingtonpost
⭐ 1,147 👤 washingtonpost Organization 🕐 Actualizado 2026-10-14 📅 Creado 2015-06-30
75
leomaurodesenv/game-datasets

:video_game: Una lista curada de datasets de juegos increíbles y herramientas para inteligencia artificial en juegos

leomaurodesenv
⭐ 1,146 👤 leomaurodesenv User 🕐 Actualizado 2026-10-25 📅 Creado 2018-10-03
76
shaypal5/awesome-twitter-data

Una lista de conjuntos de datos de Twitter y recursos relacionados.

shaypal5
⭐ 1,138 👤 shaypal5 User 🕐 Actualizado 2026-05-29 📅 Creado 2018-08-19
77
RUCAIBox/RecSysDatasets

Este es un repositorio de fuentes de datos públicas para sistemas de recomendación (RS).

RUCAIBox
⭐ 1,135 Python 👤 RUCAIBox Organization 🕐 Actualizado 2024-09-05 📅 Creado 2020-09-22
78
xinxuxin/keystone-bench

Un punto de referencia de evidencia para decisiones clínicas: extraer el único hecho en el que se basa una respuesta y comprobar si la acción del asistente cambia conforme a la evidencia. Basado en HealthBench.

xinxuxin
⭐ 1,130 Python 👤 xinxuxin User 🕐 Actualizado 2026-10-19 📅 Creado 2026-09-07
79
xid32/SoundMind

Presentamos el conjunto de datos de Razonamiento Lógico de Audio (ALR), que consta de 6.446 muestras anotadas de texto y audio diseñadas específicamente para tareas de razonamiento complejo. Basándonos en este recurso, proponemos SoundMind, un algoritmo de aprendizaje por refuerzo (RL) basado en reglas, diseñado para dotar a los modelos de lenguaje de audio (ALM) de profundas capacidades de razonamiento bimodal.

xid32
⭐ 1,116 Python 👤 xid32 User 🕐 Actualizado 2025-11-26 📅 Creado 2025-06-13
80
facebookresearch/co3d

Herramientas para el conjunto de datos Common Objects In 3D.

facebookresearch
⭐ 1,112 Python 👤 facebookresearch Organization 🕐 Actualizado 2024-08-14 📅 Creado 2021-06-21
81
hukenovs/hagrid

Conjunto de datos de imágenes de reconocimiento de gestos de la mano

hukenovs
⭐ 1,096 Python 👤 hukenovs User 🕐 Actualizado 2026-10-30 📅 Creado 2022-06-15
82
doc-analysis/TableBank

TableBank: Un conjunto de datos de referencia para la detección y reconocimiento de tablas

doc-analysis
⭐ 1,078 👤 doc-analysis Organization 🕐 Actualizado 2024-08-12 📅 Creado 2019-03-05
83
chatopera/insuranceqa-corpus-zh

:helicopter: Corpus de la industria de seguros, Chatbot

chatopera
⭐ 1,055 Python 👤 chatopera Organization 🕐 Actualizado 2025-05-26 📅 Creado 2017-07-26
84
modenaxe/awesome-biomechanics

Una lista pública curada de recursos para biomecánica y análisis del movimiento humano: conjuntos de datos, herramientas de procesamiento, software de simulación, videos educativos, conferencias, etc.

modenaxe
⭐ 1,035 👤 modenaxe User 🕐 Actualizado 2026-04-10 📅 Creado 2020-08-14
85
bstabler/TransportationNetworks

Redes de Transporte para la Investigación

bstabler
⭐ 1,033 Jupyter Notebook 👤 bstabler User 🕐 Actualizado 2025-06-19 📅 Creado 2016-03-12
86
thuiar/MMSA

MMSA es un marco unificado para el análisis de sentimiento multimodal.

thuiar
⭐ 1,022 Python 👤 thuiar Organization 🕐 Actualizado 2025-01-15 📅 Creado 2020-04-21
87
madnight/githut

Estadísticas de idiomas de GitHub

madnight
⭐ 1,012 JavaScript 👤 madnight User 🕐 Actualizado 2024-04-03 📅 Creado 2016-10-09
88
OpenBioLink/ThoughtSource

Un recurso central y abierto para datos y herramientas relacionados con el razonamiento en cadena de pensamiento en modelos de lenguaje grandes. Desarrollado por el grupo de investigación Samwald: https://samwald.info/

OpenBioLink
⭐ 1,010 Jupyter Notebook 👤 OpenBioLink Organization 🕐 Actualizado 2024-12-16 📅 Creado 2022-05-20
90
philipperemy/name-dataset

La biblioteca de Python para nombres.

philipperemy
⭐ 999 Python 👤 philipperemy User 🕐 Actualizado 2025-04-09 📅 Creado 2018-10-09
91
allisonhorst/palmerpenguins

Un excelente conjunto de datos introductorio para la exploración y visualización de datos (alternativa a iris).

allisonhorst
⭐ 987 R 👤 allisonhorst User 🕐 Actualizado 2024-09-19 📅 Creado 2020-06-05
92
microsoft/Mobius

Enlaces de lenguaje y extensiones para C# y F# en Apache Spark

microsoft
⭐ 948 C# 👤 microsoft Organization 🕐 Actualizado 2025-12-11 📅 Creado 2015-10-27
93
sithu31296/semantic-segmentation

Modelos SOTA de Segmentación Semántica en PyTorch

sithu31296
⭐ 937 Python 👤 sithu31296 User 🕐 Actualizado 2024-03-20 📅 Creado 2021-06-02
94
vahidk/tfrecord

Lector/escritor independiente de TFRecord con cargadores de datos de PyTorch

vahidk
⭐ 901 Python 👤 vahidk User 🕐 Actualizado 2026-11-03 📅 Creado 2019-11-26
95
nolabs-ai/deepfabric

Genere sintéticos de alta calidad, entrene, mida y evalúe en un solo pipeline

nolabs-ai
⭐ 896 Python 👤 nolabs-ai Organization 🕐 Actualizado 2026-11-13 📅 Creado 2024-10-25
96
PRBonn/semantic-kitti-api

API de SemanticKITTI para visualizar el conjunto de datos, procesar datos y evaluar resultados.

PRBonn
⭐ 895 Python 👤 PRBonn Organization 🕐 Actualizado 2025-04-03 📅 Creado 2019-07-24
97
xlang-ai/OpenCUA

[NeurIPS 2025 Spotlight] OpenCUA: Fundaciones abiertas para agentes de uso de computadora

xlang-ai
⭐ 877 Python 👤 xlang-ai Organization 🕐 Actualizado 2026-05-25 📅 Creado 2025-06-21
98
NetManAIOps/OmniAnomaly

KDD 2019: Detección robusta de anomalías para series temporales multivariadas a través de red neuronal recurrente estocástica

NetManAIOps
⭐ 875 Python 👤 NetManAIOps Organization 🕐 Actualizado 2024-03-03 📅 Creado 2019-02-02
99
NationalGalleryOfArt/opendata

El Programa de Datos Abiertos de la National Gallery of Art

NationalGalleryOfArt
⭐ 871 Python 👤 NationalGalleryOfArt Organization 🕐 Actualizado 2026-11-21 📅 Creado 2021-03-23
100
IDEA-Research/Motion-X

[NeurIPS 2023] Implementación oficial del artículo "Motion-X: A Large-scale 3D Expressive Whole-body Human Motion Dataset"

IDEA-Research
⭐ 863 Python 👤 IDEA-Research Organization 🕐 Actualizado 2025-03-03 📅 Creado 2023-06-12