#data-curation Repositórios
Descubra 65 repositórios ativos de código aberto no GitHub marcados com #data-curation, acumulando um total de 182,804 estrelas (uma média de 2,812 por projeto). O líder deste tópico é formulahendry/955.WLB, com 36,238 estrelas.
65 repositórios no total
Lista de empresas que não fazem horas extras 955 - Trabalhar 955, work–life balance (equilíbrio entre vida pessoal e profissional)
🇨🇳 Pacote de figurinhas chinesas, Mais alegria / O museu das figurinhas, o repositório mais viciante do Github, uma vasta coleção de figurinhas chinesas, pura diversão~
A biblioteca de código aberto do Cleanlab é o pacote padrão de IA centrado em dados para qualidade de dados e aprendizado de máquina com dados e rótulos reais e confusos.
【Edição de Colecionador】Fontes de transmissão ao vivo em HD cobrindo quase todos os canais de TV aberta, com logotipo de canal perfeito e guia de programação integrados
O repositório RedPajama-Data contém código para preparar grandes conjuntos de dados para treinar grandes modelos de linguagem.
Mantido por mais de 5 anos, verificação diária de disponibilidade, assinatura dos nós gratuitos de maior qualidade na rede, seleção diabolicamente rigorosa de nós gratuitos de alta qualidade: shadowrocket | stash | singbox | clash | karing | hiddify | mihomo | clashmi | ClashMeta | FIClash | Surfboard
Resumo de modelos de marcas de celulares | Modelos de Celular | Este repositório é licenciado sob CC BY-NC-SA 4.0
Personalize profundamente sua própria lista de fontes de transmissão ao vivo, [prévia perfeita do programa EPG, logotipo de canal de alta definição]
Framework de código aberto para pesquisa e desenvolvimento de modelos de fundação.
Nano Banana(nanobanana), GPT-5(GPT5), GPT-4o(GPT4o) Prompts de Imagem, Prompts Nanobanana, Prompts Nanobanana
Lista com curadoria de arquivos .mdc de Regras do Cursor incríveis.
"A América contra a América" foi escrito pelo Sr. Wang Huning após observar e escrever nos Estados Unidos no final dos anos 80. Sabemos o quão alta era a admiração da China pelo Ocidente, especialmente pelos Estados Unidos, naquela época, por isso fiquei muito admirado ao ver um acadêmico com uma percepção tão clara já nos anos 80. Como apenas uma versão digitalizada em PDF de péssima qualidade estava disponível online, decidi usar a tecnologia OCR e meus próprios olhos (OCR humano) para convertê-la para um formato de texto moderno. Isso foi totalmente concluído agora.
Coleção cuidadosamente selecionada dos posts épicos (神贴) de Tianya, sem marca d’água, para facilitar a leitura
O Livro de Receitas Aberto para o Modelo de Linguagem Grande de Código de Nível Superior
fastdup é uma ferramenta poderosa e gratuita, projetada para gerar rapidamente insights valiosos a partir de conjuntos de dados de imagens e vídeos. Ela ajuda a melhorar a qualidade de imagens e rótulos, ao mesmo tempo em que reduz significativamente os custos de operação de dados, tudo com escalabilidade incomparável.
Kit de ferramentas escalável para pré-processamento e curadoria de dados para LLMs
Central de informações para o nosso projeto de treinamento dos maiores LLMs históricos possíveis.
Lista de palavras sensíveis e palavras de parada comumente usadas na Internet
Compartilhamento de recursos de filmes e séries no Baidu Netdisk, Quark Netdisk e Aliyun Drive. Publicação diária das últimas séries de TV, programas de variedades e recursos cinematográficos.
Este repositório visa apoiar contribuições para ferramentas para o conjunto de dados Project CodeNet hospedado em DAX
Kaishi 1.5k é um baralho Anki japonês moderno e modular feito para iniciantes que desejam aprender vocabulário básico.
Repositório oficial do artigo "Escalando a Criação de Dados Sintéticos com 1.000.000.000 de Personas"
Repositório contendo arquivos de cheatcode, arquivos de dados de conteúdo, etc.
HuatuoGPT, Rumo a Domar Modelos de Linguagem Para Ser um Médico. (Um GPT Médico Aberto)
dados legíveis por máquina para https://awesome-selfhosted.net
O Washington Post está compilando um banco de dados de todos os tiroteios fatais nos Estados Unidos por um policial em serviço desde 2015.
Uma lista selecionada, mas incompleta, de recursos de IA centrados em dados.
Um gerenciador abrangente que administra os recursos internos do computador e oferece gamificação
Foram coletados e organizados os temas de todas as edições do Concurso Nacional de Design Eletrônico para Estudantes Universitários, abrangendo o período de 1994 a 2025. Quaisquer omissões ou complementos são bem-vindos!
Uma lista de ataques conhecidos contra entidades detentoras de Bitcoin / ativos criptográficos que ocorreram no mundo físico (meatspace).
Notebooks Google Colab acessíveis para treinamento Lora do Stable Diffusion, baseados no trabalho de kohya-ss e Linaqruf
Base de dados aberta de startups de destaque no setor de semicondutores
Perguntas Frequentes
Qual é o repositório de #data-curation mais popular no GitHub?
O projeto de código aberto de #data-curation mais bem classificado no GitHub é formulahendry/955.WLB, com 36,238 estrelas. Lista de empresas que não fazem horas extras 955 - Trabalhar 955, work–life balance (equilíbrio entre vida pessoal e profissional)
Quais linguagens de programação são mais usadas nos repositórios de #data-curation?
Entre os projetos de #data-curation mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, TypeScript, JavaScript, Jupyter Notebook.
Como é calculada a classificação dos repositórios de #data-curation?
Acompanhamos 65 repositórios ativos de código aberto marcados com #data-curation (com mais de 500 estrelas), totalizando 182,804 estrelas e uma média de 2,812 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.