#datasets Repositorios
Descubre 92 repositorios activos de código abierto de GitHub etiquetados con #datasets, que acumulan 397,307 estrellas en total (una media de 4,318 estrellas por proyecto). El líder de este tema es awesomedata/awesome-public-datasets, con 80,228 estrellas.
92 repositorios en total
Una lista centrada en temas de conjuntos de datos abiertos de HQ.
Label Studio es una herramienta de etiquetado y anotación de datos de múltiples tipos con formato de salida estandarizado
AKShare es una biblioteca de interfaz de datos financieros elegante y simple para Python, ¡construida para humanos! Biblioteca de interfaz de datos financieros de código abierto
Una lista seleccionada de impresionantes recursos de visión artificial
🤗 El centro más grande de conjuntos de datos listos para usar para modelos de IA con herramientas de manipulación de datos rápidas, fáciles de usar y eficientes
pix2code: Generando código desde una captura de pantalla de una interfaz de usuario gráfica
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.
Herramienta de anotación de código abierto para practicantes de aprendizaje automático.
Técnicas para el aprendizaje profundo con imágenes satelitales y aéreas
FL Chart es una biblioteca de gráficos para Flutter altamente personalizable que soporta Gráfico de Líneas, Gráfico de Barras, Gráfico de Pastel, Gráfico de Dispersión, Gráfico de Radar y Gráfico de Velas.
(CGCSTCD'2017) Un proyecto fácil, flexible y preciso de reconocimiento de matrículas para matrículas chinas en situaciones no restringidas. CGCSTCD = China Graduate Contest on Smart-city Technology and Creative Design
Observabilidad y evaluación de agentes de código abierto para equipos de plataformas de IA. Rastrea, prueba, enruta y gobierna cada agente y asistente de programación de la empresa.
TFDS es una colección de conjuntos de datos listos para usar con TensorFlow, Jax, ...
TorchGeo: conjuntos de datos, muestreadores, transformaciones y modelos pre-entrenados para datos geoespaciales
Un marco para recopilar y analizar datos de mercado de predicción, que incluye el conjunto de datos público más grande disponible sobre los mercados y transacciones de Polymarket y Kalshi.
Recursos de Visión Basada en Eventos. Esfuerzo comunitario para recopilar conocimiento sobre tecnología de visión basada en eventos (papers, talleres, datasets, código, videos, etc.)
⚡FlashRAG: Un kit de herramientas de Python para la investigación RAG eficiente (Recurso WWW2025)
Una lista curada de conjuntos de datos JSON geniales que no requieren autenticación.
[TMLR] Una lista curada de investigaciones de modelado de lenguaje para código (y otras actividades de ingeniería de software), además de conjuntos de datos relacionados.
Cree API completas para conjuntos de datos que se mueven lentamente sin escribir una sola línea de código.
Recopilar artículos, datos y repositorios relacionados con super-resolución
Una lista de conjuntos de datos disponibles públicamente con datos en tiempo real mantenidos por el equipo de bytewax.io
Una gran colección de conjuntos de datos de registros del sistema para análisis de registros impulsado por IA [ISSRE'23]
Una lista curada de LLMs médicos, sistemas multimodales, conjuntos de datos, benchmarks y más. 🏥
Hoja de trucos OSINT, lista de herramientas OSINT, wiki, conjunto de datos, artículo, libro, OSINT de equipo rojo para hackers y consejos OSINT y rama OSINT. Este repositorio crecerá cada vez que se investigue, hay investigación, ciencia y tecnología, tutoriales. Por favor, úselo sabiamente.
Una lista de fantásticos artículos y recursos sobre sistemas de recomendación en modelos de lenguaje grandes (LLM).
:pencil2: Herramienta de segmentación de imágenes basada en web para detección de objetos, localización y puntos clave
🚀 Más de 500 recursos seleccionados para Análisis de Datos y Ciencia de Datos: Python, SQL, Estadística, ML, IA, Visualización, Hojas de trucos, Mapas de ruta, Preparación para entrevistas. Para principiantes y expertos.
🔊 Una lista completa de conjuntos de datos de código abierto para la computación de voz y sonido (más de 95 conjuntos de datos).
Conjuntos de datos de referencia, cargadores de datos y evaluadores para aprendizaje automático de grafos
Un repositorio que contiene modelos, conjuntos de datos y técnicas de ajuste fino para DB-GPT, con el propósito de mejorar el rendimiento del modelo en Text-to-SQL
El Almacén de Datos de IA para Esquemas, BLOBs y Predicciones. Úselo con sus aplicaciones o integre la Supervisión Humana integrada, el Flujo de Trabajo de Datos y el Catálogo de UI para obtener el máximo valor de sus Datos de IA.
Una lista curada de conjuntos de datos de Ciberseguridad increíblemente geniales
Lista comunitaria de APIs de tránsito, apps, conjuntos de datos, investigación y software :bus::star2::train::star2::steam_locomotive:
🚀🚀🚀 Una colección de algunos fantásticos proyectos de series públicas de detección de objetos YOLO y los conjuntos de datos de detección de objetos relacionados.
Un formato estándar para conjuntos de datos de aprendizaje por refuerzo offline, con conjuntos de datos de referencia populares y utilidades relacionadas
Una colección de entornos de referencia para el aprendizaje por refuerzo sin conexión
RLHF Seguro: Alineación de Valores Restringida mediante Aprendizaje por Refuerzo Seguro a partir de Retroalimentación Humana
Una colección de corpora para el reconocimiento de entidades nombradas (NER) y tareas de reconocimiento de entidades. Estos conjuntos de datos anotados cubren una variedad de idiomas, dominios y tipos de entidades.
Una herramienta DevOps de código abierto de la CNCF para empaquetar y versionar modelos de IA/ML, conjuntos de datos, código y configuraciones en un artefacto OCI.
Preguntas frecuentes
¿Cuál es el repositorio de #datasets más popular en GitHub?
El proyecto de código abierto de #datasets mejor posicionado en GitHub es awesomedata/awesome-public-datasets, con 80,228 estrellas. Una lista centrada en temas de conjuntos de datos abiertos de HQ.
¿Qué lenguajes de programación se utilizan más en los repositorios de #datasets?
Entre los proyectos de #datasets mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, TypeScript, C++, Dart.
¿Cómo se calcula la clasificación de los repositorios de #datasets?
Seguimos 92 repositorios activos de código abierto etiquetados con #datasets (500+ estrellas), que suman un total de 397,307 estrellas, con una media de 4,318 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.