Git Stars Git Stars

#dataset Dépôts

173
Total des Dépôts
893,448
Nombre total d'étoiles
5,164
Moyenne d'Étoiles/Dépôt
101
magpie-align/magpie

[ICLR 2025] Synthèse de données d'alignement à partir de zéro en invitant des LLM alignés avec rien. Votre pipeline de génération de données synthétiques efficace et de haute qualité !

magpie-align
⭐ 861 Python 👤 magpie-align Organization 🕐 Mis à jour 2025-03-17 📅 Créé 2024-06-12
102
mims-harvard/PrimeKG

Precision Medicine Knowledge Graph (PrimeKG)

mims-harvard
⭐ 841 Jupyter Notebook 👤 mims-harvard Organization 🕐 Mis à jour 2026-06-30 📅 Créé 2022-04-18
103
hcliucs/APSD

Jeu de données officiel pour « Évaluation de la discrétion des perturbations adversariales : une perspective visuelle »

hcliucs
⭐ 833 👤 hcliucs User 🕐 Mis à jour 2026-09-02 📅 Créé 2023-07-28
104
mlfoundations/MINT-1T

🍃 MINT-1T : Un ensemble de données multimodal entrelacé d'un billion de jetons.

mlfoundations
⭐ 828 👤 mlfoundations Organization 🕐 Mis à jour 2024-07-31 📅 Créé 2024-06-16
105
thiagobodruk/bible

Texte biblique en JSON et XML — 141 versions dans 85 langues, prêt à être utilisé dans des applications, pour la recherche de versets et dans des jeux de données de TAL/IA

thiagobodruk
⭐ 802 👤 thiagobodruk User 🕐 Mis à jour 2026-11-11 📅 Créé 2015-11-13
106
alchaincyf/huashu-bird-sticker

Bibliothèque mondiale open source d’autocollants d’oiseaux de Hua Shu · Autocollants générés par IA pour plus de 11 000 espèces d’oiseaux (AviList v2026), sous licence CC BY 4.0, avec des noms en 43 langues et des données structurées

alchaincyf
⭐ 798 👤 alchaincyf User 🕐 Mis à jour 2026-11-21 📅 Créé 2026-10-30
107
cdapio/cdap

Un framework open source pour la création d'applications d'analyse de données.

cdapio
⭐ 791 Java 👤 cdapio Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2014-08-02
108
waspinator/pycococreator

Fonctions d'aide pour créer des ensembles de données COCO

waspinator
⭐ 783 Python 👤 waspinator User 🕐 Mis à jour 2024-06-20 📅 Créé 2018-03-29
109
pedropro/TACO

🌮 Kit d'Outils pour Ensemble de Données d'Annotations de Déchets en Contexte

pedropro
⭐ 781 Jupyter Notebook 👤 pedropro User 🕐 Mis à jour 2026-10-20 📅 Créé 2019-06-08
110
voidful/awesome-chatgpt-dataset

Libérez la puissance des LLM : explorez ces ensembles de données pour entraîner votre propre ChatGPT !

voidful
⭐ 773 Python 👤 voidful User 🕐 Mis à jour 2026-10-27 📅 Créé 2023-04-21
111
cs-chan/Total-Text-Dataset

Jeu de données Total Text. Il se compose de 1555 images avec plus de 3 orientations de texte différentes : horizontale, multi-orientée et courbe, unique en son genre.

cs-chan
⭐ 768 MATLAB 👤 cs-chan User 🕐 Mis à jour 2026-09-30 📅 Créé 2017-08-24
112
techascent/tech.ml.dataset

Un système de traitement de données haute performance en Clojure

techascent
⭐ 762 Clojure 👤 techascent Organization 🕐 Mis à jour 2026-10-02 📅 Créé 2019-02-14
113
ShuangLI59/person_search

Apprentissage conjoint de caractéristiques de détection et d'identification pour la recherche de personnes

ShuangLI59
⭐ 751 Python 👤 ShuangLI59 User 🕐 Mis à jour 2024-04-26 📅 Créé 2016-04-06
114
viniciussanchez/dataset-serialize

Convertisseur JSON vers DataSet et DataSet vers JSON pour Delphi et Lazarus (FPC)

viniciussanchez
⭐ 747 Pascal 👤 viniciussanchez User 🕐 Mis à jour 2026-08-03 📅 Créé 2019-05-22
115
thorstenMueller/Thorsten-Voice

Thorsten-Voice : Une voix TTS allemande de haute qualité, gratuite à utiliser et fonctionnant hors ligne, devrait être disponible pour chaque projet sans aucun problème de licence.

thorstenMueller
⭐ 746 Python 👤 thorstenMueller User 🕐 Mis à jour 2026-08-04 📅 Créé 2019-10-29
116
zcablii/SARDet_100K

[NeurIPS 2024 spotlight] Implémentation officielle de MSFA et publication du jeu de données SARDet_100K pour la détection d'objets radar à ouverture synthétique (SAR) à grande échelle

zcablii
⭐ 743 Python 👤 zcablii User 🕐 Mis à jour 2025-05-06 📅 Créé 2024-02-20
117
wb14123/couplet-dataset

Jeu de données pour les distiques. Base de données de 700 000 distiques.

wb14123
⭐ 743 Python 👤 wb14123 User 🕐 Mis à jour 2025-02-05 📅 Créé 2018-02-24
118
tensorflow/io

Extensions Dataset, streaming et système de fichiers maintenues par TensorFlow SIG-IO

tensorflow
⭐ 739 C++ 👤 tensorflow Organization 🕐 Mis à jour 2026-06-25 📅 Créé 2018-11-09
119
rois-codh/kmnist

Dépôt pour Kuzushiji-MNIST, Kuzushiji-49 et Kuzushiji-Kanji

rois-codh
⭐ 738 Python 👤 rois-codh Organization 🕐 Mis à jour 2024-05-31 📅 Créé 2018-10-12
120
moein-shariatnia/OpenAI-CLIP

Implémentation simple du modèle OpenAI CLIP dans PyTorch.

moein-shariatnia
⭐ 727 Jupyter Notebook 👤 moein-shariatnia User 🕐 Mis à jour 2025-10-18 📅 Créé 2021-04-07
121
EverMind-AI/SkillCorpus

Infrastructure open source qui transforme des fichiers SKILL.md dispersés en corpus de compétences d’agents sélectionnés et prêts pour la recherche, avec des outils de recherche et d’évaluation inclus.

EverMind-AI
⭐ 706 Python 👤 EverMind-AI Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2026-08-11
122
layumi/University1652-Baseline

ACM Multimedia2020 University-1652 : Un Benchmark Multi-vue Multi-source pour la Géolocalisation Basée sur Drones :helicopter: annote 1652 bâtiments dans 72 universités à travers le monde.

layumi
⭐ 703 Python 👤 layumi User 🕐 Mis à jour 2026-11-20 📅 Créé 2019-11-04
123
open-edge-platform/datumaro

Dataset Management Framework, une bibliothèque Python et un outil CLI pour construire, analyser et gérer des ensembles de données de vision par ordinateur.

open-edge-platform
⭐ 701 Python 👤 open-edge-platform Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2020-09-01
124
google-deepmind/long-form-factuality

Évaluation comparative de la factualité sur le long terme dans les grands modèles linguistiques. Code source de notre article « Long-form factuality in large language models ».

google-deepmind
⭐ 698 Python 👤 google-deepmind Organization 🕐 Mis à jour 2026-06-18 📅 Créé 2024-03-25
125
wenhaochai/MovieChat

[CVPR 2024] MovieChat : Des tokens denses à la mémoire éparse pour la compréhension de longues vidéos

wenhaochai
⭐ 698 Python 👤 wenhaochai User 🕐 Mis à jour 2025-01-29 📅 Créé 2023-06-26
126
ucas-vg/PointTinyBenchmark

Ensemble de code de détection et de localisation d'objets basés sur des points et minuscules de UCAS-VG

ucas-vg
⭐ 689 Python 👤 ucas-vg Organization 🕐 Mis à jour 2025-06-12 📅 Créé 2019-12-21
127
datalad/datalad

Gardez le contrôle de votre code, de vos données et de vos conteneurs avec git et git-annex

datalad
⭐ 675 Python 👤 datalad Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2013-11-01
128
bertjiazheng/Structured3D

[ECCV'20] Structured3D: Un grand ensemble de données photoréaliste pour la modélisation 3D structurée

bertjiazheng
⭐ 666 Python 👤 bertjiazheng User 🕐 Mis à jour 2025-02-24 📅 Créé 2019-05-09
129
facebookresearch/Ego4d

Dépôt du jeu de données Ego4d. Téléchargez le jeu de données, visualisez, extrayez les caractéristiques et exemple d'utilisation du jeu de données

facebookresearch
⭐ 665 Jupyter Notebook 👤 facebookresearch Organization 🕐 Mis à jour 2026-07-25 📅 Créé 2021-11-23
130
Jakobovski/free-spoken-digit-dataset

Un ensemble de données audio gratuit de chiffres parlés. Une version audio de MNIST.

Jakobovski
⭐ 663 Python 👤 Jakobovski User 🕐 Mis à jour 2024-05-02 📅 Créé 2016-06-21
131
onejune2018/Awesome-LLM-Eval

Awesome-LLM-Eval: une liste organisée d'outils, de jeux de données/benchmarks, de démos, de classements, d'articles, de documents et de modèles, principalement pour l'évaluation des LLM. Une liste organisée d'outils, de benchmarks/données, de démos, de classements et de grands modèles, principalement axée sur l'évaluation des grands modèles de base, dans le but d'explorer les limites technologiques de l'IA générative.

onejune2018
⭐ 661 👤 onejune2018 User 🕐 Mis à jour 2025-11-24 📅 Créé 2023-04-26
132
cs-chan/Exclusively-Dark-Image-Dataset

Le jeu de données Exclusively Dark (ExDARK), qui, à notre connaissance, est la plus grande collection d’images à faible éclairage prises dans des environnements très faiblement éclairés jusqu’au crépuscule (c.-à-d. 10 conditions différentes) à ce jour, avec des annotations au niveau des classes d’image et des objets.

cs-chan
⭐ 658 MATLAB 👤 cs-chan User 🕐 Mis à jour 2026-09-30 📅 Créé 2018-05-28
133
benedekrozemberczki/datasets

Un repository de datasets plutôt cool que j'ai collectés pour la recherche en science des réseaux et en apprentissage automatique.

benedekrozemberczki
⭐ 657 👤 benedekrozemberczki User 🕐 Mis à jour 2025-12-20 📅 Créé 2019-04-07
134
CornellNLP/ConvoKit

ConvoKit est un kit d'outils pour extraire les caractéristiques conversationnelles et analyser les phénomènes sociaux dans les conversations. Il inclut plusieurs grands ensembles de données conversationnelles ainsi que des scripts illustrant l'utilisation du kit d'outils sur ces ensembles de données.

CornellNLP
⭐ 656 Jupyter Notebook 👤 CornellNLP Organization 🕐 Mis à jour 2026-10-16 📅 Créé 2016-03-14
135
philipperemy/FX-1-Minute-Data

HISTDATA - Ensemble de données composé de toutes les paires de trading FX / Pétrole brut / Indices boursiers. API simple pour récupérer les données de 1 minute (et données tick) Prix historiques FX (à jour).

philipperemy
⭐ 649 Python 👤 philipperemy User 🕐 Mis à jour 2025-05-04 📅 Créé 2017-05-22
136
D-X-Y/NAS-Bench-201

API et instructions de NAS-Bench-201

D-X-Y
⭐ 649 Python 👤 D-X-Y User 🕐 Mis à jour 2025-10-31 📅 Créé 2017-04-24
137
commaai/comma2k19

Un ensemble de données de conduite pour le développement et la validation d'estimateurs de pose fusionnés et d'algorithmes de cartographie

commaai
⭐ 646 Jupyter Notebook 👤 commaai Organization 🕐 Mis à jour 2025-07-20 📅 Créé 2018-12-12
138
lartpang/awesome-segmentation-saliency-dataset

Une collection de certains ensembles de données pour la segmentation / détection de saillance. Bienvenue à PR...:smile:

lartpang
⭐ 645 👤 lartpang User 🕐 Mis à jour 2026-09-15 📅 Créé 2018-12-30
139
iejMac/video2dataset

Créez facilement de grands jeux de données vidéo à partir d'URL vidéo

iejMac
⭐ 644 Python 👤 iejMac User 🕐 Mis à jour 2024-07-30 📅 Créé 2022-10-15
140
jonathanwvd/awesome-industrial-datasets

Une collection organisée de jeux de données industriels publics.

jonathanwvd
⭐ 643 👤 jonathanwvd User 🕐 Mis à jour 2026-11-21 📅 Créé 2022-10-25
141
onyx-dot-app/EnterpriseRAG-Bench

Ensemble de données et référence pour RAG sur les documents internes de l'entreprise.

onyx-dot-app
⭐ 639 👤 onyx-dot-app Organization 🕐 Mis à jour 2026-09-03 📅 Créé 2026-02-19
142
HowieHwong/TrustLLM

[ICML 2024] TrustLLM : évaluation de la fiabilité des LLM selon les critères de véracité, de sécurité, d’équité, de robustesse, de confidentialité et d’éthique. Boîte à outils Python/CLI pour les modèles locaux, les API compatibles et l’orchestration d’agents d’IA.

HowieHwong
⭐ 635 Python 👤 HowieHwong User 🕐 Mis à jour 2026-10-04 📅 Créé 2023-12-23
143
CubiCasa/CubiCasa5k

Jeu de données de plans d'étage CubiCasa5k

CubiCasa
⭐ 635 Jupyter Notebook 👤 CubiCasa Organization 🕐 Mis à jour 2026-11-08 📅 Créé 2019-01-23
144
achuthasubhash/Complete-Life-Cycle-of-a-Data-Science-Project

Cycle de vie complet d'un projet de science des données

achuthasubhash
⭐ 631 👤 achuthasubhash User 🕐 Mis à jour 2024-06-07 📅 Créé 2020-09-02
145
nghuyong/weibo-cov

Weibo-COV : Un ensemble de données à grande échelle sur les médias sociaux relatifs au COVID-19 provenant de Weibo

nghuyong
⭐ 626 👤 nghuyong User 🕐 Mis à jour 2025-08-23 📅 Créé 2020-02-20
146
ApolloScapeAuto/dataset-api

Le jeu de données ouvert ApolloScape pour la conduite autonome et son application.

ApolloScapeAuto
⭐ 620 Jupyter Notebook 👤 ApolloScapeAuto User 🕐 Mis à jour 2026-10-31 📅 Créé 2018-06-25
147
guptarohit/cryptoCMD

Bibliothèque de données historiques de prix de cryptomonnaies en Python. Données de https://coinmarketcap.com.

guptarohit
⭐ 612 Python 👤 guptarohit User 🕐 Mis à jour 2026-07-25 📅 Créé 2018-01-27
148
HuangCongQing/3D-Point-Clouds

🔥Détection d'objets 3D par nuages de points & Segmentation sémantique (Deep Learning) - Méthodes SOTA, code, articles, ensembles de données, etc.

HuangCongQing
⭐ 611 Jupyter Notebook 👤 HuangCongQing User 🕐 Mis à jour 2025-01-20 📅 Créé 2021-01-15
149
toddrjones/datasets

Une compilation de plus de 150 jeux de données gratuits destinés aux sciences sociales, à la microéconomie appliquée, à la visualisation de données, etc.

toddrjones
⭐ 603 👤 toddrjones User 🕐 Mis à jour 2026-11-20 📅 Créé 2026-10-09
150
RingBDStack/SocialED

Une bibliothèque Python pour la détection d'événements sociaux

RingBDStack
⭐ 597 Python 👤 RingBDStack Organization 🕐 Mis à jour 2026-10-02 📅 Créé 2024-11-27