Git Stars Git Stars

#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
Total des Dépôts
182,804
Nombre total d'étoiles
2,812
Moyenne d'Étoiles/Dépôt
1
formulahendry/955.WLB

Liste des entreprises sans heures supplémentaires - Travail 955, work-life balance (équilibre entre le travail et la vie)

formulahendry
⭐ 36,238 👤 formulahendry User 🕐 Mis à jour 2025-02-03 📅 Créé 2019-03-27
2
zhaoolee/ChineseBQB

🇨🇳 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~

zhaoolee
⭐ 16,617 TypeScript 👤 zhaoolee User 🕐 Mis à jour 2026-11-06 📅 Créé 2019-05-08
3
cleanlab/cleanlab

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.

cleanlab
⭐ 11,755 Python 👤 cleanlab Organization 🕐 Mis à jour 2026-01-13 📅 Créé 2018-05-11
4
voxel51/fiftyone

Affiner les jeux de données de haute qualité et les modèles d'IA visuelle

voxel51
⭐ 11,324 TypeScript 👤 voxel51 Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2020-04-22
5
suxuang/myIPTV

【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.

suxuang
⭐ 5,123 👤 suxuang User 🕐 Mis à jour 2026-09-13 📅 Créé 2024-04-29
6
togethercomputer/RedPajama-Data

Le dépôt RedPajama-Data contient du code pour la préparation de grands ensembles de données destinés à l'entraînement de grands modèles linguistiques.

togethercomputer
⭐ 4,997 Python 👤 togethercomputer Organization 🕐 Mis à jour 2026-06-03 📅 Créé 2023-04-14
7
lixin4ever/Conference-Acceptance-Rate

Taux d'acceptation pour les principales conférences en IA

lixin4ever
⭐ 4,781 Jupyter Notebook 👤 lixin4ever User 🕐 Mis à jour 2025-09-23 📅 Créé 2017-10-20
8
Jsnzkpg/Jsnzkpg

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

Jsnzkpg
⭐ 4,410 👤 Jsnzkpg User 🕐 Mis à jour 2026-11-17 📅 Créé 2021-12-26
9
KHwang9883/MobileModels

Résumé des marques et modèles de téléphones portables | Modèles mobiles | Ce dépôt est sous licence CC BY-NC-SA 4.0

KHwang9883
⭐ 4,351 👤 KHwang9883 User 🕐 Mis à jour 2026-11-20 📅 Créé 2018-10-31
10
Meroser/IPTV

Personnalisez votre propre liste de flux en direct, [aperçu des programme EPG parfait, logos de chaîne HD]

Meroser
⭐ 4,165 👤 Meroser User 🕐 Mis à jour 2026-03-29 📅 Créé 2023-05-11
11
marin-community/marin

Cadre open source pour la recherche et le développement de modèles fondamentaux.

marin-community
⭐ 4,135 Python 👤 marin-community Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2024-03-22
12
songguoxs/gpt4o-image-prompts

Nano Banana (nanobanana), GPT-5 (GPT5), GPT-4o (GPT4o) Invites d'image, Invites Nanobanana, invites nanobanana

songguoxs
⭐ 3,882 JavaScript 👤 songguoxs User 🕐 Mis à jour 2026-01-08 📅 Créé 2025-04-28
13
sanjeed5/awesome-cursor-rules-mdc

Liste organisée d'incroyables fichiers .mdc de règles de curseur

sanjeed5
⭐ 3,589 Python 👤 sanjeed5 User 🕐 Mis à jour 2026-05-19 📅 Créé 2025-02-17
14
Docta-ai/docta

Un médecin pour vos données

Docta-ai
⭐ 3,479 Python 👤 Docta-ai Organization 🕐 Mis à jour 2026-06-16 📅 Créé 2023-05-02
15
zealotCE/America-Against-America

« 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.

zealotCE
⭐ 3,130 👤 zealotCE User 🕐 Mis à jour 2026-05-14 📅 Créé 2017-11-23
16
meagmohit/EEG-Datasets

Une liste de tous les ensembles de données EEG publics

meagmohit
⭐ 3,124 👤 meagmohit User 🕐 Mis à jour 2025-10-17 📅 Créé 2017-08-18
17
jiji262/tianya-docs

Les meilleurs fils de Tianya collectés avec soin, sans filigrane, faciles à lire

jiji262
⭐ 3,102 👤 jiji262 User 🕐 Mis à jour 2026-07-28 📅 Créé 2023-05-08
18
mahavivo/english-wordlists

Liste de vocabulaire anglais courant

mahavivo
⭐ 2,205 👤 mahavivo User 🕐 Mis à jour 2024-05-11 📅 Créé 2017-12-30
19
OpenCoder-llm/OpenCoder-llm

Le Livre de Cuisine Ouvert pour les Grands Modèles de Langage de Premier Ordre

OpenCoder-llm
⭐ 1,969 Python 👤 OpenCoder-llm User 🕐 Mis à jour 2024-12-08 📅 Créé 2024-10-26
20
visual-layer/fastdup

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.

visual-layer
⭐ 1,915 Python 👤 visual-layer Organization 🕐 Mis à jour 2026-08-23 📅 Créé 2022-05-11
21
NVIDIA-NeMo/Curator

Kit d'outils évolutif pour le prétraitement et la curation de données pour les LLM

NVIDIA-NeMo
⭐ 1,866 Python 👤 NVIDIA-NeMo Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2024-03-14
22
DGoettlich/history-llms

Centre d'information pour notre projet de formation des plus grands LLM historiques possibles.

DGoettlich
⭐ 1,808 👤 DGoettlich User 🕐 Mis à jour 2025-12-22 📅 Créé 2025-12-14
23
tanweai/wooyun-legacy

compétence wooyun-legacy pour le code Claude

tanweai
⭐ 1,792 👤 tanweai User 🕐 Mis à jour 2026-07-14 📅 Créé 2026-01-23
24
fwwdn/sensitive-stop-words

Dictionnaire courant des mots sensibles et des mots vides pour Internet

fwwdn
⭐ 1,746 Python 👤 fwwdn User 🕐 Mis à jour 2026-03-10 📅 Créé 2015-02-02
25
acoooder/aliyunpanshare

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.

acoooder
⭐ 1,729 👤 acoooder User 🕐 Mis à jour 2026-11-21 📅 Créé 2023-02-21
26
IBM/Project_CodeNet

Ce dépôt vise à soutenir les contributions pour les outils du jeu de données Project CodeNet hébergé dans DAX

IBM
⭐ 1,700 Python 👤 IBM Organization 🕐 Mis à jour 2026-11-10 📅 Créé 2021-05-03
27
donkuri/kaishi

Kaishi 1.5k est un jeu Anki japonais moderne et modulaire conçu pour les débutants qui souhaitent apprendre le vocabulaire de base.

donkuri
⭐ 1,603 👤 donkuri User 🕐 Mis à jour 2026-10-25 📅 Créé 2024-02-04
28
tencent-ailab/persona-hub

Repo officiel pour l'article « Scaling Synthetic Data Creation with 1,000,000,000 Personas »

tencent-ailab
⭐ 1,585 Python 👤 tencent-ailab User 🕐 Mis à jour 2025-02-19 📅 Créé 2024-06-22
29
JeffSackmann/tennis_atp

Classements, Résultats et Statistiques ATP Tennis

JeffSackmann
⭐ 1,577 👤 JeffSackmann User 🕐 Mis à jour 2026-06-08 📅 Créé 2015-03-13
30
libretro/libretro-database

Répertoire contenant des fichiers de codes de triche, des fichiers de données de contenu, etc.

libretro
⭐ 1,484 Python 👤 libretro Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2014-12-15
31
mlfoundations/dclm

DataComp pour les modèles de langage

mlfoundations
⭐ 1,471 HTML 👤 mlfoundations Organization 🕐 Mis à jour 2025-09-09 📅 Créé 2024-05-27
32
lvwzhen/medicine

Liste des médicaments princeps

lvwzhen
⭐ 1,436 Vue 👤 lvwzhen User 🕐 Mis à jour 2026-10-07 📅 Créé 2024-12-20
33
Zero-Sploit/FlipperZero-Subghz-DB

Une collection de sous-fichiers Flipper Zero

Zero-Sploit
⭐ 1,291 Python 👤 Zero-Sploit User 🕐 Mis à jour 2025-04-22 📅 Créé 2023-05-22
34
Renumics/spotlight

Explorez interactivement des jeux de données non structurés à partir de votre dataframe.

Renumics
⭐ 1,288 TypeScript 👤 Renumics Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2023-01-29
35
FreedomIntelligence/HuatuoGPT

HuatuoGPT, vers la domestication des modèles linguistiques pour devenir un médecin. (Un GPT médical ouvert)

FreedomIntelligence
⭐ 1,283 Python 👤 FreedomIntelligence Organization 🕐 Mis à jour 2024-12-16 📅 Créé 2023-04-13
36
awesome-selfhosted/awesome-selfhosted-data

données lisibles par machine pour https://awesome-selfhosted.net

awesome-selfhosted
⭐ 1,235 Makefile 👤 awesome-selfhosted Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2021-06-27
37
sib-swiss/training-collection

Collection de supports de formation en bio-informatique

sib-swiss
⭐ 1,160 Python 👤 sib-swiss Organization 🕐 Mis à jour 2026-11-15 📅 Créé 2021-12-13
38
washingtonpost/data-police-shootings

Le Washington Post compile une base de données de chaque fusillade mortelle aux États-Unis par un policier en service depuis 2015.

washingtonpost
⭐ 1,147 👤 washingtonpost Organization 🕐 Mis à jour 2026-10-14 📅 Créé 2015-06-30
39
daochenzha/data-centric-AI

Une liste organisée, mais incomplète, de ressources sur l'IA axée sur les données.

daochenzha
⭐ 1,138 👤 daochenzha User 🕐 Mis à jour 2024-06-26 📅 Créé 2023-03-07
41
klsdf/GreenResourcesManager

Un gestionnaire complet qui gère les ressources internes de l'ordinateur et propose la gamification

klsdf
⭐ 1,087 JavaScript 👤 klsdf User 🕐 Mis à jour 2026-11-08 📅 Créé 2025-06-20
42
CCBP/NUEDC_Topic

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 !

CCBP
⭐ 1,045 👤 CCBP User 🕐 Mis à jour 2026-09-21 📅 Créé 2022-05-07
43
X4BNet/lists_vpn

Listes des fournisseurs de VPN (mises à jour automatiques)

X4BNet
⭐ 937 Python 👤 X4BNet Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2021-03-03
44
songys/AwesomeKorean_Data

Lien vers le jeu de données coréen

songys
⭐ 931 👤 songys User 🕐 Mis à jour 2026-06-17 📅 Créé 2019-12-20
46
jlopp/physical-bitcoin-attacks

Une liste d'attaques connues contre des entités détenant des actifs Bitcoin / crypto qui ont eu lieu dans le monde réel.

jlopp
⭐ 915 HTML 👤 jlopp User 🕐 Mis à jour 2026-11-15 📅 Créé 2018-07-07
48
hollowstrawberry/kohya-colab

Carnets Google Colab accessibles pour la formation de Lora Stable Diffusion, basés sur le travail de kohya-ss et Linaqruf

hollowstrawberry
⭐ 821 Jupyter Notebook 👤 hollowstrawberry User 🕐 Mis à jour 2026-10-26 📅 Créé 2023-03-23
50
aolofsson/awesome-semiconductor-startups

Base de données ouverte de startups remarquables dans le secteur des semi-conducteurs

aolofsson
⭐ 799 JavaScript 👤 aolofsson User 🕐 Mis à jour 2026-11-20 📅 Créé 2022-03-25

Foire aux questions

1

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)

2

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.

3

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.