Git Stars Git Stars

#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
Total de Repositorios
397,307
Total de estrellas
4,318
Promedio de Estrellas/Repo

92 repositorios en total

1
awesomedata/awesome-public-datasets

Una lista centrada en temas de conjuntos de datos abiertos de HQ.

awesomedata
⭐ 80,228 👤 awesomedata Organization 🕐 Actualizado 2026-11-20 📅 Creado 2014-11-20
2
HumanSignal/label-studio

Label Studio es una herramienta de etiquetado y anotación de datos de múltiples tipos con formato de salida estandarizado

HumanSignal
⭐ 28,739 TypeScript 👤 HumanSignal Organization 🕐 Actualizado 2026-11-20 📅 Creado 2019-06-19
3
akfamily/akshare

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

akfamily
⭐ 23,425 Python 👤 akfamily Organization 🕐 Actualizado 2026-11-20 📅 Creado 2019-10-01
4
jbhuang0604/awesome-computer-vision

Una lista seleccionada de impresionantes recursos de visión artificial

jbhuang0604
⭐ 22,920 👤 jbhuang0604 User 🕐 Actualizado 2024-05-17 📅 Creado 2015-01-16
5
huggingface/datasets

🤗 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

huggingface
⭐ 22,178 Python 👤 huggingface Organization 🕐 Actualizado 2026-11-19 📅 Creado 2020-03-26
6
Arize-ai/phoenix

Observabilidad y Evaluación de IA

Arize-ai
⭐ 12,368 Python 👤 Arize-ai Organization 🕐 Actualizado 2026-11-21 📅 Creado 2022-11-09
7
tonybeltramelli/pix2code

pix2code: Generando código desde una captura de pantalla de una interfaz de usuario gráfica

tonybeltramelli
⭐ 12,055 Python 👤 tonybeltramelli User 🕐 Actualizado 2024-05-29 📅 Creado 2017-05-24
8
cleanlab/cleanlab

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.

cleanlab
⭐ 11,755 Python 👤 cleanlab Organization 🕐 Actualizado 2026-01-13 📅 Creado 2018-05-11
9
simonw/datasette

Una herramienta multitool de código abierto para explorar y publicar datos

simonw
⭐ 11,627 Python 👤 simonw User 🕐 Actualizado 2026-11-20 📅 Creado 2017-10-23
10
doccano/doccano

Herramienta de anotación de código abierto para practicantes de aprendizaje automático.

doccano
⭐ 10,811 Python 👤 doccano Organization 🕐 Actualizado 2026-04-14 📅 Creado 2018-05-09
11
satellite-image-deep-learning/techniques

Técnicas para el aprendizaje profundo con imágenes satelitales y aéreas

satellite-image-deep-learning
⭐ 10,311 👤 satellite-image-deep-learning Organization 🕐 Actualizado 2026-11-07 📅 Creado 2018-04-16
12
imaNNeo/fl_chart

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.

imaNNeo
⭐ 7,594 Dart 👤 imaNNeo User 🕐 Actualizado 2026-11-14 📅 Creado 2019-05-12
13
liuruoze/EasyPR

(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

liuruoze
⭐ 6,430 C++ 👤 liuruoze User 🕐 Actualizado 2026-11-12 📅 Creado 2014-09-19
14
cocodataset/cocoapi

API COCO - Conjunto de datos @ http://cocodataset.org/

cocodataset
⭐ 6,346 Jupyter Notebook 👤 cocodataset Organization 🕐 Actualizado 2024-04-17 📅 Creado 2015-01-25
15
langwatch/langwatch

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.

langwatch
⭐ 5,050 TypeScript 👤 langwatch Organization 🕐 Actualizado 2026-11-21 📅 Creado 2023-09-09
16
tensorflow/datasets

TFDS es una colección de conjuntos de datos listos para usar con TensorFlow, Jax, ...

tensorflow
⭐ 4,610 Python 👤 tensorflow Organization 🕐 Actualizado 2026-11-13 📅 Creado 2018-09-10
17
torchgeo/torchgeo

TorchGeo: conjuntos de datos, muestreadores, transformaciones y modelos pre-entrenados para datos geoespaciales

torchgeo
⭐ 4,243 Python 👤 torchgeo Organization 🕐 Actualizado 2026-11-21 📅 Creado 2021-05-21
18
Jon-Becker/prediction-market-analysis

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.

Jon-Becker
⭐ 3,950 Python 👤 Jon-Becker User 🕐 Actualizado 2026-10-29 📅 Creado 2025-11-22
19
uzh-rpg/event-based_vision_resources

Recursos de Visión Basada en Eventos. Esfuerzo comunitario para recopilar conocimiento sobre tecnología de visión basada en eventos (papers, talleres, datasets, código, videos, etc.)

uzh-rpg
⭐ 3,683 👤 uzh-rpg Organization 🕐 Actualizado 2026-10-23 📅 Creado 2017-06-27
20
RUC-NLPIR/FlashRAG

⚡FlashRAG: Un kit de herramientas de Python para la investigación RAG eficiente (Recurso WWW2025)

RUC-NLPIR
⭐ 3,617 Python 👤 RUC-NLPIR Organization 🕐 Actualizado 2026-10-27 📅 Creado 2024-03-14
21
jdorfman/awesome-json-datasets

Una lista curada de conjuntos de datos JSON geniales que no requieren autenticación.

jdorfman
⭐ 3,531 JavaScript 👤 jdorfman User 🕐 Actualizado 2024-12-13 📅 Creado 2015-08-10
22
codefuse-ai/Awesome-Code-LLM

[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.

codefuse-ai
⭐ 3,454 👤 codefuse-ai Organization 🕐 Actualizado 2026-05-20 📅 Creado 2023-09-21
23
roapi/roapi

Cree API completas para conjuntos de datos que se mueven lentamente sin escribir una sola línea de código.

roapi
⭐ 3,435 Rust 👤 roapi Organization 🕐 Actualizado 2026-03-25 📅 Creado 2020-12-11
24
ChaofWang/Awesome-Super-Resolution

Recopilar artículos, datos y repositorios relacionados con super-resolución

ChaofWang
⭐ 3,099 👤 ChaofWang User 🕐 Actualizado 2026-08-19 📅 Creado 2019-04-20
25
bytewax/awesome-public-real-time-datasets

Una lista de conjuntos de datos disponibles públicamente con datos en tiempo real mantenidos por el equipo de bytewax.io

bytewax
⭐ 2,995 👤 bytewax Organization 🕐 Actualizado 2026-10-22 📅 Creado 2023-05-25
26
logpai/loghub

Una gran colección de conjuntos de datos de registros del sistema para análisis de registros impulsado por IA [ISSRE'23]

logpai
⭐ 2,920 👤 logpai Organization 🕐 Actualizado 2026-11-21 📅 Creado 2016-06-08
27
FreedomIntelligence/Awesome-AI4Med

Una lista curada de LLMs médicos, sistemas multimodales, conjuntos de datos, benchmarks y más. 🏥

FreedomIntelligence
⭐ 2,905 👤 FreedomIntelligence Organization 🕐 Actualizado 2026-08-04 📅 Creado 2019-11-14
28
zhulf0804/3D-PointCloud

Papers y Datasets sobre Nube de Puntos.

zhulf0804
⭐ 2,871 Python 👤 zhulf0804 User 🕐 Actualizado 2024-08-30 📅 Creado 2019-03-06
29
colour-science/colour

Ciencia del color para Python

colour-science
⭐ 2,696 Python 👤 colour-science Organization 🕐 Actualizado 2026-11-19 📅 Creado 2014-02-23
30
isl-org/Open3D-ML

Una extensión de Open3D para abordar tareas de Machine Learning 3D

isl-org
⭐ 2,364 Python 👤 isl-org Organization 🕐 Actualizado 2026-09-16 📅 Creado 2020-07-01
31
Jieyab89/OSINT-Cheat-sheet

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.

Jieyab89
⭐ 2,333 HTML 👤 Jieyab89 User 🕐 Actualizado 2026-11-16 📅 Creado 2021-11-22
32
WLiK/LLM4Rec-Awesome-Papers

Una lista de fantásticos artículos y recursos sobre sistemas de recomendación en modelos de lenguaje grandes (LLM).

WLiK
⭐ 2,289 👤 WLiK User 🕐 Actualizado 2025-03-17 📅 Creado 2023-05-12
33
jsbroks/coco-annotator

:pencil2: Herramienta de segmentación de imágenes basada en web para detección de objetos, localización y puntos clave

jsbroks
⭐ 2,274 Vue 👤 jsbroks User 🕐 Actualizado 2025-01-30 📅 Creado 2018-09-03
34
PavelGrigoryevDS/awesome-data-analysis

🚀 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.

PavelGrigoryevDS
⭐ 2,224 👤 PavelGrigoryevDS User 🕐 Actualizado 2026-11-01 📅 Creado 2025-07-30
35
prabhuomkar/pytorch-cpp

Implementación en C++ de tutoriales de PyTorch para todos

prabhuomkar
⭐ 2,139 C++ 👤 prabhuomkar User 🕐 Actualizado 2026-11-03 📅 Creado 2019-11-05
36
jim-schwoebel/voice_datasets

🔊 Una lista completa de conjuntos de datos de código abierto para la computación de voz y sonido (más de 95 conjuntos de datos).

jim-schwoebel
⭐ 2,106 👤 jim-schwoebel User 🕐 Actualizado 2024-06-06 📅 Creado 2019-07-24
37
snap-stanford/ogb

Conjuntos de datos de referencia, cargadores de datos y evaluadores para aprendizaje automático de grafos

snap-stanford
⭐ 2,089 Python 👤 snap-stanford Organization 🕐 Actualizado 2025-05-06 📅 Creado 2019-11-22
38
eosphoros-ai/DB-GPT-Hub

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

eosphoros-ai
⭐ 1,998 Python 👤 eosphoros-ai Organization 🕐 Actualizado 2025-07-02 📅 Creado 2023-06-02
39
diffgram/diffgram

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.

diffgram
⭐ 1,911 Python 👤 diffgram Organization 🕐 Actualizado 2026-06-22 📅 Creado 2018-09-06
40
shramos/Awesome-Cybersecurity-Datasets

Una lista curada de conjuntos de datos de Ciberseguridad increíblemente geniales

shramos
⭐ 1,885 👤 shramos User 🕐 Actualizado 2024-03-02 📅 Creado 2018-08-29
41
MobilityData/awesome-transit

Lista comunitaria de APIs de tránsito, apps, conjuntos de datos, investigación y software :bus::star2::train::star2::steam_locomotive:

MobilityData
⭐ 1,869 👤 MobilityData Organization 🕐 Actualizado 2026-11-18 📅 Creado 2015-08-13
42
JuliaData/DataFrames.jl

Datos tabulares en memoria en Julia

JuliaData
⭐ 1,844 Julia 👤 JuliaData Organization 🕐 Actualizado 2026-11-18 📅 Creado 2012-07-11
43
coderonion/awesome-yolo-object-detection

🚀🚀🚀 Una colección de algunos fantásticos proyectos de series públicas de detección de objetos YOLO y los conjuntos de datos de detección de objetos relacionados.

coderonion
⭐ 1,747 👤 coderonion User 🕐 Actualizado 2025-05-31 📅 Creado 2022-02-19
44
Farama-Foundation/Minari

Un formato estándar para conjuntos de datos de aprendizaje por refuerzo offline, con conjuntos de datos de referencia populares y utilidades relacionadas

Farama-Foundation
⭐ 1,738 Python 👤 Farama-Foundation Organization 🕐 Actualizado 2026-11-15 📅 Creado 2022-10-06
45
Olcmyk/HuChenFeng

Recopilar todo el contenido de Hu Chenfeng

Olcmyk
⭐ 1,683 👤 Olcmyk User 🕐 Actualizado 2026-02-17 📅 Creado 2025-10-06
46
Farama-Foundation/D4RL

Una colección de entornos de referencia para el aprendizaje por refuerzo sin conexión

Farama-Foundation
⭐ 1,627 Python 👤 Farama-Foundation Organization 🕐 Actualizado 2024-11-18 📅 Creado 2020-04-12
47
PKU-Alignment/safe-rlhf

RLHF Seguro: Alineación de Valores Restringida mediante Aprendizaje por Refuerzo Seguro a partir de Retroalimentación Humana

PKU-Alignment
⭐ 1,624 Python 👤 PKU-Alignment Organization 🕐 Actualizado 2025-11-24 📅 Creado 2023-05-15
48
juand-r/entity-recognition-datasets

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.

juand-r
⭐ 1,573 Python 👤 juand-r User 🕐 Actualizado 2026-07-02 📅 Creado 2018-09-01
49
kitops-ml/kitops

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.

kitops-ml
⭐ 1,451 Go 👤 kitops-ml Organization 🕐 Actualizado 2026-11-20 📅 Creado 2024-02-02
50
explosion/projects

🪐 Flujos de trabajo NLP de extremo a extremo desde prototipo hasta producción

explosion
⭐ 1,406 Python 👤 explosion Organization 🕐 Actualizado 2024-10-15 📅 Creado 2019-11-21

Preguntas frecuentes

1

¿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.

2

¿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.

3

¿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.