Git Stars Git Stars

#datasets Repositorios

92
Total de Repositorios
397,307
Total de estrellas
4,318
Promedio de Estrellas/Repo

92 repositorios en total

51
muzishen/IMAGDressing

[AAAI 2025]👔IMAGDressing👔: Generación interactiva modular de ropa para prueba virtual. Permite la generación personalizable de imágenes humanas con control flexible de prendas, poses y escenas, garantizando alta fidelidad y consistencia de la prenda para la prueba virtual.

muzishen
⭐ 1,347 Python 👤 muzishen User 🕐 Actualizado 2025-09-30 📅 Creado 2024-06-01
52
brianspiering/awesome-dl4nlp

Una lista curada de recursos increíbles de Deep Learning (DL) para el Procesamiento de Lenguaje Natural (NLP)

brianspiering
⭐ 1,311 👤 brianspiering User 🕐 Actualizado 2026-01-24 📅 Creado 2016-06-04
53
ahundt/awesome-robotics

Una lista curada de enlaces y bibliotecas de software geniales que son útiles para robots.

ahundt
⭐ 1,293 👤 ahundt User 🕐 Actualizado 2024-01-10 📅 Creado 2017-05-12
54
mims-harvard/TDC

Therapeutics Commons (TDC): Fundación Multimodal para la Ciencia Terapéutica

mims-harvard
⭐ 1,263 Jupyter Notebook 👤 mims-harvard Organization 🕐 Actualizado 2025-07-13 📅 Creado 2020-09-17
55
Scale3-Labs/langtrace

Langtrace 🔍 es una herramienta de observabilidad de extremo a extremo de código abierto basada en Open Telemetry para aplicaciones LLM, que proporciona seguimiento en tiempo real, evaluaciones y métricas para LLMs populares, frameworks LLM, vectorDB y más. Integración mediante Typescript, Python. 🚀💻📊

Scale3-Labs
⭐ 1,236 TypeScript 👤 Scale3-Labs Organization 🕐 Actualizado 2025-11-17 📅 Creado 2024-03-30
56
satellite-image-deep-learning/datasets

Conjuntos de datos para aprendizaje profundo con imágenes satelitales y aéreas

satellite-image-deep-learning
⭐ 1,226 👤 satellite-image-deep-learning Organization 🕐 Actualizado 2026-11-07 📅 Creado 2022-11-25
57
midas-research/audino

Herramienta de anotación de audio de código abierto para humanos

midas-research
⭐ 1,148 TypeScript 👤 midas-research Organization 🕐 Actualizado 2026-02-03 📅 Creado 2019-10-03
58
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
59
yaodongC/awesome-instruction-dataset

Una colección de conjuntos de datos de código abierto para entrenar LLM que siguen instrucciones (ChatGPT, LLaMA, Alpaca)

yaodongC
⭐ 1,136 👤 yaodongC User 🕐 Actualizado 2024-01-04 📅 Creado 2023-03-29
60
reacher-z/Awesome-CUA

Catálogo abierto y respaldado por fuentes de agentes de uso de computadoras: artículos revisados, modelos de GUI, conjuntos de datos, benchmarks, herramientas y datos reutilizables en JSONL/SQLite.

reacher-z
⭐ 1,072 Python 👤 reacher-z User 🕐 Actualizado 2026-11-21 📅 Creado 2026-10-16
61
MOLAorg/mola

Un marco de optimización modular para Localización y mapeo (MOLA)

MOLAorg
⭐ 1,069 C++ 👤 MOLAorg Organization 🕐 Actualizado 2026-11-21 📅 Creado 2018-11-05
62
OpenCSGs/csghub-server

csghub-server es el servidor backend para CSGHub que ayuda al usuario a administrar conjuntos de datos, modelos y también a ejecutar inferencia de modelos, finetuning y espacios de aplicaciones.

OpenCSGs
⭐ 1,041 Go 👤 OpenCSGs Organization 🕐 Actualizado 2026-11-20 📅 Creado 2024-01-12
63
CLUEbenchmark/CLUECorpus2020

Corpus de Pre‑Entrenamiento a gran escala para chino 100G (corpus de pre‑entrenamiento chino)

CLUEbenchmark
⭐ 1,022 👤 CLUEbenchmark Organization 🕐 Actualizado 2026-02-06 📅 Creado 2020-01-25
64
zjunlp/Prompt4ReasoningPapers

[ACL 2023] Razonamiento con el Prompting de Modelos Lingüísticos: Una Revisión

zjunlp
⭐ 1,007 👤 zjunlp Organization 🕐 Actualizado 2025-05-21 📅 Creado 2022-09-14
65
MinishLab/semhash

Deduplicación Multimodal Semántica Rápida y Filtrado

MinishLab
⭐ 979 Python 👤 MinishLab Organization 🕐 Actualizado 2026-11-11 📅 Creado 2024-10-13
66
ipea/geobr

Acceso fácil a conjuntos de datos espaciales oficiales de Brasil en R y Python

ipea
⭐ 974 Python 👤 ipea Organization 🕐 Actualizado 2026-11-09 📅 Creado 2019-03-22
67
DmitryRyumin/ICCV-2023-25-Papers

Artículos ICCV 2023-2025: Descubra investigaciones de vanguardia de ICCV 2023-25, la conferencia líder en visión por computadora. Manténgase al día sobre lo último en visión por computadora y aprendizaje profundo, con código incluido. ⭐ ¡Apoye el desarrollo de la inteligencia visual!

DmitryRyumin
⭐ 972 Python 👤 DmitryRyumin User 🕐 Actualizado 2025-11-07 📅 Creado 2023-09-04
68
Yuan-ManX/ai-audio-datasets

Conjuntos de datos de audio de IA (AI-ADS) 🎵, que incluyen Voz, Música y Efectos de Sonido, los cuales pueden proporcionar datos de entrenamiento para IA Generativa, AIGC, entrenamiento de modelos de IA, desarrollo de herramientas de audio inteligentes y aplicaciones de audio.

Yuan-ManX
⭐ 950 👤 Yuan-ManX User 🕐 Actualizado 2025-07-08 📅 Creado 2022-12-18
69
datasets/commons

DataHub commons. Conjuntos de datos interesantes e importantes

datasets
⭐ 943 👤 datasets Organization 🕐 Actualizado 2026-08-11 📅 Creado 2013-01-13
70
adalca/medical-datasets

seguimiento de conjuntos de datos médicos, con enfoque en imágenes médicas

adalca
⭐ 933 👤 adalca User 🕐 Actualizado 2026-10-16 📅 Creado 2019-02-26
71
mlcommons/croissant

Croissant es un formato de alto nivel para conjuntos de datos de aprendizaje automático que reúne cuatro capas ricas.

mlcommons
⭐ 922 Jupyter Notebook 👤 mlcommons Organization 🕐 Actualizado 2026-11-16 📅 Creado 2023-03-20
72
huggingface/dataset-viewer

Backend que impulsa el visor de conjuntos de datos en las páginas de conjuntos de datos de Hugging Face a través de una API pública.

huggingface
⭐ 910 Python 👤 huggingface Organization 🕐 Actualizado 2026-11-20 📅 Creado 2021-07-26
73
coderonion/awesome-llm-and-aigc

🚀🚀🚀Una colección de algunos proyectos públicos impresionantes sobre Modelos de Lenguaje Grandes (LLM), Modelos de Visión y Lenguaje (VLM), Acción Visión-Lenguaje (VLA), Contenido Generado por IA (AIGC), los Datasets y Aplicaciones relacionados.

coderonion
⭐ 810 👤 coderonion User 🕐 Actualizado 2025-08-01 📅 Creado 2023-02-15
74
huggingface/Repo2RLEnv

Convierte cualquier repositorio en entornos de RL verificables para agentes de programación: tareas de Harbor con las que puedes entrenar, evaluar y compartir en Hugging Face Hub

huggingface
⭐ 804 Python 👤 huggingface Organization 🕐 Actualizado 2026-11-16 📅 Creado 2026-05-05
75
mathiasmantelli/awesome-mobile-robotics

Enlaces útiles de diferentes contenidos relacionados con IA, Visión por Computadora y Robótica.

mathiasmantelli
⭐ 787 👤 mathiasmantelli User 🕐 Actualizado 2026-08-03 📅 Creado 2020-06-25
76
ExerciseDB/exercisedb-api

ExerciseDB API es una API de base de datos de ejercicios físicos que permite a los usuarios acceder a datos de ejercicios de alta calidad que constan de más de 11,000 ejercicios. Esta API ofrece información extensa sobre cada ejercicio, incluyendo partes del cuerpo objetivo, equipo necesario, videos, GIFs, imágenes para guía visual e instrucciones paso a paso.

ExerciseDB
⭐ 767 👤 ExerciseDB Organization 🕐 Actualizado 2025-11-25 📅 Creado 2025-11-25
77
openml/OpenML

Aprendizaje Automático Abierto

openml
⭐ 761 PHP 👤 openml Organization 🕐 Actualizado 2026-11-20 📅 Creado 2012-12-11
78
jianzhnie/awesome-instruction-datasets

Una colección de fantásticos conjuntos de datos de indicaciones, fantásticos conjuntos de datos de instrucciones, para entrenar ChatLLM como ChatGPT que incluye una variedad de conjuntos de datos de instrucciones, para entrenar modelos ChatLLM.

jianzhnie
⭐ 753 👤 jianzhnie User 🕐 Actualizado 2026-06-17 📅 Creado 2023-03-25
79
facebookincubator/nimble

Nuevo formato de archivo extensible para el almacenamiento de grandes conjuntos de datos columnares.

facebookincubator
⭐ 745 C++ 👤 facebookincubator Organization 🕐 Actualizado 2026-09-21 📅 Creado 2023-12-12
80
saltudelft/ml4se

Una lista curada de artículos, tesis, conjuntos de datos y herramientas relacionados con la aplicación de Machine Learning para la Ingeniería de Software

saltudelft
⭐ 734 👤 saltudelft Organization 🕐 Actualizado 2025-11-06 📅 Creado 2020-06-04
81
ultralytics/assets

Logos de Ultralytics compartidos, medios, imágenes de muestra, pesos de modelos preentrenados, artefactos de conjuntos de datos y activos de lanzamiento.

ultralytics
⭐ 706 👤 ultralytics Organization 🕐 Actualizado 2026-10-06 📅 Creado 2022-08-06
82
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
83
st-tech/zr-obp

Open Bandit Pipeline: una biblioteca de Python para algoritmos bandit y evaluación off-policy

st-tech
⭐ 685 Python 👤 st-tech Organization 🕐 Actualizado 2024-06-03 📅 Creado 2020-06-16
85
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
86
IndoNLP/indonlu

El primer y extenso benchmark de procesamiento de lenguaje natural para el idioma indonesio. ¡Proporcionamos múltiples tareas posteriores, modelos IndoBERT preentrenados y un código de inicio! (AACL-IJCNLP 2020)

IndoNLP
⭐ 635 Jupyter Notebook 👤 IndoNLP Organization 🕐 Actualizado 2024-11-16 📅 Creado 2020-09-12
87
jasonmanesis/Satellite-Imagery-Datasets-Containing-Ships

Este repositorio proporciona una lista completa de conjuntos de datos de satélites de radar y ópticos seleccionados para tareas de detección, clasificación, segmentación semántica y segmentación de instancias de barcos. Estos conjuntos de datos son ideales para aplicaciones en visión por computadora, aprendizaje automático, teledetección y análisis marítimo.

jasonmanesis
⭐ 588 👤 jasonmanesis User 🕐 Actualizado 2025-01-18 📅 Creado 2021-04-24
88
maduc7/Histopathology-Datasets

Recursos de conjuntos de datos de histopatología

maduc7
⭐ 580 👤 maduc7 User 🕐 Actualizado 2026-03-06 📅 Creado 2022-07-22
89
lcybuzz/Low-Level-Vision-Paper-Record

Registro de trabajos recientes sobre 1) tareas de visión de bajo nivel como la mejora de superresolución de imágenes/videos; 2) generación de imágenes, principalmente métodos basados en DL posteriores a 2018.

lcybuzz
⭐ 551 👤 lcybuzz User 🕐 Actualizado 2025-03-06 📅 Creado 2020-02-25
90
BaseModelAI/cleora

Cleora AI es un modelo de código abierto de propósito general para el aprendizaje eficiente y escalable de incrustaciones de entidades estables e inductivas para datos relacionales heterogéneos. Creado por el equipo de Synerise.com.

BaseModelAI
⭐ 547 Python 👤 BaseModelAI Organization 🕐 Actualizado 2026-11-19 📅 Creado 2020-11-05
91
junkunyuan/Awesome-Domain-Generalization

Cosas asombrosas sobre la generalización de dominios, incluidos artículos, código, etc.

junkunyuan
⭐ 544 👤 junkunyuan User 🕐 Actualizado 2026-11-07 📅 Creado 2022-02-07
92
RenzeLou/awesome-instruction-learning

Artículos y conjuntos de datos sobre ajuste y seguimiento de instrucciones. ✨✨✨

RenzeLou
⭐ 506 Python 👤 RenzeLou User 🕐 Actualizado 2024-04-04 📅 Creado 2023-02-21