Git Stars Git Stars

#data-synthesis Dépôts

Découvrez 15 dépôts GitHub open source actifs associés à #data-synthesis, cumulant 21,082 étoiles au total (soit une moyenne de 1,405 étoiles par projet). Le projet en tête de ce thème est OpenDCAI/DataFlow, avec 8,650 étoiles.

15
Total des Dépôts
21,082
Nombre total d'étoiles
1,405
Moyenne d'Étoiles/Dépôt
1
OpenDCAI/DataFlow

[SIGMOD'27] Préparation simplifiée des données grâce aux opérateurs et pipelines les plus récents fondés sur les LLM.

OpenDCAI
⭐ 8,650 Python 👤 OpenDCAI Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2024-10-13
2
AgaMiko/data-augmentation-review

Liste de ressources utiles pour l'augmentation de données. Vous trouverez ici des techniques peu communes, des bibliothèques, des liens vers des dépôts GitHub, des articles et autres.

AgaMiko
⭐ 1,636 👤 AgaMiko User 🕐 Mis à jour 2026-11-03 📅 Créé 2019-09-28
3
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
4
Tebmer/Awesome-Knowledge-Distillation-of-LLMs

Ce dépôt rassemble des articles pour "A Survey on Knowledge Distillation of Large Language Models". Nous décomposons la KD en Élicitation des Connaissances et Algorithmes de Distillation, et explorons la Distillation par Compétence et Verticale des LLM.

Tebmer
⭐ 1,282 👤 Tebmer User 🕐 Mis à jour 2025-03-09 📅 Créé 2024-02-08
5
InternScience/GraphGen

GraphGen : Améliorer le réglage fin supervisé pour les LLM avec la génération de données synthétiques pilotée par la connaissance

InternScience
⭐ 1,236 Python 👤 InternScience Organization 🕐 Mis à jour 2026-11-08 📅 Créé 2025-01-08
6
jsyoon0823/TimeGAN

Codebase pour les Réseaux Génératifs Antagonistes de Séries Temporelles (TimeGAN) – NeurIPS 2019

jsyoon0823
⭐ 1,068 Jupyter Notebook 👤 jsyoon0823 User 🕐 Mis à jour 2026-02-05 📅 Créé 2020-04-24
7
OpenDataBox/awesome-data-llm

Référentiel officiel de l'article d'enquête "LLM × DATA"

OpenDataBox
⭐ 836 👤 OpenDataBox Organization 🕐 Mis à jour 2026-10-25 📅 Créé 2024-08-04
8
showlab/videollm-online

VideoLLM-online : Modèle linguistique étendu en ligne pour la vidéo en streaming (CVPR 2024)

showlab
⭐ 690 Python 👤 showlab Organization 🕐 Mis à jour 2025-11-26 📅 Créé 2024-06-17
9
yorkeccak/Polyseer

Polymarket alpha à la vitesse de l'instant présent.

yorkeccak
⭐ 666 TypeScript 👤 yorkeccak User 🕐 Mis à jour 2026-11-08 📅 Créé 2025-08-30
10
kaist-avelab/K-Radar

Détection d'objets par radar 4D pour la conduite autonome dans diverses conditions météorologiques

kaist-avelab
⭐ 624 Python 👤 kaist-avelab User 🕐 Mis à jour 2026-06-26 📅 Créé 2023-01-02
11
inclusionAI/ASearcher

Un Projet d'Apprentissage par Renforcement à Grande Échelle Open Source pour les Agents de Recherche

inclusionAI
⭐ 617 Python 👤 inclusionAI Organization 🕐 Mis à jour 2025-11-26 📅 Créé 2025-08-05
12
microsoft/MS-SNSD

Le Microsoft Scalable Noisy Speech Dataset (MS-SNSD) est un ensemble de données de parole bruitée qui peut s'adapter à des tailles arbitraires en fonction du nombre de locuteurs, des types de bruit et des niveaux de Rapport Signal sur Bruit (SNR) souhaités.

microsoft
⭐ 573 HTML 👤 microsoft Organization 🕐 Mis à jour 2024-07-01 📅 Créé 2019-08-26
13
Flame-Code-VLM/Flame-Code-VLM

Flame est un système d'IA multimodal open-source conçu pour traduire des maquettes de conception d'interface utilisateur en code React de haute qualité. Il exploite la modélisation vision-langage, la synthèse de données automatisée et les flux de travail d'entraînement structurés pour combler le fossé entre la conception et le développement front-end.

Flame-Code-VLM
⭐ 564 Python 👤 Flame-Code-VLM Organization 🕐 Mis à jour 2026-02-11 📅 Créé 2025-02-10
14
swz30/CycleISP

[CVPR 2020--Oral] CycleISP : Restauration d'images réelles via la synthèse de données améliorée

swz30
⭐ 555 Python 👤 swz30 User 🕐 Mis à jour 2024-09-24 📅 Créé 2020-03-15
15
DIYer22/bpycv

Utilitaires de vision par ordinateur pour Blender (générer annotation d'instance, profondeur et pose 6D en une ligne de code)

DIYer22
⭐ 506 Python 👤 DIYer22 User 🕐 Mis à jour 2025-08-05 📅 Créé 2019-12-29

Foire aux questions

1

Quel est le dépôt #data-synthesis le plus populaire sur GitHub ?

Le projet #data-synthesis open source le mieux classé sur GitHub est OpenDCAI/DataFlow, avec 8,650 étoiles. [SIGMOD'27] Préparation simplifiée des données grâce aux opérateurs et pipelines les plus récents fondés sur les LLM.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #data-synthesis ?

Parmi les projets #data-synthesis les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, TypeScript, HTML.

3

Comment le classement des dépôts #data-synthesis est-il calculé ?

Nous suivons 15 dépôts open source actifs associés à #data-synthesis (500+ étoiles), totalisant 21,082 étoiles, avec une moyenne de 1,405 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.