#data-curation Dépôts
Découvrez 65 dépôts GitHub open source actifs associés à #data-curation, cumulant 182,804 étoiles au total (soit une moyenne de 2,812 étoiles par projet). Le projet en tête de ce thème est formulahendry/955.WLB, avec 36,238 étoiles.
65 dépôts au total
Liste des entreprises sans heures supplémentaires - Travail 955, work-life balance (équilibre entre le travail et la vie)
🇨🇳 Pack d'autocollants chinois, Plus de joie / Musée des packs d'autocollants, Dépôt le plus toxique de Github, Grande collection de packs d'autocollants chinois, Rassemble la joie~
La bibliothèque open-source de Cleanlab est le package AI centré sur les données standard pour la qualité des données et l'apprentissage automatique avec des données et des étiquettes désordonnées du monde réel.
【Édition de collection】Les flux en direct HD couvrent presque toutes les chaînes de télévision par satellite, avec des logos de chaînes parfaits intégrés et des guides de programmes.
Le dépôt RedPajama-Data contient du code pour la préparation de grands ensembles de données destinés à l'entraînement de grands modèles linguistiques.
Maintenu depuis plus de 5 ans, vérification quotidienne de la disponibilité, abonnement aux nœuds gratuits de la plus haute qualité sur le réseau, sélection diabolique de nœuds gratuits de haute qualité : shadowrocket | stash | singbox | clash | karing | hiddify | mihomo | clashmi | ClashMeta | FIClash | Surfboard
Résumé des marques et modèles de téléphones portables | Modèles mobiles | Ce dépôt est sous licence CC BY-NC-SA 4.0
Personnalisez votre propre liste de flux en direct, [aperçu des programme EPG parfait, logos de chaîne HD]
Cadre open source pour la recherche et le développement de modèles fondamentaux.
Nano Banana (nanobanana), GPT-5 (GPT5), GPT-4o (GPT4o) Invites d'image, Invites Nanobanana, invites nanobanana
Liste organisée d'incroyables fichiers .mdc de règles de curseur
« L'Amérique contre l'Amérique » est une œuvre écrite par M. Wang Huning à la fin des années 1980 lors de son voyage d'observation aux États-Unis. Nous savons à quel point l'admiration de la Chine pour l'Occident, en particulier pour les États-Unis, était élevée à cette époque, donc il est très admirable de voir soudainement un érudit avec une compréhension si claire dans les années 1980. Puisqu'en ligne il n'y a qu'une version PDF scannée de mauvaise qualité, je veux utiliser la technologie OCR et l'œil nu (OCR humain) pour la convertir en un format de texte moderne. Elle est maintenant entièrement terminée.
Les meilleurs fils de Tianya collectés avec soin, sans filigrane, faciles à lire
Le Livre de Cuisine Ouvert pour les Grands Modèles de Langage de Premier Ordre
fastdup est un outil puissant et gratuit conçu pour générer rapidement des informations précieuses à partir d'ensembles de données d'images et de vidéos. Il aide à améliorer la qualité des images et des étiquettes, tout en réduisant considérablement les coûts d'exploitation des données, le tout avec une évolutivité inégalée.
Kit d'outils évolutif pour le prétraitement et la curation de données pour les LLM
Centre d'information pour notre projet de formation des plus grands LLM historiques possibles.
Dictionnaire courant des mots sensibles et des mots vides pour Internet
Partage de ressources cinématographiques et télévisuelles sur Baidu Netdisk, Quark Netdisk et Aliyun Drive. Publication quotidienne des dernières séries télévisées, émissions de variétés et ressources cinématographiques.
Ce dépôt vise à soutenir les contributions pour les outils du jeu de données Project CodeNet hébergé dans DAX
Kaishi 1.5k est un jeu Anki japonais moderne et modulaire conçu pour les débutants qui souhaitent apprendre le vocabulaire de base.
Repo officiel pour l'article « Scaling Synthetic Data Creation with 1,000,000,000 Personas »
Répertoire contenant des fichiers de codes de triche, des fichiers de données de contenu, etc.
Explorez interactivement des jeux de données non structurés à partir de votre dataframe.
HuatuoGPT, vers la domestication des modèles linguistiques pour devenir un médecin. (Un GPT médical ouvert)
données lisibles par machine pour https://awesome-selfhosted.net
Le Washington Post compile une base de données de chaque fusillade mortelle aux États-Unis par un policier en service depuis 2015.
Une liste organisée, mais incomplète, de ressources sur l'IA axée sur les données.
Un gestionnaire complet qui gère les ressources internes de l'ordinateur et propose la gamification
Les sujets annuels du concours national de conception électronique de 1994 à 2025 ont été collectés et triés. Vos suggestions sont les bienvenues en cas d'omissions !
Une liste d'attaques connues contre des entités détenant des actifs Bitcoin / crypto qui ont eu lieu dans le monde réel.
Carnets Google Colab accessibles pour la formation de Lora Stable Diffusion, basés sur le travail de kohya-ss et Linaqruf
Base de données ouverte de startups remarquables dans le secteur des semi-conducteurs
Foire aux questions
Quel est le dépôt #data-curation le plus populaire sur GitHub ?
Le projet #data-curation open source le mieux classé sur GitHub est formulahendry/955.WLB, avec 36,238 étoiles. Liste des entreprises sans heures supplémentaires - Travail 955, work-life balance (équilibre entre le travail et la vie)
Quels langages de programmation sont les plus utilisés dans les dépôts #data-curation ?
Parmi les projets #data-curation les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, TypeScript, JavaScript, Jupyter Notebook.
Comment le classement des dépôts #data-curation est-il calculé ?
Nous suivons 65 dépôts open source actifs associés à #data-curation (500+ étoiles), totalisant 182,804 étoiles, avec une moyenne de 2,812 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.