Git Stars Git Stars

#dataset Repositórios

173
Total de Repositórios
893,448
Total de estrelas
5,164
Média de Estrelas/Repositório

173 repositórios no total

101
magpie-align/magpie

[ICLR 2025] Síntese de Dados de Alinhamento do Zero, Solicitando LLMs Alinhados com Nada. Seu pipeline eficiente e de alta qualidade para geração de dados sintéticos!

magpie-align
⭐ 861 Python 👤 magpie-align Organization 🕐 Atualizado 2025-03-17 📅 Criado 2024-06-12
102
mims-harvard/PrimeKG

Grafo de Conhecimento de Medicina de Precisão (PrimeKG)

mims-harvard
⭐ 841 Jupyter Notebook 👤 mims-harvard Organization 🕐 Atualizado 2026-06-30 📅 Criado 2022-04-18
103
hcliucs/APSD

Conjunto de dados oficial para «Avaliação da impercetibilidade das perturbações adversariais: de uma perspetiva visual»

hcliucs
⭐ 833 👤 hcliucs User 🕐 Atualizado 2026-09-02 📅 Criado 2023-07-28
104
mlfoundations/MINT-1T

🍃 MINT-1T: Um conjunto de dados multimodal entrelaçado de um trilhão de tokens.

mlfoundations
⭐ 828 👤 mlfoundations Organization 🕐 Atualizado 2024-07-31 📅 Criado 2024-06-16
105
thiagobodruk/bible

Texto bíblico em JSON e XML — 141 versões em 85 idiomas, pronto para aplicações, busca de versículos e conjuntos de dados de PLN/IA

thiagobodruk
⭐ 802 👤 thiagobodruk User 🕐 Atualizado 2026-11-11 📅 Criado 2015-11-13
106
alchaincyf/huashu-bird-sticker

Biblioteca global de figurinhas de aves de código aberto de Hua Shu · Figurinhas geradas por IA para mais de 11.000 espécies de aves (AviList v2026), sob licença CC BY 4.0, com nomes em 43 idiomas e dados estruturados

alchaincyf
⭐ 798 👤 alchaincyf User 🕐 Atualizado 2026-11-21 📅 Criado 2026-10-30
107
cdapio/cdap

Uma estrutura de código aberto para a construção de aplicações de análise de dados.

cdapio
⭐ 791 Java 👤 cdapio Organization 🕐 Atualizado 2026-11-21 📅 Criado 2014-08-02
108
waspinator/pycococreator

Funções auxiliares para criar conjuntos de dados COCO

waspinator
⭐ 783 Python 👤 waspinator User 🕐 Atualizado 2024-06-20 📅 Criado 2018-03-29
109
pedropro/TACO

🌮 Kit de Ferramentas para Conjunto de Dados de Anotações de Lixo em Contexto

pedropro
⭐ 781 Jupyter Notebook 👤 pedropro User 🕐 Atualizado 2026-10-20 📅 Criado 2019-06-08
110
voidful/awesome-chatgpt-dataset

Desbloqueie o Poder do LLM: Explore Estes Datasets para Treinar Seu Próprio ChatGPT!

voidful
⭐ 773 Python 👤 voidful User 🕐 Atualizado 2026-10-27 📅 Criado 2023-04-21
111
cs-chan/Total-Text-Dataset

Conjunto de dados Total Text. Consiste em 1555 imagens com mais de 3 orientações de texto diferentes: horizontal, multiorientada e curva, única no seu género.

cs-chan
⭐ 768 MATLAB 👤 cs-chan User 🕐 Atualizado 2026-09-30 📅 Criado 2017-08-24
112
techascent/tech.ml.dataset

Um sistema de processamento de dados de alto desempenho em Clojure

techascent
⭐ 762 Clojure 👤 techascent Organization 🕐 Atualizado 2026-10-02 📅 Criado 2019-02-14
113
ShuangLI59/person_search

Aprendizagem de Recursos Conjunta de Detecção e Identificação para Pesquisa de Pessoas

ShuangLI59
⭐ 751 Python 👤 ShuangLI59 User 🕐 Atualizado 2024-04-26 📅 Criado 2016-04-06
114
viniciussanchez/dataset-serialize

Conversor de JSON para DataSet e DataSet para JSON para Delphi e Lazarus (FPC)

viniciussanchez
⭐ 747 Pascal 👤 viniciussanchez User 🕐 Atualizado 2026-08-03 📅 Criado 2019-05-22
115
thorstenMueller/Thorsten-Voice

Thorsten-Voice: Uma voz TTS alemã gratuita, que funciona offline e de alta qualidade, deve estar disponível para todos os projetos sem qualquer problema de licenciamento.

thorstenMueller
⭐ 746 Python 👤 thorstenMueller User 🕐 Atualizado 2026-08-04 📅 Criado 2019-10-29
116
zcablii/SARDet_100K

[Destaque NeurIPS 2024] Implementação oficial de MSFA e lançamento do conjunto de dados SARDet_100K para Detecção de Objetos por Radar de Abertura Sintética (SAR) em Grande Escala

zcablii
⭐ 743 Python 👤 zcablii User 🕐 Atualizado 2025-05-06 📅 Criado 2024-02-20
117
wb14123/couplet-dataset

Conjunto de dados para dísticos. Base de dados com 700 mil dísticos.

wb14123
⭐ 743 Python 👤 wb14123 User 🕐 Atualizado 2025-02-05 📅 Criado 2018-02-24
118
tensorflow/io

Extensões de sistema de arquivos, de streaming e de dataset mantidas pelo SIG-IO do TensorFlow

tensorflow
⭐ 739 C++ 👤 tensorflow Organization 🕐 Atualizado 2026-06-25 📅 Criado 2018-11-09
119
rois-codh/kmnist

Repositório para Kuzushiji-MNIST, Kuzushiji-49 e Kuzushiji-Kanji

rois-codh
⭐ 738 Python 👤 rois-codh Organization 🕐 Atualizado 2024-05-31 📅 Criado 2018-10-12
120
moein-shariatnia/OpenAI-CLIP

Implementação simples do modelo CLIP da OpenAI em PyTorch.

moein-shariatnia
⭐ 727 Jupyter Notebook 👤 moein-shariatnia User 🕐 Atualizado 2025-10-18 📅 Criado 2021-04-07
121
EverMind-AI/SkillCorpus

Infraestrutura de código aberto que transforma arquivos SKILL.md dispersos em corpora de habilidades de agentes selecionados e prontos para recuperação, incluindo ferramentas de recuperação e avaliação.

EverMind-AI
⭐ 706 Python 👤 EverMind-AI Organization 🕐 Atualizado 2026-11-19 📅 Criado 2026-08-11
122
layumi/University1652-Baseline

ACM Multimedia2020 University-1652: Um Padrão Multivisualização e Multifonte para Geolocalização Baseada em Drones :helicopter: anota 1652 edifícios em 72 universidades ao redor do mundo.

layumi
⭐ 703 Python 👤 layumi User 🕐 Atualizado 2026-11-20 📅 Criado 2019-11-04
123
open-edge-platform/datumaro

Framework de Gerenciamento de Conjuntos de Dados, uma biblioteca Python e uma ferramenta de CLI para construir, analisar e gerenciar conjuntos de dados de Visão Computacional.

open-edge-platform
⭐ 701 Python 👤 open-edge-platform Organization 🕐 Atualizado 2026-11-20 📅 Criado 2020-09-01
124
google-deepmind/long-form-factuality

Avaliação da factualidade de formato longo em modelos de linguagem grandes. Código original para o nosso artigo "Factualidade de formato longo em modelos de linguagem grandes".

google-deepmind
⭐ 698 Python 👤 google-deepmind Organization 🕐 Atualizado 2026-06-18 📅 Criado 2024-03-25
125
wenhaochai/MovieChat

[CVPR 2024] MovieChat: De Token Denso a Memória Esparsa para Compreensão de Vídeo Longo

wenhaochai
⭐ 698 Python 👤 wenhaochai User 🕐 Atualizado 2025-01-29 📅 Criado 2023-06-26
126
ucas-vg/PointTinyBenchmark

Conjunto de código da UCAS-VG para detecção e localização de objetos minúsculos e baseado em pontos.

ucas-vg
⭐ 689 Python 👤 ucas-vg Organization 🕐 Atualizado 2025-06-12 📅 Criado 2019-12-21
127
datalad/datalad

Mantenha código, dados e contêineres sob controle com git e git-annex

datalad
⭐ 675 Python 👤 datalad Organization 🕐 Atualizado 2026-11-20 📅 Criado 2013-11-01
128
bertjiazheng/Structured3D

[ECCV'20] Structured3D: Um Grande Conjunto de Dados Foto-realístico para Modelagem 3D Estruturada

bertjiazheng
⭐ 666 Python 👤 bertjiazheng User 🕐 Atualizado 2025-02-24 📅 Criado 2019-05-09
129
facebookresearch/Ego4d

Repositório do conjunto de dados Ego4d. Baixe o conjunto de dados, visualize, extraia recursos e exemplo de uso do conjunto de dados

facebookresearch
⭐ 665 Jupyter Notebook 👤 facebookresearch Organization 🕐 Atualizado 2026-07-25 📅 Criado 2021-11-23
130
Jakobovski/free-spoken-digit-dataset

Um conjunto de dados de áudio gratuito de dígitos falados. Uma versão em áudio do MNIST.

Jakobovski
⭐ 663 Python 👤 Jakobovski User 🕐 Atualizado 2024-05-02 📅 Criado 2016-06-21
131
onejune2018/Awesome-LLM-Eval

Awesome-LLM-Eval: uma lista selecionada de ferramentas, conjuntos de dados/benchmarks, demonstrações, placares, artigos, documentos e modelos, principalmente para Avaliação em LLMs. Uma lista selecionada de ferramentas, benchmarks/dados, demonstrações, placares e grandes modelos, voltada principalmente para a avaliação de LLMs fundamentais, com o objetivo de explorar os limites técnicos da IA generativa.

onejune2018
⭐ 661 👤 onejune2018 User 🕐 Atualizado 2025-11-24 📅 Criado 2023-04-26
132
cs-chan/Exclusively-Dark-Image-Dataset

O conjunto de dados Exclusively Dark (ExDARK), que, ao nosso conhecimento, é a maior coleção de imagens de baixa luminosidade capturadas em ambientes com iluminação muito baixa até ao crepúsculo (ou seja, 10 condições diferentes) até à data, com anotações a nível de classe de imagem e de objeto.

cs-chan
⭐ 658 MATLAB 👤 cs-chan User 🕐 Atualizado 2026-09-30 📅 Criado 2018-05-28
133
benedekrozemberczki/datasets

Um repositório de conjuntos de dados bem interessantes que coletei para pesquisas em ciência de redes e aprendizado de máquina.

benedekrozemberczki
⭐ 657 👤 benedekrozemberczki User 🕐 Atualizado 2025-12-20 📅 Criado 2019-04-07
134
CornellNLP/ConvoKit

ConvoKit é um conjunto de ferramentas para extrair recursos conversacionais e analisar fenômenos sociais em conversas. Inclui vários grandes conjuntos de dados conversacionais juntamente com scripts que exemplificam o uso do conjunto de ferramentas nesses conjuntos de dados.

CornellNLP
⭐ 656 Jupyter Notebook 👤 CornellNLP Organization 🕐 Atualizado 2026-10-16 📅 Criado 2016-03-14
135
philipperemy/FX-1-Minute-Data

HISTDATA - Conjunto de dados composto por todos os pares de negociação FX / Petróleo Bruto / Índices de Ações. API simples para recuperar dados de 1 minuto (e dados tick) de Preços Históricos FX (atualizados).

philipperemy
⭐ 649 Python 👤 philipperemy User 🕐 Atualizado 2025-05-04 📅 Criado 2017-05-22
136
D-X-Y/NAS-Bench-201

API e Instruções do NAS-Bench-201

D-X-Y
⭐ 649 Python 👤 D-X-Y User 🕐 Atualizado 2025-10-31 📅 Criado 2017-04-24
137
commaai/comma2k19

Um conjunto de dados de condução para o desenvolvimento e validação de estimadores de pose fundidos e algoritmos de mapeamento

commaai
⭐ 646 Jupyter Notebook 👤 commaai Organization 🕐 Atualizado 2025-07-20 📅 Criado 2018-12-12
138
lartpang/awesome-segmentation-saliency-dataset

Uma coleção de alguns conjuntos de dados para segmentação / detecção de saliência. Bem-vindo ao PR...:smile:

lartpang
⭐ 645 👤 lartpang User 🕐 Atualizado 2026-09-15 📅 Criado 2018-12-30
139
iejMac/video2dataset

Crie facilmente grandes conjuntos de dados de vídeo a partir de URLs de vídeo

iejMac
⭐ 644 Python 👤 iejMac User 🕐 Atualizado 2024-07-30 📅 Criado 2022-10-15
140
jonathanwvd/awesome-industrial-datasets

Uma coleção com curadoria de conjuntos de dados industriais públicos.

jonathanwvd
⭐ 643 👤 jonathanwvd User 🕐 Atualizado 2026-11-21 📅 Criado 2022-10-25
141
onyx-dot-app/EnterpriseRAG-Bench

Conjunto de dados e benchmark para RAG em documentos internos da empresa.

onyx-dot-app
⭐ 639 👤 onyx-dot-app Organization 🕐 Atualizado 2026-09-03 📅 Criado 2026-02-19
142
HowieHwong/TrustLLM

[ICML 2024] TrustLLM: avaliação da confiabilidade de LLMs em termos de veracidade, segurança, equidade, robustez, privacidade e ética. Kit de ferramentas Python/CLI para modelos locais, APIs compatíveis e orquestração de agentes de IA.

HowieHwong
⭐ 635 Python 👤 HowieHwong User 🕐 Atualizado 2026-10-04 📅 Criado 2023-12-23
143
CubiCasa/CubiCasa5k

Conjunto de dados de plantas baixas CubiCasa5k

CubiCasa
⭐ 635 Jupyter Notebook 👤 CubiCasa Organization 🕐 Atualizado 2026-11-08 📅 Criado 2019-01-23
144
achuthasubhash/Complete-Life-Cycle-of-a-Data-Science-Project

Ciclo de Vida Completo de um Projeto de Ciência de Dados

achuthasubhash
⭐ 631 👤 achuthasubhash User 🕐 Atualizado 2024-06-07 📅 Criado 2020-09-02
145
nghuyong/weibo-cov

Weibo-COV: Um Conjunto de Dados de Mídia Social em Larga Escala sobre COVID-19 do Weibo

nghuyong
⭐ 626 👤 nghuyong User 🕐 Atualizado 2025-08-23 📅 Criado 2020-02-20
146
ApolloScapeAuto/dataset-api

O Conjunto de Dados Aberto ApolloScape para Condução Autônoma e sua Aplicação.

ApolloScapeAuto
⭐ 620 Jupyter Notebook 👤 ApolloScapeAuto User 🕐 Atualizado 2026-10-31 📅 Criado 2018-06-25
147
guptarohit/cryptoCMD

Biblioteca de dados históricos de preços de criptomoedas em Python. Dados de https://coinmarketcap.com.

guptarohit
⭐ 612 Python 👤 guptarohit User 🕐 Atualizado 2026-07-25 📅 Criado 2018-01-27
148
HuangCongQing/3D-Point-Clouds

🔥 Detecção de Objetos e Segmentação Semântica em Nuvens de Pontos 3D (Deep Learning) - Métodos SOTA, Código, Artigos, Datasets e Muito Mais

HuangCongQing
⭐ 611 Jupyter Notebook 👤 HuangCongQing User 🕐 Atualizado 2025-01-20 📅 Criado 2021-01-15
149
toddrjones/datasets

Uma compilação de mais de 150 conjuntos de dados gratuitos para uso em ciências sociais, microeconomia aplicada, visualização de dados etc.

toddrjones
⭐ 603 👤 toddrjones User 🕐 Atualizado 2026-11-20 📅 Criado 2026-10-09
150
RingBDStack/SocialED

Uma biblioteca python para detecção de eventos sociais

RingBDStack
⭐ 597 Python 👤 RingBDStack Organization 🕐 Atualizado 2026-10-02 📅 Criado 2024-11-27