Git Stars Git Stars

#machine-learning-datasets Repositorios

Descubre 17 repositorios activos de código abierto de GitHub etiquetados con #machine-learning-datasets, que acumulan 22,323 estrellas en total (una media de 1,313 estrellas por proyecto). El líder de este tema es meagmohit/EEG-Datasets, con 3,124 estrellas.

17
Total de Repositorios
22,323
Total de estrellas
1,313
Promedio de Estrellas/Repo
Lenguajes de programación: Python Jupyter Notebook

17 repositorios en total

1
meagmohit/EEG-Datasets

Una lista de todos los conjuntos de datos EEG públicos

meagmohit
⭐ 3,124 👤 meagmohit User 🕐 Actualizado 2025-10-17 📅 Creado 2017-08-18
2
kba/awesome-ocr

Enlaces a proyectos OCR increíbles

kba
⭐ 3,074 👤 kba User 🕐 Actualizado 2024-07-06 📅 Creado 2016-04-27
3
google-research/kubric

Una canalización de generación de datos para crear videos sintéticos semi-realistas de múltiples objetos con anotaciones ricas como máscaras de segmentación de instancias, mapas de profundidad y flujo óptico.

google-research
⭐ 2,859 Jupyter Notebook 👤 google-research Organization 🕐 Actualizado 2026-05-21 📅 Creado 2020-07-22
4
tencent-ailab/persona-hub

Repositorio oficial del artículo "Scaling Synthetic Data Creation with 1,000,000,000 Personas"

tencent-ailab
⭐ 1,585 Python 👤 tencent-ailab User 🕐 Actualizado 2025-02-19 📅 Creado 2024-06-22
5
lmmlzn/Awesome-LLMs-Datasets

Resumir conjuntos de datos de texto LLM representativos existentes.

lmmlzn
⭐ 1,484 👤 lmmlzn User 🕐 Actualizado 2026-03-11 📅 Creado 2024-01-17
6
microsoft/DNS-Challenge

Este repo contiene los scripts, modelos y archivos requeridos para el Deep Noise Suppression (DNS) Challenge.

microsoft
⭐ 1,480 Python 👤 microsoft Organization 🕐 Actualizado 2026-11-10 📅 Creado 2020-01-14
7
GAIR-NLP/LIMO

[COLM 2025] LIMO: Menos es más para el razonamiento

GAIR-NLP
⭐ 1,081 Python 👤 GAIR-NLP Organization 🕐 Actualizado 2025-07-30 📅 Creado 2025-02-04
8
spMohanty/PlantVillage-Dataset

Conjunto de datos de imágenes de hojas de plantas enfermas y etiquetas correspondientes

spMohanty
⭐ 1,041 Python 👤 spMohanty User 🕐 Actualizado 2026-02-05 📅 Creado 2016-08-03
9
apple-aiml-research/ARKitScenes

Este repositorio acompaña al artículo de investigación ARKitScenes: un conjunto de datos diverso del mundo real para la comprensión de escenas interiores 3D utilizando datos móviles RGB-D y contiene los datos, los scripts para visualizar y procesar activos, y el código de entrenamiento descritos en nuestro artículo.

apple-aiml-research
⭐ 981 Python 👤 apple-aiml-research Organization 🕐 Actualizado 2026-09-11 📅 Creado 2021-10-26
10
songys/AwesomeKorean_Data

Enlace al conjunto de datos en coreano

songys
⭐ 931 👤 songys User 🕐 Actualizado 2026-06-17 📅 Creado 2019-12-20
11
GEM-benchmark/NL-Augmenter

NL-Augmenter 🦎 → 🐍 Un repositorio colaborativo de transformaciones del lenguaje natural

GEM-benchmark
⭐ 787 Python 👤 GEM-benchmark Organization 🕐 Actualizado 2024-05-19 📅 Creado 2021-05-19
14
syncora-ai/synthetic-credit-default-syncora

Conjunto de datos sintéticos de alta fidelidad para la modelización de fallos crediticios

syncora-ai
⭐ 676 Jupyter Notebook 👤 syncora-ai User 🕐 Actualizado 2025-09-10 📅 Creado 2025-07-30
15
syncora-ai/synthetic-personality-dataset

Conjunto de datos sintéticos y cuadernos para la modelización de la personalidad introvertida frente a la extrovertida (seguro para la privacidad, listo para ML).

syncora-ai
⭐ 667 Jupyter Notebook 👤 syncora-ai User 🕐 Actualizado 2025-08-25 📅 Creado 2025-07-31
16
HITsz-TMG/Awesome-Large-Multimodal-Reasoning-Models

El desarrollo y las perspectivas futuras de los grandes modelos de razonamiento multimodal.

HITsz-TMG
⭐ 621 👤 HITsz-TMG Organization 🕐 Actualizado 2026-11-03 📅 Creado 2025-04-20
17
Cartucho/vision_blender

Un addon de Blender para generar datos de ground truth sintéticos para aplicaciones de Computer Vision

Cartucho
⭐ 529 Python 👤 Cartucho User 🕐 Actualizado 2025-05-30 📅 Creado 2019-12-03

Preguntas frecuentes

1

¿Cuál es el repositorio de #machine-learning-datasets más popular en GitHub?

El proyecto de código abierto de #machine-learning-datasets mejor posicionado en GitHub es meagmohit/EEG-Datasets, con 3,124 estrellas. Una lista de todos los conjuntos de datos EEG públicos

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #machine-learning-datasets?

Entre los proyectos de #machine-learning-datasets mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook.

3

¿Cómo se calcula la clasificación de los repositorios de #machine-learning-datasets?

Seguimos 17 repositorios activos de código abierto etiquetados con #machine-learning-datasets (500+ estrellas), que suman un total de 22,323 estrellas, con una media de 1,313 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.