#datasets Repositórios
Descubra 92 repositórios ativos de código aberto no GitHub marcados com #datasets, acumulando um total de 397,307 estrelas (uma média de 4,318 por projeto). O líder deste tópico é awesomedata/awesome-public-datasets, com 80,228 estrelas.
92 repositórios no total
Uma lista centrada em tópicos de conjuntos de dados abertos de alta qualidade.
Label Studio é uma ferramenta de rotulagem e anotação de dados multi-tipo com formato de saída padronizado
AKShare é uma biblioteca de interface de dados financeiros elegante e simples para Python, construída para seres humanos! Biblioteca de Interface de Dados Financeiros de Código Aberto
Uma lista selecionada de recursos fantásticos de visão computacional
🤗 O maior hub de datasets prontos para uso para modelos de IA com ferramentas de manipulação de dados rápidas, fáceis de usar e eficientes
pix2code: Gerando Código a Partir de uma Captura de Tela de Interface Gráfica do Usuário
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.
Ferramenta de anotação de código aberto para profissionais de aprendizado de máquina.
Técnicas para aprendizado profundo com imagens de satélite e aéreas
FL Chart é uma biblioteca de gráficos Flutter altamente personalizável que suporta Gráfico de Linha, Gráfico de Barras, Gráfico de Pizza, Gráfico de Dispersão, Gráfico de Radar e Gráfico de Candlestick.
(CGCSTCD'2017) Um projeto fácil, flexível e preciso de reconhecimento de placas para licenças chinesas em situações não restritas. CGCSTCD = China Graduate Contest on Smart-city Technology and Creative Design
Observabilidade e avaliações de agentes de código aberto para equipes de plataformas de IA. Rastreie, teste, roteie e governe cada agente e assistente de programação da empresa.
TFDS é uma coleção de conjuntos de dados prontos para usar com TensorFlow, Jax, ...
TorchGeo: conjuntos de dados, amostradores, transformações e modelos pré-treinados para dados geoespaciais
Um framework para coleta e análise de dados de mercado de previsão, incluindo o maior conjunto de dados público disponível de mercado e negociações da Polymarket e Kalshi.
Recursos de Visão Baseada em Eventos. Esforço da comunidade para coletar conhecimento sobre a tecnologia de visão baseada em eventos (artigos, workshops, conjuntos de dados, código, vídeos, etc)
⚡FlashRAG: Um Kit de Ferramentas Python para Pesquisa RAG Eficiente (Recurso WWW2025)
Uma lista selecionada de conjuntos de dados JSON incríveis que não exigem autenticação.
[TMLR] Uma lista selecionada de pesquisas sobre modelagem de linguagem para código (e outras atividades de engenharia de software), mais conjuntos de dados relacionados.
Crie APIs completas para conjuntos de dados de movimentação lenta sem escrever uma única linha de código.
Coletar artigos, dados e repositórios relacionados à super-resolução
Uma lista de conjuntos de dados publicamente disponíveis com dados em tempo real, mantida pela equipa da bytewax.io
Uma grande coleção de conjuntos de dados de logs do sistema para análise de logs orientada por IA [ISSRE'23]
Uma lista curada de LLMs médicos, sistemas multimodais, conjuntos de dados, benchmarks e mais. 🏥
Folha de dicas OSINT, lista de ferramentas OSINT, wiki, conjunto de dados, artigo, livro, OSINT de equipe vermelha (red team) para hackers, dicas OSINT e ramificação OSINT. Este repositório será atualizado a cada nova pesquisa, abrangendo pesquisa, ciência, tecnologia e tutoriais. Por favor, use-o com sabedoria.
Uma lista de artigos e recursos incríveis sobre sistemas de recomendação em modelos de linguagem grandes (LLM).
:pencil2: Ferramenta de segmentação de imagem baseada na web para detecção de objetos, localização e pontos-chave
🚀 Mais de 500 recursos selecionados para Análise de Dados e Ciência de Dados: Python, SQL, Estatística, ML, IA, Visualização, Folhas de dicas (Cheatsheets), Mapas de progresso (Roadmaps), Preparação para entrevistas. Para iniciantes e especialistas.
🔊 Uma lista abrangente de conjuntos de dados de código aberto para computação de voz e som (mais de 95 conjuntos de dados).
Conjuntos de dados de referência, carregadores de dados e avaliadores para aprendizado de máquina em grafos
Um repositório que contém modelos, conjuntos de dados e técnicas de fine-tuning para DB-GPT, com o propósito de aprimorar o desempenho do modelo em Text-to-SQL
O Datastore de IA para Schemas, BLOBs e Previsões. Use com seus aplicativos ou integre a Supervisão Humana, Fluxo de Trabalho de Dados e Catálogo de UI incorporados para obter o máximo valor dos seus Dados de IA.
Uma lista selecionada de conjuntos de dados de cibersegurança incrivelmente impressionantes
Lista da comunidade de APIs de trânsito, aplicativos, conjuntos de dados, pesquisas e software :bus::star2::train::star2::steam_locomotive:
🚀🚀🚀 Uma coleção de alguns projetos incríveis da série pública de detecção de objetos YOLO e os conjuntos de dados de detecção de objetos relacionados.
Um formato padrão para conjuntos de dados de aprendizado por reforço offline, com conjuntos de dados de referência populares e utilitários relacionados
Uma coleção de ambientes de referência para aprendizado por reforço offline
RLHF Seguro: Alinhamento de Valor Restrito via Aprendizagem por Reforço Segura a partir de Feedback Humano
Uma coleção de corpora para tarefas de reconhecimento de entidades nomeadas (NER) e reconhecimento de entidades. Estes conjuntos de dados anotados cobrem uma variedade de idiomas, domínios e tipos de entidades.
Uma ferramenta DevOps de código aberto da CNCF para empacotar e versionar modelos de IA/ML, conjuntos de dados, código e configuração em um Artefato OCI.
Perguntas Frequentes
Qual é o repositório de #datasets mais popular no GitHub?
O projeto de código aberto de #datasets mais bem classificado no GitHub é awesomedata/awesome-public-datasets, com 80,228 estrelas. Uma lista centrada em tópicos de conjuntos de dados abertos de alta qualidade.
Quais linguagens de programação são mais usadas nos repositórios de #datasets?
Entre os projetos de #datasets mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, TypeScript, C++, Dart.
Como é calculada a classificação dos repositórios de #datasets?
Acompanhamos 92 repositórios ativos de código aberto marcados com #datasets (com mais de 500 estrelas), totalizando 397,307 estrelas e uma média de 4,318 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.