#synthetic-data Dépôts
Découvrez 49 dépôts GitHub open source actifs associés à #synthetic-data, cumulant 118,509 étoiles au total (soit une moyenne de 2,418 étoiles par projet). Le projet en tête de ce thème est stefan-jansen/machine-learning-for-trading, avec 21,929 étoiles.
49 dépôts au total
Code pour Machine Learning for Trading, 3e édition — de l'acquisition de données à l'exécution en direct.
Affinez facilement (SFT/RL), évaluez et déployez Qwen, Gemma ou tout LLM/VLM agentique open source !
Traitement des données pour et avec des modèles fondamentaux ! 🍎 🍋 🌽 ➡️ ➡️🍸 🍹 🍷
Construire, évaluer et optimiser les systèmes d'IA. Cela comprend les évaluations (evals), le RAG, les agents, l'ajustement précis (fine-tuning), la génération de données synthétiques, la gestion des ensembles de données, le MCP, et plus encore.
Mimesis est une bibliothèque Python permettant de générer des données fictives mais réalistes dans plusieurs langues et paramètres régionaux.
Un pipeline procédural Blender pour la génération d'images d'entraînement photoréalistes
Distilabel est un framework pour les données synthétiques et le feedback IA destiné aux ingénieurs qui ont besoin de pipelines rapides, fiables et évolutives basées sur des articles de recherche vérifiés.
Voici une série de générateurs de visages basés sur StyleGAN2
SDG est un cadre spécialisé conçu pour générer des données tabulaires structurées de haute qualité.
🎨 NeMo Data Designer : Générez des données synthétiques de haute qualité à partir de zéro ou à partir de données semences.
Synthadoc : Un moteur de compilation de connaissances LLM open source qui transforme des documents bruts en wikis structurés et locaux. Une alternative transparente et lisible par l'homme au RAG traditionnel, qui peut être auto-géré et auto-amélioré sans l'utilisation d'aucun outil.
Ce code de jeu de données génère des paires de questions et réponses mathématiques, à partir d'une gamme de types de questions de difficulté approximativement scolaire.
Curation de données synthétiques pour le post-entraînement et l'extraction de données structurées
Détermination de la localisation d'objets détectables à basse altitude. Le SOTA en IA FOSS pour drones !
Générateurs de données synthétiques pour données tabulaires et séries temporelles
Créez, enrichissez et transformez des jeux de données à l'aide de modèles d'IA sans code
Un cadre pour le diagnostic complet et l'optimisation d'agents utilisant des interactions synthétiques réalistes et simulées
DataDreamer: Prompt. Générer des données synthétiques. Entraîner et aligner des modèles. 🤖💤
Code officiel pour MAMMA : Acquisition de mouvement multi-personnes précise et sans marqueurs.
Générez des synthétiques de haute qualité, entraînez, mesurez et évaluez dans un pipeline unique
[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 !
Une bibliothèque légère pour générer des jeux de données synthétiques d'ajustement d'instructions pour vos données sans GPT.
Échantillonnage Verbalisé, une stratégie de sollicitation sans entraînement pour atténuer l'effondrement modal dans les LLM en demandant des réponses avec des probabilités. Permet une amélioration de la diversité de 2 à 3 fois tout en maintenant la qualité. Cadre indépendant du modèle avec CLI/API pour l'écriture créative, la génération de données synthétiques et la simulation de dialogue.
Génération configurable de schémas synthétiques et de graphes de connaissances à portée de main
Une bibliothèque pour générer et évaluer des données tabulaires synthétiques pour la confidentialité, l'équité et l'augmentation des données.
Générateurs de données synthétiques pour textes structurés et non structurés, avec apprentissage différentiellement privé.
Un outil qui utilise des simulations Monte Carlo avancées et le traitement parallèle Turbit pour créer des scénarios de prédiction possibles de Bitcoin.
Une bibliothèque pour modéliser des données multivariées en utilisant des copules.
Ensemble de données et référence pour RAG sur les documents internes de l'entreprise.
[CVPR'26 Mise en avant] Ditto : Mise à l'échelle de l'édition vidéo basée sur des instructions avec un jeu de données synthétique de haute qualité
[CVPR 2025, TPAMI 2026] UniScene : Génération unifiée de scènes de conduite centrée sur l'occupation
Pipeline d'augmentation pour le rendu des processus d'impression sur papier synthétique, fax, numérisation et copie
[ICML 2023] L'implémentation officielle de l'article « TabDDPM : Modélisation des données tabulaires avec des modèles de diffusion »
Concevez, réalisez et analysez les résultats d’enquêtes et d’expériences alimentées par l’IA. Simulez des recherches en sciences sociales et des études de marché avec un grand nombre d’agents d’IA et de grands modèles de langage.
Profondeur de toute vidéo avec des données synthétiques évolutives (ICLR 2025)
Echo-4o : Exploiter les images synthétiques des modèles propriétaires pour une génération d'images améliorée
[ICLR 2026] OmniWorld : un jeu de données multidomaine et multimodal pour la modélisation de mondes 4D
Générez rapidement des données synthétiques pertinentes pour vos projets. Le générateur de données synthétiques de Databricks Labs (également appelé `dbldatagen`) peut servir à produire de grands jeux de données simulés ou synthétiques pour des tests, des preuves de concept (POC) et d’autres usages dans les environnements Databricks, y compris les pipelines Delta Live Tables.
Dessinez un magasin, générez des personnages LLM et regardez-les faire leurs achats — un bac à sable 3D isométrique pour des expériences de consommateurs synthétiques.
Foire aux questions
Quel est le dépôt #synthetic-data le plus populaire sur GitHub ?
Le projet #synthetic-data open source le mieux classé sur GitHub est stefan-jansen/machine-learning-for-trading, avec 21,929 étoiles. Code pour Machine Learning for Trading, 3e édition — de l'acquisition de données à l'exécution en direct.
Quels langages de programmation sont les plus utilisés dans les dépôts #synthetic-data ?
Parmi les projets #synthetic-data les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, TypeScript, Java.
Comment le classement des dépôts #synthetic-data est-il calculé ?
Nous suivons 49 dépôts open source actifs associés à #synthetic-data (500+ étoiles), totalisant 118,509 étoiles, avec une moyenne de 2,418 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.