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

101
magpie-align/magpie

[ICLR 2025] Síntesis de datos de alineación desde cero solicitando LLMs alineados con nada. ¡Su canal eficiente y de alta calidad para la generación de datos sintéticos!

magpie-align
⭐ 861 Python 👤 magpie-align Organization 🕐 Actualizado 2025-03-17 📅 Creado 2024-06-12
102
mims-harvard/PrimeKG

Precision Medicine Knowledge Graph (PrimeKG)

mims-harvard
⭐ 841 Jupyter Notebook 👤 mims-harvard Organization 🕐 Actualizado 2026-06-30 📅 Creado 2022-04-18
103
hcliucs/APSD

Conjunto de datos oficial para «Evaluación de la imperceptibilidad de las perturbaciones adversarias: desde una perspectiva visual»

hcliucs
⭐ 833 👤 hcliucs User 🕐 Actualizado 2026-09-02 📅 Creado 2023-07-28
104
mlfoundations/MINT-1T

🍃 MINT-1T: Un conjunto de datos multimodal entrelazado de un billón de tokens.

mlfoundations
⭐ 828 👤 mlfoundations Organization 🕐 Actualizado 2024-07-31 📅 Creado 2024-06-16
105
thiagobodruk/bible

Texto bíblico en JSON y XML: 141 versiones en 85 idiomas, listo para aplicaciones, búsquedas de versículos y conjuntos de datos de PLN/IA

thiagobodruk
⭐ 802 👤 thiagobodruk User 🕐 Actualizado 2026-11-11 📅 Creado 2015-11-13
106
alchaincyf/huashu-bird-sticker

Biblioteca global de stickers de aves de código abierto de Hua Shu · Stickers generados por IA para más de 11.000 especies de aves (AviList v2026), con licencia CC BY 4.0, nombres en 43 idiomas y datos estructurados

alchaincyf
⭐ 798 👤 alchaincyf User 🕐 Actualizado 2026-11-21 📅 Creado 2026-10-30
107
cdapio/cdap

Un framework de código abierto para crear aplicaciones de análisis de datos.

cdapio
⭐ 791 Java 👤 cdapio Organization 🕐 Actualizado 2026-11-21 📅 Creado 2014-08-02
108
waspinator/pycococreator

Funciones de ayuda para crear conjuntos de datos COCO

waspinator
⭐ 783 Python 👤 waspinator User 🕐 Actualizado 2024-06-20 📅 Creado 2018-03-29
109
pedropro/TACO

🌮 Herramientas de Conjunto de Datos de Anotaciones de Basura en Contexto

pedropro
⭐ 781 Jupyter Notebook 👤 pedropro User 🕐 Actualizado 2026-10-20 📅 Creado 2019-06-08
110
voidful/awesome-chatgpt-dataset

¡Desbloquea el poder de los LLM: explora estos conjuntos de datos para entrenar tu propio ChatGPT!

voidful
⭐ 773 Python 👤 voidful User 🕐 Actualizado 2026-10-27 📅 Creado 2023-04-21
111
cs-chan/Total-Text-Dataset

Conjunto de datos Total Text. Consta de 1555 imágenes con más de 3 orientaciones de texto diferentes: horizontal, multiorientada y curva, única en su clase.

cs-chan
⭐ 768 MATLAB 👤 cs-chan User 🕐 Actualizado 2026-09-30 📅 Creado 2017-08-24
112
techascent/tech.ml.dataset

Un sistema de procesamiento de datos de alto rendimiento en Clojure

techascent
⭐ 762 Clojure 👤 techascent Organization 🕐 Actualizado 2026-10-02 📅 Creado 2019-02-14
113
ShuangLI59/person_search

Aprendizaje conjunto de características de detección e identificación para la búsqueda de personas

ShuangLI59
⭐ 751 Python 👤 ShuangLI59 User 🕐 Actualizado 2024-04-26 📅 Creado 2016-04-06
114
viniciussanchez/dataset-serialize

Convertidor de JSON a DataSet y de DataSet a JSON para Delphi y Lazarus (FPC)

viniciussanchez
⭐ 747 Pascal 👤 viniciussanchez User 🕐 Actualizado 2026-08-03 📅 Creado 2019-05-22
115
thorstenMueller/Thorsten-Voice

Thorsten-Voice: Una voz TTS alemana de alta calidad, gratuita para usar y que funciona sin conexión, debería estar disponible para cada proyecto sin problemas de licencias.

thorstenMueller
⭐ 746 Python 👤 thorstenMueller User 🕐 Actualizado 2026-08-04 📅 Creado 2019-10-29
116
zcablii/SARDet_100K

[NeurIPS 2024 spotlight] Implementación oficial de MSFA y lanzamiento del conjunto de datos SARDet_100K para la detección de objetos de radar de apertura sintética (SAR) a gran escala

zcablii
⭐ 743 Python 👤 zcablii User 🕐 Actualizado 2025-05-06 📅 Creado 2024-02-20
117
wb14123/couplet-dataset

Conjunto de datos para pareados. Base de datos de 700.000 pareados.

wb14123
⭐ 743 Python 👤 wb14123 User 🕐 Actualizado 2025-02-05 📅 Creado 2018-02-24
118
tensorflow/io

Extensiones de Dataset, streaming y sistema de archivos mantenidas por TensorFlow SIG-IO

tensorflow
⭐ 739 C++ 👤 tensorflow Organization 🕐 Actualizado 2026-06-25 📅 Creado 2018-11-09
119
rois-codh/kmnist

Repositorio para Kuzushiji-MNIST, Kuzushiji-49 y Kuzushiji-Kanji

rois-codh
⭐ 738 Python 👤 rois-codh Organization 🕐 Actualizado 2024-05-31 📅 Creado 2018-10-12
120
moein-shariatnia/OpenAI-CLIP

Implementación sencilla del modelo OpenAI CLIP en PyTorch.

moein-shariatnia
⭐ 727 Jupyter Notebook 👤 moein-shariatnia User 🕐 Actualizado 2025-10-18 📅 Creado 2021-04-07
121
EverMind-AI/SkillCorpus

Infraestructura de código abierto que convierte archivos SKILL.md dispersos en corpus de habilidades de agentes seleccionados y listos para la recuperación, con herramientas de recuperación y evaluación incluidas.

EverMind-AI
⭐ 706 Python 👤 EverMind-AI Organization 🕐 Actualizado 2026-11-19 📅 Creado 2026-08-11
122
layumi/University1652-Baseline

ACM Multimedia2020 University-1652: Un Benchmark Multi-vista Multi-fuente para Geo-localización Basada en Drones :helicopter: anota 1652 edificios en 72 universidades alrededor del mundo.

layumi
⭐ 703 Python 👤 layumi User 🕐 Actualizado 2026-11-20 📅 Creado 2019-11-04
123
open-edge-platform/datumaro

Dataset Management Framework, una biblioteca Python y una herramienta CLI para construir, analizar y gestionar conjuntos de datos de visión por computadora.

open-edge-platform
⭐ 701 Python 👤 open-edge-platform Organization 🕐 Actualizado 2026-11-20 📅 Creado 2020-09-01
124
google-deepmind/long-form-factuality

Benchmarking de la factualidad a largo plazo en modelos de lenguaje grandes. Código original de nuestro artículo "Long-form factuality in large language models".

google-deepmind
⭐ 698 Python 👤 google-deepmind Organization 🕐 Actualizado 2026-06-18 📅 Creado 2024-03-25
125
wenhaochai/MovieChat

[CVPR 2024] MovieChat: De tokens densos a memoria dispersa para la comprensión de videos largos

wenhaochai
⭐ 698 Python 👤 wenhaochai User 🕐 Actualizado 2025-01-29 📅 Creado 2023-06-26
126
ucas-vg/PointTinyBenchmark

Conjunto de código de detección y localización de objetos basados en puntos y pequeños de UCAS-VG

ucas-vg
⭐ 689 Python 👤 ucas-vg Organization 🕐 Actualizado 2025-06-12 📅 Creado 2019-12-21
127
datalad/datalad

Mantén bajo control tu código, datos y contenedores con git y git-annex

datalad
⭐ 675 Python 👤 datalad Organization 🕐 Actualizado 2026-11-20 📅 Creado 2013-11-01
128
bertjiazheng/Structured3D

[ECCV'20] Structured3D: Un gran conjunto de datos fotorrealista para modelado 3D estructurado

bertjiazheng
⭐ 666 Python 👤 bertjiazheng User 🕐 Actualizado 2025-02-24 📅 Creado 2019-05-09
129
facebookresearch/Ego4d

Repositorio del conjunto de datos Ego4d. Descargue el conjunto de datos, visualice, extraiga características y ejemplo de uso del conjunto de datos

facebookresearch
⭐ 665 Jupyter Notebook 👤 facebookresearch Organization 🕐 Actualizado 2026-07-25 📅 Creado 2021-11-23
130
Jakobovski/free-spoken-digit-dataset

Un conjunto de datos de audio gratuito de dígitos hablados. Una versión en audio de MNIST.

Jakobovski
⭐ 663 Python 👤 Jakobovski User 🕐 Actualizado 2024-05-02 📅 Creado 2016-06-21
131
onejune2018/Awesome-LLM-Eval

Awesome-LLM-Eval: una lista curada de herramientas, conjuntos de datos/benchmarks, demostraciones, tablas de clasificación, artículos, documentos y modelos, principalmente para la Evaluación en LLMs. Una lista curada de herramientas, benchmarks/datos, demostraciones, tablas de clasificación y grandes modelos, que se enfoca principalmente en la evaluación de grandes modelos base, con el objetivo de explorar los límites tecnológicos de la IA generativa.

onejune2018
⭐ 661 👤 onejune2018 User 🕐 Actualizado 2025-11-24 📅 Creado 2023-04-26
132
cs-chan/Exclusively-Dark-Image-Dataset

El conjunto de datos Exclusively Dark (ExDARK), que, según nuestro conocimiento, es la mayor colección de imágenes con baja luminosidad tomadas en entornos de muy poca luz hasta el crepúsculo (es decir, 10 condiciones diferentes) hasta la fecha, con anotaciones a nivel de clase de imagen y de objeto.

cs-chan
⭐ 658 MATLAB 👤 cs-chan User 🕐 Actualizado 2026-09-30 📅 Creado 2018-05-28
133
benedekrozemberczki/datasets

Un repositorio de conjuntos de datos bastante geniales que he recopilado para la investigación en ciencia de redes y aprendizaje automático.

benedekrozemberczki
⭐ 657 👤 benedekrozemberczki User 🕐 Actualizado 2025-12-20 📅 Creado 2019-04-07
134
CornellNLP/ConvoKit

ConvoKit es un conjunto de herramientas para extraer características conversacionales y analizar fenómenos sociales en conversaciones. Incluye varios conjuntos de datos conversacionales grandes junto con scripts que ejemplifican el uso del conjunto de herramientas en estos conjuntos de datos.

CornellNLP
⭐ 656 Jupyter Notebook 👤 CornellNLP Organization 🕐 Actualizado 2026-10-16 📅 Creado 2016-03-14
135
philipperemy/FX-1-Minute-Data

HISTDATA - Conjunto de datos compuesto por todos los pares de trading FX / Petróleo crudo / Índices bursátiles. API simple para recuperar datos de 1 minuto (y datos de ticks) Precios históricos FX (actualizados).

philipperemy
⭐ 649 Python 👤 philipperemy User 🕐 Actualizado 2025-05-04 📅 Creado 2017-05-22
136
D-X-Y/NAS-Bench-201

API e Instrucciones de NAS-Bench-201

D-X-Y
⭐ 649 Python 👤 D-X-Y User 🕐 Actualizado 2025-10-31 📅 Creado 2017-04-24
137
commaai/comma2k19

Un conjunto de datos de conducción para el desarrollo y validación de estimadores de pose fusionados y algoritmos de mapeo

commaai
⭐ 646 Jupyter Notebook 👤 commaai Organization 🕐 Actualizado 2025-07-20 📅 Creado 2018-12-12
138
lartpang/awesome-segmentation-saliency-dataset

Una colección de algunos conjuntos de datos para segmentación / detección de saliencia. Bienvenido a PR...:smile:

lartpang
⭐ 645 👤 lartpang User 🕐 Actualizado 2026-09-15 📅 Creado 2018-12-30
139
iejMac/video2dataset

Crea fácilmente grandes conjuntos de datos de video a partir de URL de video

iejMac
⭐ 644 Python 👤 iejMac User 🕐 Actualizado 2024-07-30 📅 Creado 2022-10-15
140
jonathanwvd/awesome-industrial-datasets

Una colección curada de conjuntos de datos industriales públicos.

jonathanwvd
⭐ 643 👤 jonathanwvd User 🕐 Actualizado 2026-11-21 📅 Creado 2022-10-25
141
onyx-dot-app/EnterpriseRAG-Bench

Conjunto de datos y referencia para RAG en documentos internos de la empresa.

onyx-dot-app
⭐ 639 👤 onyx-dot-app Organization 🕐 Actualizado 2026-09-03 📅 Creado 2026-02-19
142
HowieHwong/TrustLLM

[ICML 2024] TrustLLM: evaluación de la confiabilidad de los LLM en términos de veracidad, seguridad, equidad, robustez, privacidad y ética. Kit de herramientas de Python/CLI para modelos locales, API compatibles y orquestación de agentes de IA.

HowieHwong
⭐ 635 Python 👤 HowieHwong User 🕐 Actualizado 2026-10-04 📅 Creado 2023-12-23
143
CubiCasa/CubiCasa5k

Conjunto de datos de planos de piso CubiCasa5k

CubiCasa
⭐ 635 Jupyter Notebook 👤 CubiCasa Organization 🕐 Actualizado 2026-11-08 📅 Creado 2019-01-23
144
achuthasubhash/Complete-Life-Cycle-of-a-Data-Science-Project

Ciclo de vida completo de un proyecto de ciencia de datos

achuthasubhash
⭐ 631 👤 achuthasubhash User 🕐 Actualizado 2024-06-07 📅 Creado 2020-09-02
145
nghuyong/weibo-cov

Weibo-COV: Un conjunto de datos a gran escala de redes sociales sobre COVID-19 de Weibo

nghuyong
⭐ 626 👤 nghuyong User 🕐 Actualizado 2025-08-23 📅 Creado 2020-02-20
146
ApolloScapeAuto/dataset-api

El conjunto de datos abierto ApolloScape para la conducción autónoma y su aplicación.

ApolloScapeAuto
⭐ 620 Jupyter Notebook 👤 ApolloScapeAuto User 🕐 Actualizado 2026-10-31 📅 Creado 2018-06-25
147
guptarohit/cryptoCMD

Biblioteca de datos de precios históricos de criptomonedas en Python. Datos de https://coinmarketcap.com.

guptarohit
⭐ 612 Python 👤 guptarohit User 🕐 Actualizado 2026-07-25 📅 Creado 2018-01-27
148
HuangCongQing/3D-Point-Clouds

🔥Detección de objetos 3D en nubes de puntos y segmentación semántica (Deep Learning) - Métodos SOTA, código, artículos, conjuntos de datos, etc.

HuangCongQing
⭐ 611 Jupyter Notebook 👤 HuangCongQing User 🕐 Actualizado 2025-01-20 📅 Creado 2021-01-15
149
toddrjones/datasets

Una recopilación de más de 150 conjuntos de datos gratuitos para su uso en ciencias sociales, microeconomía aplicada, visualización de datos, etc.

toddrjones
⭐ 603 👤 toddrjones User 🕐 Actualizado 2026-11-20 📅 Creado 2026-10-09
150
RingBDStack/SocialED

Una biblioteca de Python para la detección de eventos sociales

RingBDStack
⭐ 597 Python 👤 RingBDStack Organization 🕐 Actualizado 2026-10-02 📅 Creado 2024-11-27