Git Stars Git Stars

#data-generation Repositórios

Descubra 32 repositórios ativos de código aberto no GitHub marcados com #data-generation, acumulando um total de 119,004 estrelas (uma média de 3,718 por projeto). O líder deste tópico é Genesis-Embodied-AI/genesis-world, com 30,282 estrelas.

32
Total de Repositórios
119,004
Total de estrelas
3,718
Média de Estrelas/Repositório

32 repositórios no total

1
Genesis-Embodied-AI/genesis-world

Plataforma de simulação para robótica de uso geral e aprendizado de IA incorporada.

Genesis-Embodied-AI
⭐ 30,282 Python 👤 Genesis-Embodied-AI Organization 🕐 Atualizado 2026-11-20 📅 Criado 2023-10-31
2
nuysoft/Mock

Um gerador de dados de simulação

nuysoft
⭐ 19,651 JavaScript 👤 nuysoft User 🕐 Atualizado 2024-03-15 📅 Criado 2013-04-26
3
IDEA-Research/Grounded-Segment-Anything

Grounded SAM: Casando Grounding DINO com Segment Anything & Stable Diffusion & Recognize Anything - Detecta , Segmenta e Gera Automaticamente Qualquer Coisa

IDEA-Research
⭐ 17,288 Jupyter Notebook 👤 IDEA-Research Organization 🕐 Atualizado 2024-09-05 📅 Criado 2023-04-06
4
THUDM/slime

slime é uma estrutura de treinamento de LLM para escalar o aprendizado por reforço.

THUDM
⭐ 8,856 Python 👤 THUDM Organization 🕐 Atualizado 2026-11-05 📅 Criado 2025-06-18
5
OpenBMB/ToolBench

[ICLR'24 spotlight] Uma plataforma aberta para treinar, servir e avaliar modelos de linguagem grandes para aprendizado de ferramentas.

OpenBMB
⭐ 5,654 Python 👤 OpenBMB Organization 🕐 Atualizado 2025-05-21 📅 Criado 2023-05-28
7
sdv-dev/SDV

Geração de dados sintéticos para dados tabulares

sdv-dev
⭐ 3,607 Python 👤 sdv-dev Organization 🕐 Atualizado 2026-11-16 📅 Criado 2018-05-11
8
orangehill/iseed

Gerador de Seeding Inverso Laravel

orangehill
⭐ 2,895 PHP 👤 orangehill Organization 🕐 Atualizado 2026-06-24 📅 Criado 2013-07-17
9
NVIDIA-NeMo/DataDesigner

🎨 NeMo Data Designer: Gere dados sintéticos de alta qualidade do zero ou a partir de dados semente.

NVIDIA-NeMo
⭐ 2,419 Python 👤 NVIDIA-NeMo Organization 🕐 Atualizado 2026-11-21 📅 Criado 2025-10-16
10
benkeen/generatedata

Um gerador de dados de teste aleatórios, poderoso e rico em recursos.

benkeen
⭐ 2,286 TypeScript 👤 benkeen User 🕐 Atualizado 2026-08-15 📅 Criado 2012-01-26
11
neomatrix369/awesome-ai-ml-dl

Inteligência Artificial, Aprendizado de Máquina e Aprendizado Profundo incríveis enquanto os aprendemos. Notas de estudo e uma lista selecionada de recursos incríveis sobre esses tópicos.

neomatrix369
⭐ 1,721 Jupyter Notebook 👤 neomatrix369 User 🕐 Atualizado 2026-09-13 📅 Criado 2018-12-23
12
AgaMiko/data-augmentation-review

Lista de recursos úteis de aumento de dados (data augmentation). Você encontrará aqui algumas técnicas incomuns, bibliotecas, links para repositórios do GitHub, artigos e outros.

AgaMiko
⭐ 1,636 👤 AgaMiko User 🕐 Atualizado 2026-11-03 📅 Criado 2019-09-28
13
sdv-dev/CTGAN

GAN Condicional para gerar dados tabulares sintéticos.

sdv-dev
⭐ 1,579 Python 👤 sdv-dev Organization 🕐 Atualizado 2026-11-16 📅 Criado 2019-09-08
14
shuttle-hq/synth

O Gerador de Dados Declarativo

shuttle-hq
⭐ 1,472 Rust 👤 shuttle-hq Organization 🕐 Atualizado 2024-09-27 📅 Criado 2020-08-09
15
cksac/fake-rs

Uma biblioteca para gerar dados falsos em Rust.

cksac
⭐ 1,246 Rust 👤 cksac User 🕐 Atualizado 2026-09-15 📅 Criado 2016-06-29
16
InternScience/GraphGen

GraphGen: Aprimorando o Ajuste Fino Supervisionado para LLMs com Geração de Dados Sintéticos Orientada pelo Conhecimento

InternScience
⭐ 1,236 Python 👤 InternScience Organization 🕐 Atualizado 2026-11-08 📅 Criado 2025-01-08
17
jondurbin/airoboros

Implementação personalizável do artigo 'self-instruct'.

jondurbin
⭐ 1,050 Python 👤 jondurbin User 🕐 Atualizado 2024-03-07 📅 Criado 2023-04-29
18
whatyouhide/stream_data

Geração de dados e testes baseados em propriedades para Elixir. 🔮

whatyouhide
⭐ 953 Elixir 👤 whatyouhide User 🕐 Atualizado 2026-09-08 📅 Criado 2017-05-10
19
infinet/lunar-calendar

Calendário Lunar iCal, Termos Solares, Festivais Tradicionais

infinet
⭐ 942 Python 👤 infinet User 🕐 Atualizado 2026-01-09 📅 Criado 2014-01-25
20
sebbo2002/ical-generator

ical-generator é um pequeno pedaço de código que gera arquivos de calendário iCal

sebbo2002
⭐ 857 TypeScript 👤 sebbo2002 User 🕐 Atualizado 2026-11-18 📅 Criado 2013-03-09
21
supabase-community/seed

Preencha automaticamente seu banco de dados com dados fictícios semelhantes aos de produção com base em seu esquema para desenvolvimento local e testes.

supabase-community
⭐ 790 TypeScript 👤 supabase-community Organization 🕐 Atualizado 2026-10-01 📅 Criado 2024-02-05
22
emsifa/api-wilayah-indonesia

Dados do Gerador API (estatísticos) da região da Indonésia, hospedado pelo Github Page

emsifa
⭐ 774 TypeScript 👤 emsifa User 🕐 Atualizado 2026-11-15 📅 Criado 2019-10-08
23
smxiazi/xia_Liao

O plugin Burp xia Liao (瞎料) é usado para a identificação de processos online/antivírus do Windows e, durante o registro de pentest web, para gerar rapidamente os dados necessários para preenchimento. Os dados incluem: Nome, Número de celular, Documento de identidade, Código de Crédito Social Unificado, Código de Organização, Cartão bancário, bem como a saída 'hello world' em várias linguagens web e a geração de dicionários de senhas fracas, etc.

smxiazi
⭐ 724 Java 👤 smxiazi User 🕐 Atualizado 2024-07-09 📅 Criado 2022-08-30
24
Horea94/Fruit-Images-Dataset

Fruits-360: Um conjunto de dados de imagens contendo frutas e vegetais

Horea94
⭐ 719 Jupyter Notebook 👤 Horea94 User 🕐 Atualizado 2025-03-27 📅 Criado 2017-05-06
25
NVlabs/mimicgen

Este código corresponde aos ambientes de simulação utilizados como parte do projeto MimicGen.

NVlabs
⭐ 673 Python 👤 NVlabs Organization 🕐 Atualizado 2026-10-21 📅 Criado 2023-09-21
26
sdv-dev/Copulas

Uma biblioteca para modelar dados multivariados usando cópulas.

sdv-dev
⭐ 658 Python 👤 sdv-dev Organization 🕐 Atualizado 2026-11-16 📅 Criado 2017-11-13
27
Westlake-AI/openmixup

CAIRI Toolbox e Benchmark para Aprendizagem de Representação Visual Supervisionada, Semi-supervisionada e Auto-supervisionada

Westlake-AI
⭐ 656 Python 👤 Westlake-AI Organization 🕐 Atualizado 2025-10-15 📅 Criado 2021-12-30
28
misode/mcmeta

Histórico processado e com controle de versão dos dados e ativos gerados pelo Minecraft

misode
⭐ 652 Python 👤 misode User 🕐 Atualizado 2026-11-17 📅 Criado 2022-01-20
29
josh0xA/rrgen

Uma Biblioteca C++ Apenas com Cabeçalhos para Armazenar Valores Pseudoaleatórios Seguros em Contêineres Modernos com Distribuições Uniformes de Inteiros

josh0xA
⭐ 559 C++ 👤 josh0xA User 🕐 Atualizado 2026-04-14 📅 Criado 2020-04-27
30
RUCAIBox/HaluEval

Este é o repositório do HaluEval, um benchmark de avaliação de alucinação em larga escala para Modelos de Linguagem Grandes.

RUCAIBox
⭐ 540 Python 👤 RUCAIBox Organization 🕐 Atualizado 2024-02-12 📅 Criado 2023-05-18
31
tom-lord/regexp-examples

Gerar strings que correspondam a uma determinada expressão regular

tom-lord
⭐ 522 Ruby 👤 tom-lord User 🕐 Atualizado 2024-05-20 📅 Criado 2014-11-04
32
databrickslabs/dbldatagen

Gere rapidamente dados sintéticos relevantes para seus projetos. O gerador de dados sintéticos do Databricks Labs (também conhecido como `dbldatagen`) pode ser usado para gerar grandes conjuntos de dados simulados ou sintéticos para testes, provas de conceito (POCs) e outras finalidades em ambientes Databricks, incluindo pipelines do Delta Live Tables.

databrickslabs
⭐ 506 Python 👤 databrickslabs Organization 🕐 Atualizado 2026-10-26 📅 Criado 2019-07-23

Perguntas Frequentes

1

Qual é o repositório de #data-generation mais popular no GitHub?

O projeto de código aberto de #data-generation mais bem classificado no GitHub é Genesis-Embodied-AI/genesis-world, com 30,282 estrelas. Plataforma de simulação para robótica de uso geral e aprendizado de IA incorporada.

2

Quais linguagens de programação são mais usadas nos repositórios de #data-generation?

Entre os projetos de #data-generation mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, TypeScript, Jupyter Notebook, Rust.

3

Como é calculada a classificação dos repositórios de #data-generation?

Acompanhamos 32 repositórios ativos de código aberto marcados com #data-generation (com mais de 500 estrelas), totalizando 119,004 estrelas e uma média de 3,718 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.