Git Stars Git Stars

#dataset Dépôts

Découvrez 173 dépôts GitHub open source actifs associés à #dataset, cumulant 893,448 étoiles au total (soit une moyenne de 5,164 étoiles par projet). Le projet en tête de ce thème est public-apis/public-apis, avec 500,577 étoiles.

173
Total des Dépôts
893,448
Nombre total d'étoiles
5,164
Moyenne d'Étoiles/Dépôt
1
public-apis/public-apis

Une liste collective d'API gratuites

public-apis
⭐ 500,577 Python 👤 public-apis Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2016-03-20
2
HumanSignal/label-studio

Label Studio est un outil d'étiquetage et d'annotation de données multi-types avec un format de sortie standardisé

HumanSignal
⭐ 28,739 TypeScript 👤 HumanSignal Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2019-06-19
3
hasaneyldrm/exercises-dataset

Jeu de données de fitness de 1 324 exercices — GIFs animés, vignettes 180×180, données sur les groupes musculaires et les équipements, et instructions étape par étape en 6 langues. La couche de données d'exercices derrière l'application LogPress.

hasaneyldrm
⭐ 23,938 HTML 👤 hasaneyldrm User 🕐 Mis à jour 2026-07-16 📅 Créé 2026-03-18
4
joke2k/faker

Faker est un package Python qui génère des données factices pour vous.

joke2k
⭐ 19,502 Python 👤 joke2k User 🕐 Mis à jour 2026-11-20 📅 Créé 2012-11-12
5
cvat-ai/cvat

CVAT est une plateforme de premier plan pour l’annotation de données d’images, de vidéos, d’audio et de jeux de données 3D. Elle propose des produits open source, cloud et d’entreprise, ainsi que des services d’annotation, avec annotation assistée par IA, assurance qualité, collaboration en équipe, analyses et API pour développeurs.

cvat-ai
⭐ 17,181 Python 👤 cvat-ai Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2018-06-29
6
lukas-blecher/LaTeX-OCR

pix2tex : Utiliser un ViT pour convertir des images d'équations en code LaTeX.

lukas-blecher
⭐ 16,430 Python 👤 lukas-blecher User 🕐 Mis à jour 2025-01-18 📅 Créé 2020-12-11
7
ConardLi/easy-dataset

Un outil puissant pour créer des ensembles de données pour le réglage fin de LLM、RAG et Eval

ConardLi
⭐ 15,135 JavaScript 👤 ConardLi User 🕐 Mis à jour 2026-05-01 📅 Créé 2025-03-04
8
doccano/doccano

Outil d'annotation open source pour les praticiens en apprentissage automatique.

doccano
⭐ 10,811 Python 👤 doccano Organization 🕐 Mis à jour 2026-04-14 📅 Créé 2018-05-09
9
satellite-image-deep-learning/techniques

Techniques d'apprentissage profond avec des images satellites et aériennes

satellite-image-deep-learning
⭐ 10,311 👤 satellite-image-deep-learning Organization 🕐 Mis à jour 2026-11-07 📅 Créé 2018-04-16
10
brightmart/nlp_chinese_corpus

Corpus chinois à grande échelle pour NLP

brightmart
⭐ 9,937 👤 brightmart User 🕐 Mis à jour 2026-02-06 📅 Créé 2019-02-08
11
mdn/browser-compat-data

Données de compatibilité des navigateurs pour les technologies Web telles qu'affichées sur MDN

mdn
⭐ 5,800 JSON 👤 mdn Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2016-03-29
12
lonePatient/awesome-pretrained-chinese-nlp-models

Modèles NLP Chinois Pré-entraînés Impressionnants, Collection de Modèles Pré-entraînés Chinois de Haute Qualité & Grands Modèles & Modèles Multimodaux & Grands Modèles de Langage

lonePatient
⭐ 5,618 Python 👤 lonePatient User 🕐 Mis à jour 2026-08-30 📅 Créé 2019-05-25
13
designfuchen/word-atlas

词光 · Word Atlas — Vocabulaire illustré pour l’IELTS avec 7 298 mots, audio britannique et américain, et révisions avec FSRS. Application open source + jeu de données CC BY 4.0.

designfuchen
⭐ 5,158 TypeScript 👤 designfuchen User 🕐 Mis à jour 2026-11-13 📅 Créé 2026-10-25
14
mlabonne/llm-datasets

Liste organisée de jeux de données et d'outils pour la post-formation.

mlabonne
⭐ 4,838 👤 mlabonne User 🕐 Mis à jour 2026-04-29 📅 Créé 2024-04-27
15
SPLWare/esProc

esProc SPL est un langage de programmation basé sur la JVM, conçu pour le calcul de données structurées, servant à la fois d'outil d'analyse de données et de moteur de calcul embarqué.

SPLWare
⭐ 4,674 Java 👤 SPLWare User 🕐 Mis à jour 2026-11-18 📅 Créé 2021-11-09
16
tensorflow/datasets

TFDS est une collection de jeux de données prêts à l'emploi avec TensorFlow, Jax, ...

tensorflow
⭐ 4,610 Python 👤 tensorflow Organization 🕐 Mis à jour 2026-11-13 📅 Créé 2018-09-10
17
hyunwoongko/transformer

Transformer : Implémentation PyTorch de « Attention Is All You Need »

hyunwoongko
⭐ 4,609 Python 👤 hyunwoongko User 🕐 Mis à jour 2025-07-15 📅 Créé 2019-10-15
18
rom1504/img2dataset

Transformez facilement de grands ensembles d'URL d'images en un ensemble de données d'images. Peut télécharger, redimensionner et empaqueter 100 millions d'URL en 20 heures sur une seule machine.

rom1504
⭐ 4,458 Python 👤 rom1504 User 🕐 Mis à jour 2025-10-19 📅 Créé 2021-08-11
19
wainshine/Chinese-Names-Corpus

Corpus de noms chinois. Générateur de noms. Noms chinois, noms de famille, prénoms, titres, noms japonais, noms traduits, noms anglais. Peut être utilisé pour la segmentation de mots en chinois et la reconnaissance d'entités nommées.

wainshine
⭐ 4,347 👤 wainshine User 🕐 Mis à jour 2025-11-09 📅 Créé 2016-12-08
20
whoiskatrin/sql-translator

SQL Translator est un outil pour convertir des requêtes en langage naturel en code SQL à l'aide de l'intelligence artificielle. Ce projet est 100% gratuit et open source.

whoiskatrin
⭐ 4,315 TypeScript 👤 whoiskatrin User 🕐 Mis à jour 2025-07-06 📅 Créé 2023-03-11
21
CLUEbenchmark/CLUE

Benchmark d'évaluation de la compréhension de la langue chinoise : jeux de données, lignes de base, modèles pré-entraînés, corpus et classement

CLUEbenchmark
⭐ 4,288 Python 👤 CLUEbenchmark Organization 🕐 Mis à jour 2026-02-06 📅 Créé 2019-11-22
22
OpenCSGs/csghub

CSGHub est une toute nouvelle plateforme open-source pour la gestion des LLM, développée par l'équipe OpenCSG. Elle propose des solutions open-source et sur site/SaaS, avec des fonctionnalités comparables à celles de Hugging Face. Prenez le contrôle total du cycle de vie des LLM, des ensembles de données et des agents, avec une compatibilité SDK Python avec Hugging Face. Rejoignez-nous ! ⭐️

OpenCSGs
⭐ 4,083 Vue 👤 OpenCSGs Organization 🕐 Mis à jour 2026-11-13 📅 Créé 2024-01-12
23
Charmve/Surface-Defect-Detection

📈 La plus grande base de données et collection d'articles sur la détection des défauts industriels à l'heure actuelle. Résumé constant des ensembles de données open source et des articles critiques dans le domaine de la recherche sur les défauts de surface, qui revêtent une grande importance.

Charmve
⭐ 3,888 Python 👤 Charmve User 🕐 Mis à jour 2024-05-27 📅 Créé 2020-09-27
24
M-3LAB/awesome-industrial-anomaly-detection

Liste de papiers et ensembles de données pour la détection d'anomalies/défauts d'images industrielles (en cours de mise à jour). Bibliothèque de recherche d'articles et de jeux de données sur la détection d'anomalies/défauts industriels (mise à jour continue).

M-3LAB
⭐ 3,866 👤 M-3LAB Organization 🕐 Mis à jour 2026-11-05 📅 Créé 2022-12-02
25
Belval/TextRecognitionDataGenerator

Un générateur de données synthétiques pour la reconnaissance de texte

Belval
⭐ 3,619 Python 👤 Belval User 🕐 Mis à jour 2024-07-18 📅 Créé 2017-07-01
26
ashvardanian/StringZilla

SIMD, SWAR et kernels GPU pour les chaînes de caractères : recherche, hachage, tri, distances d’édition, segmentation UTF-8 et chiffrements pour C, C++, CUDA, Python, Rust, Go, Swift, JS, C# et Java 🦖

ashvardanian
⭐ 3,590 C 👤 ashvardanian User 🕐 Mis à jour 2026-11-20 📅 Créé 2020-08-14
27
jdorfman/awesome-json-datasets

Une liste soignée de superbes ensembles de données JSON qui ne nécessitent pas d'authentification.

jdorfman
⭐ 3,531 JavaScript 👤 jdorfman User 🕐 Mis à jour 2024-12-13 📅 Créé 2015-08-10
⭐ 3,438 Python 👤 waymo-research Organization 🕐 Mis à jour 2026-01-08 📅 Créé 2019-06-13
29
linhandev/dataset

Liste des jeux de données d'imagerie médicale « Un index pour les jeux de données d'imagerie médicale »

linhandev
⭐ 3,421 👤 linhandev User 🕐 Mis à jour 2024-08-15 📅 Créé 2020-12-04
30
pydata/pandas-datareader

Extrayez des données d'une large gamme de sources Internet dans un DataFrame pandas.

pydata
⭐ 3,283 Python 👤 pydata Organization 🕐 Mis à jour 2026-07-21 📅 Créé 2015-01-15
31
meodai/color-names

Grande liste de noms de couleurs triés sur le volet 🌈

meodai
⭐ 3,111 JavaScript 👤 meodai User 🕐 Mis à jour 2026-11-19 📅 Créé 2017-04-23
32
WebBreacher/WhatsMyName

Jeu de données maintenu par la communauté de plus de 700 sites web pour trouver des comptes par nom d'utilisateur — alimente les outils d'OSINT et d'empreinte numérique.

WebBreacher
⭐ 3,043 Python 👤 WebBreacher User 🕐 Mis à jour 2026-11-02 📅 Créé 2015-10-02
33
whylabs/whylogs

Une bibliothèque open-source de journalisation de données pour les modèles d'apprentissage automatique et les pipelines de données. 📚 Offre une visibilité sur la qualité des données et les performances du modèle au fil du temps. 🛡️ Prend en charge la collecte de données respectueuse de la vie privée, garantissant sécurité et robustesse. 📈

whylabs
⭐ 2,819 Jupyter Notebook 👤 whylabs Organization 🕐 Mis à jour 2025-01-10 📅 Créé 2020-08-14
34
unsplash/datasets

🎁 Plus de 7 400 000 images Unsplash mises à disposition pour la recherche et l'apprentissage automatique

unsplash
⭐ 2,812 Jupyter Notebook 👤 unsplash Organization 🕐 Mis à jour 2026-06-26 📅 Créé 2020-06-23
35
colour-science/colour

Science des couleurs pour Python

colour-science
⭐ 2,696 Python 👤 colour-science Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2014-02-23
36
GanjinZero/awesome_Chinese_medical_NLP

Collection de ressources ouvertes pour le NLP médical chinois : Ensembles de termes/Corpus/Vecteurs de mots/Modèles pré-entraînés/Graphes de connaissances/Reconnaissance d'entités nommées/QA/Extraction d'informations/Modèles/Articles/etc

GanjinZero
⭐ 2,518 👤 GanjinZero User 🕐 Mis à jour 2024-01-17 📅 Créé 2019-10-30
37
detectRecog/CCPD

[ECCV 2018] CCPD: un ensemble de données diversifié et bien annoté pour la détection et la reconnaissance des plaques d'immatriculation

detectRecog
⭐ 2,509 Python 👤 detectRecog User 🕐 Mis à jour 2024-02-15 📅 Créé 2018-04-03
38
itmeo/webgradients

180 dégradés gratuits CSS3, Figma, Sketch et PSD — plus un ensemble de données JSON pour les outils de conception, les générateurs et les agents IA.

itmeo
⭐ 2,505 CSS 👤 itmeo Organization 🕐 Mis à jour 2026-08-03 📅 Créé 2017-01-08
39
lukes/ISO-3166-Countries-with-Regional-Codes

Listes de pays ISO 3166-1 fusionnées avec leurs codes régionaux du schéma géographique des Nations Unies en ensembles de données JSON, XML, CSV prêts à l'emploi

lukes
⭐ 2,405 Ruby 👤 lukes User 🕐 Mis à jour 2024-06-29 📅 Créé 2011-04-21
40
wenhwu/awesome-remote-sensing-change-detection

Une compilation complète et à jour de jeux de données, d'outils, de méthodes, d'articles de revue et de compétitions pour la détection de changements par télédétection.

wenhwu
⭐ 2,377 👤 wenhwu User 🕐 Mis à jour 2026-09-09 📅 Créé 2018-11-03
41
google-research-datasets/Objectron

Objectron est un jeu de données de courts clips vidéo centrés sur des objets. De plus, les vidéos contiennent également des métadonnées de session AR, incluant les poses de la caméra, des nuages de points épars et des plans. Dans chaque vidéo, la caméra se déplace autour et au-dessus de l'objet et le capture sous différents angles de vue. Chaque objet est annoté avec une boîte englobante 3D. La boîte englobante 3D décrit la position, l'orientation et les dimensions de l'objet. Le jeu de données contient environ 15 000 clips vidéo annotés et 4 millions d'images annotées dans les catégories suivantes.

google-research-datasets
⭐ 2,361 Jupyter Notebook 👤 google-research-datasets Organization 🕐 Mis à jour 2026-03-06 📅 Créé 2020-10-19
42
beir-cellar/beir

Un benchmark hétérogène pour la recherche d'informations. Facile à utiliser, évaluez vos modèles sur plus de 15 jeux de données IR diversifiés.

beir-cellar
⭐ 2,310 Python 👤 beir-cellar Organization 🕐 Mis à jour 2025-10-16 📅 Créé 2021-01-18
43
alibaba/clusterdata

données de cluster collectées à partir de clusters de production chez Alibaba pour la recherche sur la gestion de cluster

alibaba
⭐ 2,270 Jupyter Notebook 👤 alibaba Organization 🕐 Mis à jour 2026-10-13 📅 Créé 2017-09-05
44
jim-schwoebel/voice_datasets

🔊 Une liste complète de jeux de données open-source pour le calcul vocal et sonore (95+ jeux de données).

jim-schwoebel
⭐ 2,106 👤 jim-schwoebel User 🕐 Mis à jour 2024-06-06 📅 Créé 2019-07-24
45
UniversalDataTool/universal-data-tool

Collaborez et étiquetez tout type de données, d'images, de textes ou de documents, dans une interface Web simple ou une application de bureau.

UniversalDataTool
⭐ 2,065 JavaScript 👤 UniversalDataTool Organization 🕐 Mis à jour 2025-03-15 📅 Créé 2019-07-11
46
X-zhangyang/Real-World-Masked-Face-Dataset

Real-World Masked Face Dataset, ensemble de données de visages masqués du monde réel

X-zhangyang
⭐ 2,030 Python 👤 X-zhangyang User 🕐 Mis à jour 2024-11-20 📅 Créé 2020-02-13
47
nvkelso/natural-earth-vector

Un ensemble de données cartographiques mondiales dans le domaine public, disponible à trois échelles et intégrant étroitement des données vectorielles et raster.

nvkelso
⭐ 2,015 HTML 👤 nvkelso User 🕐 Mis à jour 2024-04-22 📅 Créé 2012-01-22
48
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
49
safe-graph/graph-fraud-detection-papers

Une liste organisée d'articles et de ressources sur la détection de fraude, d'anomalies et de valeurs aberrantes basée sur les graphes/transformateurs

safe-graph
⭐ 1,908 👤 safe-graph Organization 🕐 Mis à jour 2026-11-15 📅 Créé 2019-11-21
50
thanglequoc/vietnamese-provinces-database

Ensembles de données SQL et SIG complets sur les unités administratives vietnamiennes, comprenant les provinces, les districts, les quartiers, les codes postaux et les limites géospatiales.

thanglequoc
⭐ 1,868 PLpgSQL 👤 thanglequoc User 🕐 Mis à jour 2026-10-14 📅 Créé 2021-11-06

Foire aux questions

1

Quel est le dépôt #dataset le plus populaire sur GitHub ?

Le projet #dataset open source le mieux classé sur GitHub est public-apis/public-apis, avec 500,577 étoiles. Une liste collective d'API gratuites

2

Quels langages de programmation sont les plus utilisés dans les dépôts #dataset ?

Parmi les projets #dataset les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, JavaScript, Jupyter Notebook, TypeScript.

3

Comment le classement des dépôts #dataset est-il calculé ?

Nous suivons 173 dépôts open source actifs associés à #dataset (500+ étoiles), totalisant 893,448 étoiles, avec une moyenne de 5,164 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.