#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 dépôts au total
Label Studio est un outil d'étiquetage et d'annotation de données multi-types avec un format de sortie standardisé
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.
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.
pix2tex : Utiliser un ViT pour convertir des images d'équations en code LaTeX.
Un outil puissant pour créer des ensembles de données pour le réglage fin de LLM、RAG et Eval
Techniques d'apprentissage profond avec des images satellites et aériennes
Données de compatibilité des navigateurs pour les technologies Web telles qu'affichées sur MDN
Modèles NLP Chinois Pré-entraînés Impressionnants, Collection de Modèles Pré-entraînés Chinois de Haute Qualité & Grands Modèles & Modèles Multimodaux & Grands Modèles de Langage
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.
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.
TFDS est une collection de jeux de données prêts à l'emploi avec TensorFlow, Jax, ...
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.
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.
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.
Benchmark d'évaluation de la compréhension de la langue chinoise : jeux de données, lignes de base, modèles pré-entraînés, corpus et classement
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 ! ⭐️
📈 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.
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).
Un générateur de données synthétiques pour la reconnaissance de texte
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 🦖
Une liste soignée de superbes ensembles de données JSON qui ne nécessitent pas d'authentification.
Liste des jeux de données d'imagerie médicale « Un index pour les jeux de données d'imagerie médicale »
Extrayez des données d'une large gamme de sources Internet dans un DataFrame pandas.
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.
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. 📈
🎁 Plus de 7 400 000 images Unsplash mises à disposition pour la recherche et l'apprentissage automatique
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
[ECCV 2018] CCPD: un ensemble de données diversifié et bien annoté pour la détection et la reconnaissance des plaques d'immatriculation
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.
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
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.
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.
Un benchmark hétérogène pour la recherche d'informations. Facile à utiliser, évaluez vos modèles sur plus de 15 jeux de données IR diversifiés.
données de cluster collectées à partir de clusters de production chez Alibaba pour la recherche sur la gestion de cluster
🔊 Une liste complète de jeux de données open-source pour le calcul vocal et sonore (95+ jeux de données).
Collaborez et étiquetez tout type de données, d'images, de textes ou de documents, dans une interface Web simple ou une application de bureau.
Real-World Masked Face Dataset, ensemble de données de visages masqués du monde réel
Un ensemble de données cartographiques mondiales dans le domaine public, disponible à trois échelles et intégrant étroitement des données vectorielles et raster.
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.
Une liste organisée d'articles et de ressources sur la détection de fraude, d'anomalies et de valeurs aberrantes basée sur les graphes/transformateurs
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.
Foire aux questions
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
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.
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.