#academic-research Dépôts
Découvrez 27 dépôts GitHub open source actifs associés à #academic-research, cumulant 123,394 étoiles au total (soit une moyenne de 4,570 étoiles par projet). Le projet en tête de ce thème est jbhuang0604/awesome-computer-vision, avec 22,920 étoiles.
27 dépôts au total
Une liste organisée d'incroyables ressources en vision par ordinateur
Ce dépôt contient des implémentations et du code illustratif pour accompagner les publications de DeepMind.
Suite de compétences en recherche universitaire native Codex pour les flux de travail de recherche universitaire avec intervention humaine
PaperBanana : Automatisation de l'illustration académique pour les scientifiques de l'IA
Assistant de recherche semi-automatisé pour la recherche académique et le développement logiciel. Prend en charge Claude Code, Codex CLI, Kimi Code CLI et OpenCode dans les domaines de l'idéation, du codage, des expériences, de la rédaction et de la publication.
🔬 Une collection curated de plus de 23 000 compétences d'agents pour la recherche empirique dans 8 disciplines des sciences sociales. | 精选 23,000+ AI Agent 技能库,覆盖8大社会科学学科的实证研究。CoPaper.AI termine un article empirique normatif reproductible en 20 minutes et prend en charge le téléchargement de Skills par les utilisateurs. -- Maintenu par CoPaper.AI de Stanford REAP.
Un runtime AutoResearch piloté par des plans pour orchestrer les workflows de recherche en IA, de la génération d'idées et des expériences à la rédaction d'articles et à l'évaluation par les pairs.
Mise en œuvre open source et extension de PaperBanana de Google Research pour la génération automatisée de figures, diagrammes et visuels de recherche académiques, étendue à de nouveaux domaines tels que la création de diapositives.
Une bibliothèque complète de prompts AI conçue pour les étudiants en master, doctorants et chercheurs académiques 📖 Contenu inclus : ✨ Plus de 40 prompts AI soigneusement conçus ✨ Méthode systématique de sélection de sujets de thèse (génération, évaluation, argumentation) ✨ Solutions rapides pour la recherche de papiers (8 schémas différents) ✨ Cadre et outils pour la revue de littérature ✨ Tableau d'évaluation automatique Excel ✨ 3 modèles complets d'argumentation 🚀 Avantages principaux : ⚡ Économie de temps de 50-70 % (sélection de sujet en 3-5 jours au lieu de 2-3 semaines) 🎯 Méthode scientifique (basée sur un système d'évaluation en 5 dimensions) 💡 Prêt à l'emploi (tous les prompts directement copiables et utilisables) 📚 Couverture complète du processus (de la sélection du sujet à la publication) 🎓 Public cible : 👨🎓 Étudiants en master | Doctorants | Projets de fin d'études bachelor | Chercheurs académiques | Créateurs de contenu
Packs de compétences Claude Code/Codex spécifiques aux revues, couvrant les principales publications — AER, QJE, Nature, Cell, Management World, Economic Research Journal et plus de 200 autres — votre voie rapide vers la publication.
Plugin Obsidian qui intègre votre gestionnaire de références académiques à l'éditeur Obsidian. Recherchez vos références depuis Obsidian et créez et référencez automatiquement des notes de littérature pour les articles et les livres.
Classement des résultats de recherche Google Scholar basé sur le nombre de citations
Plateforme open source de recommandation quotidienne d'articles arXiv / OpenReview et de lecture assistée par IA, prenant en charge les mises à jour automatiques via GitHub Actions, le déploiement sur GitHub Pages et les questions-réponses sur les articles.
Open‑WebUI Tools est un kit d'outils modulaire conçu pour étendre et enrichir votre instance Open WebUI, la transformant en une station de travail IA puissante. Avec une suite de plus de 15 outils spécialisés, des pipelines fonctionnels et des filtres, ce projet soutient la recherche académique, l'autonomie agentique, la créativité multimodale, les flux de travail et bien plus encore.
Un outil d’IA multi-agent qui transforme des articles de recherche en évaluations documentées de la commercialisation et du transfert de technologie, couvrant le TRL, le paysage des brevets, les marchés et les risques. Développé avec CrewAI + FastAPI, il comprend un benchmark reproductible.
Crawler d'articles WeChat, utilisé pour collecter, organiser et archiver les métadonnées des articles publics des comptes officiels WeChat. Bienvenue pour apprendre et discuter ensemble. Un poste de travail de recherche sous Windows pour collecter, organiser et archiver les métadonnées des articles publics WeChat.
Science Parse analyse les articles scientifiques (sous forme PDF) et les retourne sous une forme structurée.
Facepager a été conçu pour récupérer des données publiques disponibles sur YouTube, Twitter et d'autres sites web sur la base d'API et de web scraping.
Liste curatée impressionnante de travaux sur l'estimation du regard oculaire
Liste d'articles sur le suivi d'un seul objet (suiveurs SOT de pointe)
Donnez à une IA un axe de recherche : elle réalise elle-même la synthèse de la littérature, la validation des lacunes, la formulation d’hypothèses et la conception d’expériences. 267 compétences Markdown forment un graphe de recherche : 51 opérations composées de 216 étapes élémentaires, exécutables dans n’importe quel ordre avec retour en arrière explicite ; le plan est approuvé avant son exécution et les exécutions interrompues peuvent reprendre. Installation avec npx, sans environnement d’exécution ni clé API.
Foire aux questions
Quel est le dépôt #academic-research le plus populaire sur GitHub ?
Le projet #academic-research open source le mieux classé sur GitHub est jbhuang0604/awesome-computer-vision, avec 22,920 étoiles. Une liste organisée d'incroyables ressources en vision par ordinateur
Quels langages de programmation sont les plus utilisés dans les dépôts #academic-research ?
Parmi les projets #academic-research les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, Stata, Rust.
Comment le classement des dépôts #academic-research est-il calculé ?
Nous suivons 27 dépôts open source actifs associés à #academic-research (500+ étoiles), totalisant 123,394 étoiles, avec une moyenne de 4,570 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.