Git Stars Git Stars

#dataset Repository

Scopri 173 repository GitHub open source attivi contrassegnati con #dataset, che raccolgono un totale di 893,448 stelle (con una media di 5,164 stelle per progetto). Il progetto leader di questo argomento è public-apis/public-apis, con 500,577 stelle.

173
Totale Repository
893,448
Totale stelle
5,164
Media Stelle/Repo

173 repository in totale

1
public-apis/public-apis

Un elenco collettivo di API gratuite

public-apis
⭐ 500,577 Python 👤 public-apis Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2016-03-20
2
HumanSignal/label-studio

Label Studio è uno strumento per l'etichettatura e l'annotazione di dati di tipo multiplo con formato di output standardizzato

HumanSignal
⭐ 28,739 TypeScript 👤 HumanSignal Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2019-06-19
3
hasaneyldrm/exercises-dataset

Dataset di fitness con 1.324 esercizi: GIF animate, miniature 180×180, dati su gruppi muscolari e attrezzature, e istruzioni passo-passo in 6 lingue. Il livello di dati sugli esercizi alla base dell'app LogPress.

hasaneyldrm
⭐ 23,938 HTML 👤 hasaneyldrm User 🕐 Aggiornato 2026-07-16 📅 Creato 2026-03-18
4
joke2k/faker

Faker è un pacchetto Python che genera dati falsi per te.

joke2k
⭐ 19,502 Python 👤 joke2k User 🕐 Aggiornato 2026-11-20 📅 Creato 2012-11-12
5
cvat-ai/cvat

CVAT è una piattaforma leader per l’annotazione dei dati relativi a dataset di immagini, video, audio e 3D. Offre prodotti open source, cloud ed enterprise, oltre a servizi di labeling, con labeling assistito dall’IA, garanzia della qualità, collaborazione in team, analisi e API per sviluppatori.

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

pix2tex: Utilizzo di un ViT per convertire immagini di equazioni in codice LaTeX.

lukas-blecher
⭐ 16,430 Python 👤 lukas-blecher User 🕐 Aggiornato 2025-01-18 📅 Creato 2020-12-11
7
ConardLi/easy-dataset

Uno strumento potente per creare set di dati per il fine-tuning di LLM、RAG e Eval

ConardLi
⭐ 15,135 JavaScript 👤 ConardLi User 🕐 Aggiornato 2026-05-01 📅 Creato 2025-03-04
8
doccano/doccano

Strumento di annotazione open source per i praticanti di machine learning.

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

Tecniche per il deep learning con immagini satellitari e aeree

satellite-image-deep-learning
⭐ 10,311 👤 satellite-image-deep-learning Organization 🕐 Aggiornato 2026-11-07 📅 Creato 2018-04-16
10
brightmart/nlp_chinese_corpus

Corpus cinese su larga scala per NLP

brightmart
⭐ 9,937 👤 brightmart User 🕐 Aggiornato 2026-02-06 📅 Creato 2019-02-08
11
mdn/browser-compat-data

Dati di compatibilità del browser per le tecnologie Web come visualizzati su MDN

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

Modelli NLP Cinesi Pre-addestrati Fantastici, Raccolta di Modelli Pre-addestrati Cinesi di Alta Qualità & Modelli Grandi & Modelli Multimodali & Modelli di Linguaggio Grandi

lonePatient
⭐ 5,618 Python 👤 lonePatient User 🕐 Aggiornato 2026-08-30 📅 Creato 2019-05-25
13
designfuchen/word-atlas

词光 · Word Atlas — Vocabolario IELTS illustrato con 7.298 parole, audio britannico e americano e ripasso con FSRS. App open source + dataset CC BY 4.0.

designfuchen
⭐ 5,158 TypeScript 👤 designfuchen User 🕐 Aggiornato 2026-11-13 📅 Creato 2026-10-25
14
mlabonne/llm-datasets

Elenco curato di set di dati e strumenti per il post-training.

mlabonne
⭐ 4,838 👤 mlabonne User 🕐 Aggiornato 2026-04-29 📅 Creato 2024-04-27
15
SPLWare/esProc

esProc SPL è un linguaggio di programmazione basato su JVM progettato per il calcolo di dati strutturati, fungendo sia da strumento di analisi dati che da motore di calcolo incorporato.

SPLWare
⭐ 4,674 Java 👤 SPLWare User 🕐 Aggiornato 2026-11-18 📅 Creato 2021-11-09
16
tensorflow/datasets

TFDS è una collezione di dataset pronti per l'uso con TensorFlow, Jax, ...

tensorflow
⭐ 4,610 Python 👤 tensorflow Organization 🕐 Aggiornato 2026-11-13 📅 Creato 2018-09-10
17
hyunwoongko/transformer

Transformer: Implementazione PyTorch di "Attention Is All You Need"

hyunwoongko
⭐ 4,609 Python 👤 hyunwoongko User 🕐 Aggiornato 2025-07-15 📅 Creato 2019-10-15
18
rom1504/img2dataset

Trasforma facilmente grandi set di URL di immagini in un set di dati di immagini. Può scaricare, ridimensionare e pacchettizzare 100 milioni di URL in 20 ore su una macchina.

rom1504
⭐ 4,458 Python 👤 rom1504 User 🕐 Aggiornato 2025-10-19 📅 Creato 2021-08-11
19
wainshine/Chinese-Names-Corpus

Corpus di nomi cinesi. Generatore di nomi. Nomi cinesi, cognomi, nomi propri, titoli, nomi giapponesi, nomi tradotti, nomi inglesi. Può essere utilizzato per la segmentazione di parole in cinese e il riconoscimento di entità nominate.

wainshine
⭐ 4,347 👤 wainshine User 🕐 Aggiornato 2025-11-09 📅 Creato 2016-12-08
20
whoiskatrin/sql-translator

SQL Translator è uno strumento per la conversione di query in linguaggio naturale in codice SQL utilizzando l'intelligenza artificiale. Questo progetto è gratuito al 100% e open source.

whoiskatrin
⭐ 4,315 TypeScript 👤 whoiskatrin User 🕐 Aggiornato 2025-07-06 📅 Creato 2023-03-11
21
CLUEbenchmark/CLUE

Benchmark di Valutazione della Comprensione della Lingua Cinese: dataset, baseline, modelli pre-addestrati, corpus e leaderboard

CLUEbenchmark
⭐ 4,288 Python 👤 CLUEbenchmark Organization 🕐 Aggiornato 2026-02-06 📅 Creato 2019-11-22
22
OpenCSGs/csghub

CSGHub è una piattaforma open-source nuovissima per la gestione di LLM, sviluppata dal team OpenCSG. Offre soluzioni sia open-source che on-premise/SaaS, con funzionalità paragonabili a Hugging Face. Ottieni il pieno controllo sul ciclo di vita di LLM, dataset e agenti, con compatibilità dell'SDK Python con Hugging Face. Unisciti a noi! ⭐️

OpenCSGs
⭐ 4,083 Vue 👤 OpenCSGs Organization 🕐 Aggiornato 2026-11-13 📅 Creato 2024-01-12
23
Charmve/Surface-Defect-Detection

📈 L'attuale più grande database e raccolta di articoli sulla rilevazione dei difetti industriali. Riassunto costante di set di dati open source e articoli critici nel campo della ricerca sui difetti superficiali, di grande importanza.

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

Elenco di articoli e set di dati per il rilevamento di anomalie/difetti nelle immagini industriali (in aggiornamento). Libreria di ricerca di articoli e set di dati sul rilevamento di anomalie/difetti industriali (aggiornamento continuo).

M-3LAB
⭐ 3,866 👤 M-3LAB Organization 🕐 Aggiornato 2026-11-05 📅 Creato 2022-12-02
25
Belval/TextRecognitionDataGenerator

Un generatore di dati sintetici per il riconoscimento del testo

Belval
⭐ 3,619 Python 👤 Belval User 🕐 Aggiornato 2024-07-18 📅 Creato 2017-07-01
26
ashvardanian/StringZilla

SIMD, SWAR e kernel GPU per stringhe: ricerca, hashing, ordinamento, distanze di modifica, segmentazione UTF-8 e cifrari per C, C++, CUDA, Python, Rust, Go, Swift, JS, C# e Java 🦖

ashvardanian
⭐ 3,590 C 👤 ashvardanian User 🕐 Aggiornato 2026-11-20 📅 Creato 2020-08-14
27
jdorfman/awesome-json-datasets

Una lista curata di dataset JSON fantastici che non richiedono autenticazione.

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

Elenco di set di dati di immagini mediche "Un indice per set di dati di immagini mediche"

linhandev
⭐ 3,421 👤 linhandev User 🕐 Aggiornato 2024-08-15 📅 Creato 2020-12-04
30
pydata/pandas-datareader

Estrai dati da una vasta gamma di fonti Internet in un DataFrame pandas.

pydata
⭐ 3,283 Python 👤 pydata Organization 🕐 Aggiornato 2026-07-21 📅 Creato 2015-01-15
31
meodai/color-names

Ampia lista di nomi di colori selezionati a mano 🌈

meodai
⭐ 3,111 JavaScript 👤 meodai User 🕐 Aggiornato 2026-11-19 📅 Creato 2017-04-23
32
WebBreacher/WhatsMyName

Dataset gestito dalla community di oltre 700 siti web per trovare account tramite nome utente — alimenta strumenti di OSINT e impronta digitale.

WebBreacher
⭐ 3,043 Python 👤 WebBreacher User 🕐 Aggiornato 2026-11-02 📅 Creato 2015-10-02
33
whylabs/whylogs

Una libreria open-source per la registrazione dei dati per modelli di machine learning e pipeline di dati. 📚 Fornisce visibilità sulla qualità dei dati e sulle prestazioni del modello nel tempo. 🛡️ Supporta la raccolta dati che preserva la privacy, garantendo sicurezza e robustezza. 📈

whylabs
⭐ 2,819 Jupyter Notebook 👤 whylabs Organization 🕐 Aggiornato 2025-01-10 📅 Creato 2020-08-14
34
unsplash/datasets

🎁 Oltre 7.400.000 immagini Unsplash rese disponibili per ricerca e machine learning

unsplash
⭐ 2,812 Jupyter Notebook 👤 unsplash Organization 🕐 Aggiornato 2026-06-26 📅 Creato 2020-06-23
35
colour-science/colour

Scienza del Colore per Python

colour-science
⭐ 2,696 Python 👤 colour-science Organization 🕐 Aggiornato 2026-11-19 📅 Creato 2014-02-23
36
GanjinZero/awesome_Chinese_medical_NLP

Raccolta di risorse aperte per NLP medico in cinese: Insigni termini/Corpus/Vettori di parole/Modelli pre-addestrati/Grafi di conoscenza/Riconoscimento di entità nominate/QA/Estrazione informazioni/Modelli/Cartacei/etc

GanjinZero
⭐ 2,518 👤 GanjinZero User 🕐 Aggiornato 2024-01-17 📅 Creato 2019-10-30
37
detectRecog/CCPD

[ECCV 2018] CCPD: un dataset vario e ben annotato per il rilevamento e il riconoscimento delle targhe

detectRecog
⭐ 2,509 Python 👤 detectRecog User 🕐 Aggiornato 2024-02-15 📅 Creato 2018-04-03
38
itmeo/webgradients

180 gradienti gratuiti CSS3, Figma, Sketch e PSD — più un set di dati JSON per strumenti di design, generatori e agenti AI.

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

Elenchi di paesi ISO 3166-1 uniti ai loro codici regionali dello schema geografico ONU in set di dati JSON, XML e CSV pronti all'uso

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

Una raccolta completa e aggiornata di set di dati, strumenti, metodi, articoli di revisione e concorsi per il rilevamento del cambiamento da telerilevamento.

wenhwu
⭐ 2,377 👤 wenhwu User 🕐 Aggiornato 2026-09-09 📅 Creato 2018-11-03
41
google-research-datasets/Objectron

Objectron è un dataset di clip video brevi e centrate sugli oggetti. Inoltre, i video contengono anche metadati di sessione AR, inclusi pose della fotocamera, nuvole di punti sparse e piani. In ogni video, la fotocamera si muove intorno e sopra l'oggetto e lo cattura da diverse viste. Ogni oggetto è annotato con una bounding box 3D. La bounding box 3D descrive la posizione, l'orientamento e le dimensioni dell'oggetto. Il dataset contiene circa 15K clip video annotate e 4M immagini annotate nelle seguenti categorie.

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

Un benchmark eterogeneo per il recupero delle informazioni. Facile da usare, valuta i tuoi modelli su oltre 15 diversi set di dati IR.

beir-cellar
⭐ 2,310 Python 👤 beir-cellar Organization 🕐 Aggiornato 2025-10-16 📅 Creato 2021-01-18
43
alibaba/clusterdata

Dati dei cluster raccolti dai cluster di produzione in Alibaba per la ricerca sulla gestione dei cluster

alibaba
⭐ 2,270 Jupyter Notebook 👤 alibaba Organization 🕐 Aggiornato 2026-10-13 📅 Creato 2017-09-05
44
jim-schwoebel/voice_datasets

🔊 Un elenco completo di set di dati open-source per l'elaborazione vocale e sonora (oltre 95 set di dati).

jim-schwoebel
⭐ 2,106 👤 jim-schwoebel User 🕐 Aggiornato 2024-06-06 📅 Creato 2019-07-24
45
UniversalDataTool/universal-data-tool

Collabora ed etichetta qualsiasi tipo di dato, immagine, testo o documento, in una semplice interfaccia web o applicazione desktop.

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

Real-World Masked Face Dataset, set di dati di volti con maschera nel mondo reale

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

Un dataset cartografico globale nel dominio pubblico, disponibile in tre scale e con dati vettoriali e raster strettamente integrati.

nvkelso
⭐ 2,015 HTML 👤 nvkelso User 🕐 Aggiornato 2024-04-22 📅 Creato 2012-01-22
48
visual-layer/fastdup

fastdup è uno strumento potente e gratuito progettato per generare rapidamente preziose informazioni da set di dati di immagini e video. Aiuta a migliorare la qualità sia delle immagini che delle etichette, riducendo significativamente i costi operativi dei dati, il tutto con una scalabilità senza pari.

visual-layer
⭐ 1,915 Python 👤 visual-layer Organization 🕐 Aggiornato 2026-08-23 📅 Creato 2022-05-11
49
safe-graph/graph-fraud-detection-papers

Un elenco curato di articoli e risorse basati su grafi/transformer per il rilevamento di frodi, anomalie e outlier

safe-graph
⭐ 1,908 👤 safe-graph Organization 🕐 Aggiornato 2026-11-15 📅 Creato 2019-11-21
50
thanglequoc/vietnamese-provinces-database

Dataset SQL e GIS completi sulle unità amministrative vietnamite, comprese province, distretti, quartieri, codici postali e confini geospaziali.

thanglequoc
⭐ 1,868 PLpgSQL 👤 thanglequoc User 🕐 Aggiornato 2026-10-14 📅 Creato 2021-11-06

Domande frequenti

1

Qual è il repository #dataset più popolare su GitHub?

Il progetto open source #dataset più alto in classifica su GitHub è public-apis/public-apis, con 500,577 stelle. Un elenco collettivo di API gratuite

2

Quali linguaggi di programmazione sono più utilizzati nei repository #dataset?

Tra i progetti #dataset più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, JavaScript, Jupyter Notebook, TypeScript.

3

Come viene calcolata la classifica dei repository #dataset?

Monitoriamo 173 repository open source attivi contrassegnati con #dataset (500+ stelle), per un totale di 893,448 stelle e una media di 5,164 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.