Git Stars Git Stars

#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
Total de Repositórios
182,804
Total de estrelas
2,812
Média de Estrelas/Repositório

65 repositórios no total

1
formulahendry/955.WLB

Lista de empresas que não fazem horas extras 955 - Trabalhar 955, work–life balance (equilíbrio entre vida pessoal e profissional)

formulahendry
⭐ 36,238 👤 formulahendry User 🕐 Atualizado 2025-02-03 📅 Criado 2019-03-27
2
zhaoolee/ChineseBQB

🇨🇳 Pacote de figurinhas chinesas, Mais alegria / O museu das figurinhas, o repositório mais viciante do Github, uma vasta coleção de figurinhas chinesas, pura diversão~

zhaoolee
⭐ 16,617 TypeScript 👤 zhaoolee User 🕐 Atualizado 2026-11-06 📅 Criado 2019-05-08
3
cleanlab/cleanlab

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.

cleanlab
⭐ 11,755 Python 👤 cleanlab Organization 🕐 Atualizado 2026-01-13 📅 Criado 2018-05-11
4
voxel51/fiftyone

Refinar conjuntos de dados de alta qualidade e modelos de IA visual

voxel51
⭐ 11,324 TypeScript 👤 voxel51 Organization 🕐 Atualizado 2026-11-21 📅 Criado 2020-04-22
5
suxuang/myIPTV

【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

suxuang
⭐ 5,123 👤 suxuang User 🕐 Atualizado 2026-09-13 📅 Criado 2024-04-29
6
togethercomputer/RedPajama-Data

O repositório RedPajama-Data contém código para preparar grandes conjuntos de dados para treinar grandes modelos de linguagem.

togethercomputer
⭐ 4,997 Python 👤 togethercomputer Organization 🕐 Atualizado 2026-06-03 📅 Criado 2023-04-14
7
lixin4ever/Conference-Acceptance-Rate

Taxas de aceitação para as principais conferências de IA

lixin4ever
⭐ 4,781 Jupyter Notebook 👤 lixin4ever User 🕐 Atualizado 2025-09-23 📅 Criado 2017-10-20
8
Jsnzkpg/Jsnzkpg

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

Jsnzkpg
⭐ 4,410 👤 Jsnzkpg User 🕐 Atualizado 2026-11-17 📅 Criado 2021-12-26
9
KHwang9883/MobileModels

Resumo de modelos de marcas de celulares | Modelos de Celular | Este repositório é licenciado sob CC BY-NC-SA 4.0

KHwang9883
⭐ 4,351 👤 KHwang9883 User 🕐 Atualizado 2026-11-20 📅 Criado 2018-10-31
10
Meroser/IPTV

Personalize profundamente sua própria lista de fontes de transmissão ao vivo, [prévia perfeita do programa EPG, logotipo de canal de alta definição]

Meroser
⭐ 4,165 👤 Meroser User 🕐 Atualizado 2026-03-29 📅 Criado 2023-05-11
11
marin-community/marin

Framework de código aberto para pesquisa e desenvolvimento de modelos de fundação.

marin-community
⭐ 4,135 Python 👤 marin-community Organization 🕐 Atualizado 2026-11-21 📅 Criado 2024-03-22
12
songguoxs/gpt4o-image-prompts

Nano Banana(nanobanana), GPT-5(GPT5), GPT-4o(GPT4o) Prompts de Imagem, Prompts Nanobanana, Prompts Nanobanana

songguoxs
⭐ 3,882 JavaScript 👤 songguoxs User 🕐 Atualizado 2026-01-08 📅 Criado 2025-04-28
13
sanjeed5/awesome-cursor-rules-mdc

Lista com curadoria de arquivos .mdc de Regras do Cursor incríveis.

sanjeed5
⭐ 3,589 Python 👤 sanjeed5 User 🕐 Atualizado 2026-05-19 📅 Criado 2025-02-17
14
Docta-ai/docta

Um Doutor para seus dados

Docta-ai
⭐ 3,479 Python 👤 Docta-ai Organization 🕐 Atualizado 2026-06-16 📅 Criado 2023-05-02
15
zealotCE/America-Against-America

"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.

zealotCE
⭐ 3,130 👤 zealotCE User 🕐 Atualizado 2026-05-14 📅 Criado 2017-11-23
16
meagmohit/EEG-Datasets

Uma lista de todos os conjuntos de dados de EEG públicos

meagmohit
⭐ 3,124 👤 meagmohit User 🕐 Atualizado 2025-10-17 📅 Criado 2017-08-18
17
jiji262/tianya-docs

Coleção cuidadosamente selecionada dos posts épicos (神贴) de Tianya, sem marca d’água, para facilitar a leitura

jiji262
⭐ 3,102 👤 jiji262 User 🕐 Atualizado 2026-07-28 📅 Criado 2023-05-08
18
mahavivo/english-wordlists

Vocabulário Comum em Inglês

mahavivo
⭐ 2,205 👤 mahavivo User 🕐 Atualizado 2024-05-11 📅 Criado 2017-12-30
19
OpenCoder-llm/OpenCoder-llm

O Livro de Receitas Aberto para o Modelo de Linguagem Grande de Código de Nível Superior

OpenCoder-llm
⭐ 1,969 Python 👤 OpenCoder-llm User 🕐 Atualizado 2024-12-08 📅 Criado 2024-10-26
20
visual-layer/fastdup

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.

visual-layer
⭐ 1,915 Python 👤 visual-layer Organization 🕐 Atualizado 2026-08-23 📅 Criado 2022-05-11
21
NVIDIA-NeMo/Curator

Kit de ferramentas escalável para pré-processamento e curadoria de dados para LLMs

NVIDIA-NeMo
⭐ 1,866 Python 👤 NVIDIA-NeMo Organization 🕐 Atualizado 2026-11-19 📅 Criado 2024-03-14
22
DGoettlich/history-llms

Central de informações para o nosso projeto de treinamento dos maiores LLMs históricos possíveis.

DGoettlich
⭐ 1,808 👤 DGoettlich User 🕐 Atualizado 2025-12-22 📅 Criado 2025-12-14
23
tanweai/wooyun-legacy

habilidade wooyun-legacy para o código Claude

tanweai
⭐ 1,792 👤 tanweai User 🕐 Atualizado 2026-07-14 📅 Criado 2026-01-23
24
fwwdn/sensitive-stop-words

Lista de palavras sensíveis e palavras de parada comumente usadas na Internet

fwwdn
⭐ 1,746 Python 👤 fwwdn User 🕐 Atualizado 2026-03-10 📅 Criado 2015-02-02
25
acoooder/aliyunpanshare

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.

acoooder
⭐ 1,729 👤 acoooder User 🕐 Atualizado 2026-11-21 📅 Criado 2023-02-21
26
IBM/Project_CodeNet

Este repositório visa apoiar contribuições para ferramentas para o conjunto de dados Project CodeNet hospedado em DAX

IBM
⭐ 1,700 Python 👤 IBM Organization 🕐 Atualizado 2026-11-10 📅 Criado 2021-05-03
27
donkuri/kaishi

Kaishi 1.5k é um baralho Anki japonês moderno e modular feito para iniciantes que desejam aprender vocabulário básico.

donkuri
⭐ 1,603 👤 donkuri User 🕐 Atualizado 2026-10-25 📅 Criado 2024-02-04
28
tencent-ailab/persona-hub

Repositório oficial do artigo "Escalando a Criação de Dados Sintéticos com 1.000.000.000 de Personas"

tencent-ailab
⭐ 1,585 Python 👤 tencent-ailab User 🕐 Atualizado 2025-02-19 📅 Criado 2024-06-22
29
JeffSackmann/tennis_atp

Classificação, Resultados e Estatísticas do Tênis ATP

JeffSackmann
⭐ 1,577 👤 JeffSackmann User 🕐 Atualizado 2026-06-08 📅 Criado 2015-03-13
30
libretro/libretro-database

Repositório contendo arquivos de cheatcode, arquivos de dados de conteúdo, etc.

libretro
⭐ 1,484 Python 👤 libretro Organization 🕐 Atualizado 2026-11-20 📅 Criado 2014-12-15
31
mlfoundations/dclm

DataComp para Modelos de Linguagem

mlfoundations
⭐ 1,471 HTML 👤 mlfoundations Organization 🕐 Atualizado 2025-09-09 📅 Criado 2024-05-27
32
lvwzhen/medicine

Lista de medicamentos inovadores

lvwzhen
⭐ 1,436 Vue 👤 lvwzhen User 🕐 Atualizado 2026-10-07 📅 Criado 2024-12-20
33
Zero-Sploit/FlipperZero-Subghz-DB

Uma coleção de arquivos sub do Flipper Zero

Zero-Sploit
⭐ 1,291 Python 👤 Zero-Sploit User 🕐 Atualizado 2025-04-22 📅 Criado 2023-05-22
34
Renumics/spotlight

Explore interativamente conjuntos de dados não estruturados do seu dataframe.

Renumics
⭐ 1,288 TypeScript 👤 Renumics Organization 🕐 Atualizado 2026-11-16 📅 Criado 2023-01-29
35
FreedomIntelligence/HuatuoGPT

HuatuoGPT, Rumo a Domar Modelos de Linguagem Para Ser um Médico. (Um GPT Médico Aberto)

FreedomIntelligence
⭐ 1,283 Python 👤 FreedomIntelligence Organization 🕐 Atualizado 2024-12-16 📅 Criado 2023-04-13
36
awesome-selfhosted/awesome-selfhosted-data

dados legíveis por máquina para https://awesome-selfhosted.net

awesome-selfhosted
⭐ 1,235 Makefile 👤 awesome-selfhosted Organization 🕐 Atualizado 2026-11-21 📅 Criado 2021-06-27
37
sib-swiss/training-collection

Coleção de materiais de treinamento em bioinformática

sib-swiss
⭐ 1,160 Python 👤 sib-swiss Organization 🕐 Atualizado 2026-11-15 📅 Criado 2021-12-13
38
washingtonpost/data-police-shootings

O Washington Post está compilando um banco de dados de todos os tiroteios fatais nos Estados Unidos por um policial em serviço desde 2015.

washingtonpost
⭐ 1,147 👤 washingtonpost Organization 🕐 Atualizado 2026-10-14 📅 Criado 2015-06-30
39
daochenzha/data-centric-AI

Uma lista selecionada, mas incompleta, de recursos de IA centrados em dados.

daochenzha
⭐ 1,138 👤 daochenzha User 🕐 Atualizado 2024-06-26 📅 Criado 2023-03-07
41
klsdf/GreenResourcesManager

Um gerenciador abrangente que administra os recursos internos do computador e oferece gamificação

klsdf
⭐ 1,087 JavaScript 👤 klsdf User 🕐 Atualizado 2026-11-08 📅 Criado 2025-06-20
42
CCBP/NUEDC_Topic

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!

CCBP
⭐ 1,045 👤 CCBP User 🕐 Atualizado 2026-09-21 📅 Criado 2022-05-07
43
X4BNet/lists_vpn

Listas de provedores de VPN (atualizadas automaticamente)

X4BNet
⭐ 937 Python 👤 X4BNet Organization 🕐 Atualizado 2026-11-20 📅 Criado 2021-03-03
44
songys/AwesomeKorean_Data

Link para o conjunto de dados em coreano

songys
⭐ 931 👤 songys User 🕐 Atualizado 2026-06-17 📅 Criado 2019-12-20
46
jlopp/physical-bitcoin-attacks

Uma lista de ataques conhecidos contra entidades detentoras de Bitcoin / ativos criptográficos que ocorreram no mundo físico (meatspace).

jlopp
⭐ 915 HTML 👤 jlopp User 🕐 Atualizado 2026-11-15 📅 Criado 2018-07-07
48
hollowstrawberry/kohya-colab

Notebooks Google Colab acessíveis para treinamento Lora do Stable Diffusion, baseados no trabalho de kohya-ss e Linaqruf

hollowstrawberry
⭐ 821 Jupyter Notebook 👤 hollowstrawberry User 🕐 Atualizado 2026-10-26 📅 Criado 2023-03-23
50
aolofsson/awesome-semiconductor-startups

Base de dados aberta de startups de destaque no setor de semicondutores

aolofsson
⭐ 799 JavaScript 👤 aolofsson User 🕐 Atualizado 2026-11-20 📅 Criado 2022-03-25

Perguntas Frequentes

1

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)

2

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.

3

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.