Git Stars Git Stars

#data-synthesis Repositórios

Descubra 15 repositórios ativos de código aberto no GitHub marcados com #data-synthesis, acumulando um total de 21,082 estrelas (uma média de 1,405 por projeto). O líder deste tópico é OpenDCAI/DataFlow, com 8,650 estrelas.

15
Total de Repositórios
21,082
Total de estrelas
1,405
Média de Estrelas/Repositório

15 repositórios no total

1
OpenDCAI/DataFlow

[SIGMOD'27] Preparação de dados simplificada com os mais recentes operadores e pipelines baseados em LLM.

OpenDCAI
⭐ 8,650 Python 👤 OpenDCAI Organization 🕐 Atualizado 2026-11-18 📅 Criado 2024-10-13
2
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
3
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
4
Tebmer/Awesome-Knowledge-Distillation-of-LLMs

Este repositório reúne artigos para "Uma Pesquisa sobre Destilação de Conhecimento de Grandes Modelos de Linguagem". Dividimos a KD em Elicitação de Conhecimento e Algoritmos de Destilação, e exploramos a Destilação de Habilidades e Vertical de LLMs.

Tebmer
⭐ 1,282 👤 Tebmer User 🕐 Atualizado 2025-03-09 📅 Criado 2024-02-08
5
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
6
jsyoon0823/TimeGAN

Base de Código para Redes Adversariais Generativas de Séries Temporais (TimeGAN) - NeurIPS 2019

jsyoon0823
⭐ 1,068 Jupyter Notebook 👤 jsyoon0823 User 🕐 Atualizado 2026-02-05 📅 Criado 2020-04-24
7
OpenDataBox/awesome-data-llm

Repositório Oficial do Artigo de Pesquisa "LLM × DATA"

OpenDataBox
⭐ 836 👤 OpenDataBox Organization 🕐 Atualizado 2026-10-25 📅 Criado 2024-08-04
8
showlab/videollm-online

VideoLLM-online: Modelo de Linguagem Grande de Vídeo Online para Streaming de Vídeo (CVPR 2024)

showlab
⭐ 690 Python 👤 showlab Organization 🕐 Atualizado 2025-11-26 📅 Criado 2024-06-17
9
yorkeccak/Polyseer

Polymarket alfa na velocidade do agora.

yorkeccak
⭐ 666 TypeScript 👤 yorkeccak User 🕐 Atualizado 2026-11-08 📅 Criado 2025-08-30
10
kaist-avelab/K-Radar

Detecção de Objetos por Radar 4D para Direção Autônoma em Várias Condições Climáticas

kaist-avelab
⭐ 624 Python 👤 kaist-avelab User 🕐 Atualizado 2026-06-26 📅 Criado 2023-01-02
11
inclusionAI/ASearcher

Um Projeto de Aprendizagem por Reforço em Larga Escala de Código Aberto para Agentes de Busca

inclusionAI
⭐ 617 Python 👤 inclusionAI Organization 🕐 Atualizado 2025-11-26 📅 Criado 2025-08-05
12
microsoft/MS-SNSD

O Microsoft Scalable Noisy Speech Dataset (MS-SNSD) é um conjunto de dados de fala ruidosa que pode ser escalado para tamanhos arbitrários, dependendo do número de falantes, tipos de ruído e níveis de Relação Sinal-Ruído (SNR) desejados.

microsoft
⭐ 573 HTML 👤 microsoft Organization 🕐 Atualizado 2024-07-01 📅 Criado 2019-08-26
13
Flame-Code-VLM/Flame-Code-VLM

Flame é um sistema de IA multimodal de código aberto projetado para traduzir mockups de design de UI em código React de alta qualidade. Ele aproveita a modelagem visão-linguagem, a síntese automatizada de dados e fluxos de trabalho de treinamento estruturados para preencher a lacuna entre o design e o desenvolvimento front-end.

Flame-Code-VLM
⭐ 564 Python 👤 Flame-Code-VLM Organization 🕐 Atualizado 2026-02-11 📅 Criado 2025-02-10
14
swz30/CycleISP

[CVPR 2020--Oral] CycleISP: Restauração de Imagens Reais via Síntese de Dados Aprimorada

swz30
⭐ 555 Python 👤 swz30 User 🕐 Atualizado 2024-09-24 📅 Criado 2020-03-15
15
DIYer22/bpycv

Utilitários de visão computacional para Blender (gerar anotação de instância, profundidade e pose 6D com uma linha de código)

DIYer22
⭐ 506 Python 👤 DIYer22 User 🕐 Atualizado 2025-08-05 📅 Criado 2019-12-29

Perguntas Frequentes

1

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

O projeto de código aberto de #data-synthesis mais bem classificado no GitHub é OpenDCAI/DataFlow, com 8,650 estrelas. [SIGMOD'27] Preparação de dados simplificada com os mais recentes operadores e pipelines baseados em LLM.

2

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

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

3

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

Acompanhamos 15 repositórios ativos de código aberto marcados com #data-synthesis (com mais de 500 estrelas), totalizando 21,082 estrelas e uma média de 1,405 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.