Git Stars Git Stars

#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
Total des Dépôts
118,509
Nombre total d'étoiles
2,418
Moyenne d'Étoiles/Dépôt
1
stefan-jansen/machine-learning-for-trading

Code pour Machine Learning for Trading, 3e édition — de l'acquisition de données à l'exécution en direct.

stefan-jansen
⭐ 21,929 Jupyter Notebook 👤 stefan-jansen User 🕐 Mis à jour 2026-11-18 📅 Créé 2018-05-09
2
oumi-ai/oumi

Affinez facilement (SFT/RL), évaluez et déployez Qwen, Gemma ou tout LLM/VLM agentique open source !

oumi-ai
⭐ 9,441 Python 👤 oumi-ai Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2024-05-07
3
princeton-vl/infinigen

Mondes photoréalistes infinis utilisant la génération procédurale

princeton-vl
⭐ 7,464 Python 👤 princeton-vl Organization 🕐 Mis à jour 2026-11-11 📅 Créé 2023-06-17
4
datajuicer/data-juicer

Traitement des données pour et avec des modèles fondamentaux ! 🍎 🍋 🌽 ➡️ ➡️🍸 🍹 🍷

datajuicer
⭐ 7,266 Python 👤 datajuicer Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2023-08-01
5
Kiln-AI/Kiln

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.

Kiln-AI
⭐ 5,286 Python 👤 Kiln-AI Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2024-07-23
6
lk-geimfari/mimesis

Mimesis est une bibliothèque Python permettant de générer des données fictives mais réalistes dans plusieurs langues et paramètres régionaux.

lk-geimfari
⭐ 4,873 Python 👤 lk-geimfari User 🕐 Mis à jour 2026-11-13 📅 Créé 2016-09-09
7
DLR-RM/BlenderProc

Un pipeline procédural Blender pour la génération d'images d'entraînement photoréalistes

DLR-RM
⭐ 3,804 Python 👤 DLR-RM Organization 🕐 Mis à jour 2026-01-20 📅 Créé 2019-10-10
8
sdv-dev/SDV

Génération de données synthétiques pour les données tabulaires

sdv-dev
⭐ 3,607 Python 👤 sdv-dev Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2018-05-11
9
synthetichealth/synthea

Simulateur de Population de Patients Synthétiques

synthetichealth
⭐ 3,474 Java 👤 synthetichealth Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2016-06-17
10
argilla-io/distilabel

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.

argilla-io
⭐ 3,467 Python 👤 argilla-io Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2023-10-16
11
pgmpy/pgmpy

Kit d'outils Python pour le raisonnement causal et probabiliste

pgmpy
⭐ 3,387 Python 👤 pgmpy Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2013-09-20
12
a312863063/generators-with-stylegan2

Voici une série de générateurs de visages basés sur StyleGAN2

a312863063
⭐ 2,492 Python 👤 a312863063 User 🕐 Mis à jour 2026-09-03 📅 Créé 2019-12-21
13
rpautrat/SuperPoint

Détecteur et descripteur de caractéristiques neuronaux efficaces

rpautrat
⭐ 2,459 Jupyter Notebook 👤 rpautrat User 🕐 Mis à jour 2025-05-05 📅 Créé 2018-03-05
14
hitsz-ids/synthetic-data-generator

SDG est un cadre spécialisé conçu pour générer des données tabulaires structurées de haute qualité.

hitsz-ids
⭐ 2,442 Python 👤 hitsz-ids Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2023-08-10
15
NVIDIA-NeMo/DataDesigner

🎨 NeMo Data Designer : Générez des données synthétiques de haute qualité à partir de zéro ou à partir de données semences.

NVIDIA-NeMo
⭐ 2,419 Python 👤 NVIDIA-NeMo Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2025-10-16
16
unrealcv/unrealcv

UnrealCV : Connecter la vision par ordinateur à Unreal Engine

unrealcv
⭐ 2,227 Python 👤 unrealcv Organization 🕐 Mis à jour 2026-09-04 📅 Créé 2016-09-08
17
axoviq-ai/synthadoc

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.

axoviq-ai
⭐ 1,998 Python 👤 axoviq-ai Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2026-04-11
18
google-deepmind/mathematics_dataset

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.

google-deepmind
⭐ 1,925 Python 👤 google-deepmind Organization 🕐 Mis à jour 2024-12-23 📅 Créé 2019-03-27
19
GreenmaskIO/greenmask

Anonymisation de la base de données et gestion des données de test

GreenmaskIO
⭐ 1,809 Go 👤 GreenmaskIO Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2023-12-01
20
bespokelabsai/curator

Curation de données synthétiques pour le post-entraînement et l'extraction de données structurées

bespokelabsai
⭐ 1,766 Python 👤 bespokelabsai Organization 🕐 Mis à jour 2026-11-02 📅 Créé 2024-10-28
21
stephansturges/WALDO

Détermination de la localisation d'objets détectables à basse altitude. Le SOTA en IA FOSS pour drones !

stephansturges
⭐ 1,690 Python 👤 stephansturges User 🕐 Mis à jour 2025-01-07 📅 Créé 2022-11-02
22
Data-Centric-AI-Community/fg-data-synthetic

Générateurs de données synthétiques pour données tabulaires et séries temporelles

Data-Centric-AI-Community
⭐ 1,662 Jupyter Notebook 👤 Data-Centric-AI-Community Organization 🕐 Mis à jour 2026-09-03 📅 Créé 2020-05-04
23
huggingface/aisheets

Créez, enrichissez et transformez des jeux de données à l'aide de modèles d'IA sans code

huggingface
⭐ 1,656 TypeScript 👤 huggingface Organization 🕐 Mis à jour 2026-09-23 📅 Créé 2025-01-16
24
sdv-dev/CTGAN

GAN conditionnel pour générer des données tabulaires synthétiques.

sdv-dev
⭐ 1,579 Python 👤 sdv-dev Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2019-09-08
25
shuttle-hq/synth

Le générateur de données déclaratif

shuttle-hq
⭐ 1,472 Rust 👤 shuttle-hq Organization 🕐 Mis à jour 2024-09-27 📅 Créé 2020-08-09
26
plurai-ai/intellagent

Un cadre pour le diagnostic complet et l'optimisation d'agents utilisant des interactions synthétiques réalistes et simulées

plurai-ai
⭐ 1,266 Python 👤 plurai-ai Organization 🕐 Mis à jour 2026-09-14 📅 Créé 2024-10-28
27
datadreamer-dev/DataDreamer

DataDreamer: Prompt. Générer des données synthétiques. Entraîner et aligner des modèles.   🤖💤

datadreamer-dev
⭐ 1,112 Python 👤 datadreamer-dev Organization 🕐 Mis à jour 2025-02-02 📅 Créé 2023-06-02
28
cuevhv/mamma

Code officiel pour MAMMA : Acquisition de mouvement multi-personnes précise et sans marqueurs.

cuevhv
⭐ 907 Python 👤 cuevhv User 🕐 Mis à jour 2026-11-10 📅 Créé 2026-05-06
29
nolabs-ai/deepfabric

Générez des synthétiques de haute qualité, entraînez, mesurez et évaluez dans un pipeline unique

nolabs-ai
⭐ 896 Python 👤 nolabs-ai Organization 🕐 Mis à jour 2026-11-13 📅 Créé 2024-10-25
30
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
31
BatsResearch/bonito

Une bibliothèque légère pour générer des jeux de données synthétiques d'ajustement d'instructions pour vos données sans GPT.

BatsResearch
⭐ 831 Python 👤 BatsResearch Organization 🕐 Mis à jour 2025-07-15 📅 Créé 2024-02-25
32
CHATS-lab/verbalized-sampling

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.

CHATS-lab
⭐ 828 Python 👤 CHATS-lab Organization 🕐 Mis à jour 2026-11-08 📅 Créé 2025-05-20
33
mostly-ai/mostlyai

SDK de données synthétiques ✨

mostly-ai
⭐ 805 Python 👤 mostly-ai Organization 🕐 Mis à jour 2026-10-29 📅 Créé 2023-12-22
34
nicolas-hbt/pygraft

Génération configurable de schémas synthétiques et de graphes de connaissances à portée de main

nicolas-hbt
⭐ 718 Python 👤 nicolas-hbt User 🕐 Mis à jour 2026-01-26 📅 Créé 2023-09-07
35
vanderschaarlab/synthcity

Une bibliothèque pour générer et évaluer des données tabulaires synthétiques pour la confidentialité, l'équité et l'augmentation des données.

vanderschaarlab
⭐ 697 Python 👤 vanderschaarlab Organization 🕐 Mis à jour 2026-04-21 📅 Créé 2022-03-18
36
gretelai/gretel-synthetics

Générateurs de données synthétiques pour textes structurés et non structurés, avec apprentissage différentiellement privé.

gretelai
⭐ 671 Python 👤 gretelai Organization 🕐 Mis à jour 2025-06-24 📅 Créé 2020-03-02
37
jofpin/synthBTC

Un outil qui utilise des simulations Monte Carlo avancées et le traitement parallèle Turbit pour créer des scénarios de prédiction possibles de Bitcoin.

jofpin
⭐ 664 JavaScript 👤 jofpin User 🕐 Mis à jour 2024-08-04 📅 Créé 2024-08-02
38
sdv-dev/Copulas

Une bibliothèque pour modéliser des données multivariées en utilisant des copules.

sdv-dev
⭐ 658 Python 👤 sdv-dev Organization 🕐 Mis à jour 2026-11-16 📅 Créé 2017-11-13
39
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
40
EzioBy/Ditto

[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

EzioBy
⭐ 636 Python 👤 EzioBy User 🕐 Mis à jour 2026-06-01 📅 Créé 2025-10-19
41
Arlo0o/UniScene-Unified-Occupancy-centric-Driving-Scene-Generation

[CVPR 2025, TPAMI 2026] UniScene : Génération unifiée de scènes de conduite centrée sur l'occupation

Arlo0o
⭐ 624 Python 👤 Arlo0o User 🕐 Mis à jour 2026-05-24 📅 Créé 2024-12-10
42
sparkfish/augraphy

Pipeline d'augmentation pour le rendu des processus d'impression sur papier synthétique, fax, numérisation et copie

sparkfish
⭐ 559 Python 👤 sparkfish Organization 🕐 Mis à jour 2025-07-20 📅 Créé 2021-05-31
43
yandex-research/tab-ddpm

[ICML 2023] L'implémentation officielle de l'article « TabDDPM : Modélisation des données tabulaires avec des modèles de diffusion »

yandex-research
⭐ 523 Python 👤 yandex-research Organization 🕐 Mis à jour 2024-07-13 📅 Créé 2022-10-02
44
expectedparrot/edsl

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.

expectedparrot
⭐ 521 Python 👤 expectedparrot Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2024-01-02
45
Nightmare-n/DepthAnyVideo

Profondeur de toute vidéo avec des données synthétiques évolutives (ICLR 2025)

Nightmare-n
⭐ 508 Python 👤 Nightmare-n User 🕐 Mis à jour 2024-12-04 📅 Créé 2024-10-08
46
yejy53/Echo-4o

Echo-4o : Exploiter les images synthétiques des modèles propriétaires pour une génération d'images améliorée

yejy53
⭐ 507 Jupyter Notebook 👤 yejy53 User 🕐 Mis à jour 2025-12-09 📅 Créé 2025-08-11
47
yangzhou24/OmniWorld

[ICLR 2026] OmniWorld : un jeu de données multidomaine et multimodal pour la modélisation de mondes 4D

yangzhou24
⭐ 506 Python 👤 yangzhou24 User 🕐 Mis à jour 2026-04-16 📅 Créé 2025-09-15
48
databrickslabs/dbldatagen

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.

databrickslabs
⭐ 506 Python 👤 databrickslabs Organization 🕐 Mis à jour 2026-10-26 📅 Créé 2019-07-23
49
intellicia-public/parastore

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.

intellicia-public
⭐ 502 TypeScript 👤 intellicia-public Organization 🕐 Mis à jour 2026-05-21 📅 Créé 2026-05-15

Foire aux questions

1

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.

2

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.

3

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.