Git Stars Git Stars

#synthetic-data Repositórios

Descubra 49 repositórios ativos de código aberto no GitHub marcados com #synthetic-data, acumulando um total de 118,509 estrelas (uma média de 2,418 por projeto). O líder deste tópico é stefan-jansen/machine-learning-for-trading, com 21,929 estrelas.

49
Total de Repositórios
118,509
Total de estrelas
2,418
Média de Estrelas/Repositório

49 repositórios no total

1
stefan-jansen/machine-learning-for-trading

Código para Machine Learning for Trading, 3ª edição — desde a obtenção de dados até a execução ao vivo.

stefan-jansen
⭐ 21,929 Jupyter Notebook 👤 stefan-jansen User 🕐 Atualizado 2026-11-18 📅 Criado 2018-05-09
2
oumi-ai/oumi

Ajuste finamente (SFT/RL), avalie e implante facilmente o Qwen, o Gemma ou qualquer LLM/VLM agêntico de código aberto!

oumi-ai
⭐ 9,441 Python 👤 oumi-ai Organization 🕐 Atualizado 2026-11-21 📅 Criado 2024-05-07
3
princeton-vl/infinigen

Mundos fotorrealistas infinitos usando geração procedural

princeton-vl
⭐ 7,464 Python 👤 princeton-vl Organization 🕐 Atualizado 2026-11-11 📅 Criado 2023-06-17
4
datajuicer/data-juicer

Processamento de dados para e com modelos de fundação! 🍎 🍋 🌽 ➡️ ➡️🍸 🍹 🍷

datajuicer
⭐ 7,266 Python 👤 datajuicer Organization 🕐 Atualizado 2026-11-20 📅 Criado 2023-08-01
5
Kiln-AI/Kiln

Construir, Avaliar e Otimizar Sistemas de IA. Inclui avaliações (evals), RAG, agentes, ajuste fino, geração de dados sintéticos, gerenciamento de conjuntos de dados, MCP e muito mais.

Kiln-AI
⭐ 5,286 Python 👤 Kiln-AI Organization 🕐 Atualizado 2026-11-21 📅 Criado 2024-07-23
6
lk-geimfari/mimesis

Mimesis é uma biblioteca Python para gerar dados falsos, porém realistas, em vários idiomas e locais.

lk-geimfari
⭐ 4,873 Python 👤 lk-geimfari User 🕐 Atualizado 2026-11-13 📅 Criado 2016-09-09
7
DLR-RM/BlenderProc

Um pipeline procedural do Blender para geração de imagens de treinamento fotorrealistas

DLR-RM
⭐ 3,804 Python 👤 DLR-RM Organization 🕐 Atualizado 2026-01-20 📅 Criado 2019-10-10
8
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
9
synthetichealth/synthea

Simulador de População Sintética de Pacientes

synthetichealth
⭐ 3,474 Java 👤 synthetichealth Organization 🕐 Atualizado 2026-11-20 📅 Criado 2016-06-17
10
argilla-io/distilabel

Distilabel é uma estrutura para dados sintéticos e feedback de IA para engenheiros que precisam de pipelines rápidos, confiáveis e escaláveis ​​baseados em artigos de pesquisa verificados.

argilla-io
⭐ 3,467 Python 👤 argilla-io Organization 🕐 Atualizado 2026-11-18 📅 Criado 2023-10-16
11
pgmpy/pgmpy

Kit de Ferramentas Python para Raciocínio Causal e Probabilístico

pgmpy
⭐ 3,387 Python 👤 pgmpy Organization 🕐 Atualizado 2026-11-21 📅 Criado 2013-09-20
12
a312863063/generators-with-stylegan2

Aqui está uma série de geradores de rosto baseados no StyleGAN2

a312863063
⭐ 2,492 Python 👤 a312863063 User 🕐 Atualizado 2026-09-03 📅 Criado 2019-12-21
13
rpautrat/SuperPoint

Detector e descritor de características neurais eficientes

rpautrat
⭐ 2,459 Jupyter Notebook 👤 rpautrat User 🕐 Atualizado 2025-05-05 📅 Criado 2018-03-05
14
hitsz-ids/synthetic-data-generator

SDG é uma estrutura especializada projetada para gerar dados tabulares estruturados de alta qualidade.

hitsz-ids
⭐ 2,442 Python 👤 hitsz-ids Organization 🕐 Atualizado 2026-11-16 📅 Criado 2023-08-10
15
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
16
unrealcv/unrealcv

UnrealCV: Conectando Visão Computacional ao Unreal Engine

unrealcv
⭐ 2,227 Python 👤 unrealcv Organization 🕐 Atualizado 2026-09-04 📅 Criado 2016-09-08
17
axoviq-ai/synthadoc

Synthadoc: Um mecanismo de compilação de conhecimento LLM de código aberto que transforma documentos brutos em wikis estruturados e locais. Uma alternativa transparente e legível por humanos ao RAG tradicional, que pode ser autogerenciada e autoaprimorada sem o uso de nenhuma ferramenta.

axoviq-ai
⭐ 1,998 Python 👤 axoviq-ai Organization 🕐 Atualizado 2026-11-21 📅 Criado 2026-04-11
18
google-deepmind/mathematics_dataset

Este código de conjunto de dados gera pares de perguntas e respostas matemáticas, a partir de uma variedade de tipos de perguntas com dificuldade aproximadamente escolar.

google-deepmind
⭐ 1,925 Python 👤 google-deepmind Organization 🕐 Atualizado 2024-12-23 📅 Criado 2019-03-27
19
GreenmaskIO/greenmask

Anonimização do banco de dados e gerenciamento de dados de teste

GreenmaskIO
⭐ 1,809 Go 👤 GreenmaskIO Organization 🕐 Atualizado 2026-11-18 📅 Criado 2023-12-01
20
bespokelabsai/curator

Curadoria de dados sintéticos para pós-treinamento e extração de dados estruturados

bespokelabsai
⭐ 1,766 Python 👤 bespokelabsai Organization 🕐 Atualizado 2026-11-02 📅 Criado 2024-10-28
21
stephansturges/WALDO

Determinação de Localização para Objetos Detectáveis de Baixo Nível. O SOTA em IA FOSS para drones!

stephansturges
⭐ 1,690 Python 👤 stephansturges User 🕐 Atualizado 2025-01-07 📅 Criado 2022-11-02
22
Data-Centric-AI-Community/fg-data-synthetic

Geradores de dados sintéticos para dados tabulares e de séries temporais

Data-Centric-AI-Community
⭐ 1,662 Jupyter Notebook 👤 Data-Centric-AI-Community Organization 🕐 Atualizado 2026-09-03 📅 Criado 2020-05-04
23
huggingface/aisheets

Crie, enriqueça e transforme conjuntos de dados usando modelos de IA sem código

huggingface
⭐ 1,656 TypeScript 👤 huggingface Organization 🕐 Atualizado 2026-09-23 📅 Criado 2025-01-16
24
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
25
shuttle-hq/synth

O Gerador de Dados Declarativo

shuttle-hq
⭐ 1,472 Rust 👤 shuttle-hq Organization 🕐 Atualizado 2024-09-27 📅 Criado 2020-08-09
26
plurai-ai/intellagent

Uma estrutura para diagnóstico abrangente e otimização de agentes usando interações sintéticas simuladas e realistas

plurai-ai
⭐ 1,266 Python 👤 plurai-ai Organization 🕐 Atualizado 2026-09-14 📅 Criado 2024-10-28
27
datadreamer-dev/DataDreamer

DataDreamer: Prompt. Gerar Dados Sintéticos. Treinar e Alinhar Modelos.   🤖💤

datadreamer-dev
⭐ 1,112 Python 👤 datadreamer-dev Organization 🕐 Atualizado 2025-02-02 📅 Criado 2023-06-02
28
cuevhv/mamma

Código oficial para MAMMA: Aquisição de movimento multi-pessoa precisa e sem marcadores.

cuevhv
⭐ 907 Python 👤 cuevhv User 🕐 Atualizado 2026-11-10 📅 Criado 2026-05-06
29
nolabs-ai/deepfabric

Gere Sintéticos de Alta Qualidade, Treine, Meça e Avalie em um Único Pipeline

nolabs-ai
⭐ 896 Python 👤 nolabs-ai Organization 🕐 Atualizado 2026-11-13 📅 Criado 2024-10-25
30
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
31
BatsResearch/bonito

Uma biblioteca leve para gerar conjuntos de dados sintéticos de ajuste de instruções para seus dados sem GPT.

BatsResearch
⭐ 831 Python 👤 BatsResearch Organization 🕐 Atualizado 2025-07-15 📅 Criado 2024-02-25
32
CHATS-lab/verbalized-sampling

Amostragem Verbalizada, uma estratégia de prompting sem treinamento para mitigar o colapso de modo em LLMs, solicitando respostas com probabilidades. Alcança uma melhoria de diversidade de 2-3x, mantendo a qualidade. Framework agnóstico ao modelo com CLI/API para escrita criativa, geração de dados sintéticos e simulação de diálogo.

CHATS-lab
⭐ 828 Python 👤 CHATS-lab Organization 🕐 Atualizado 2026-11-08 📅 Criado 2025-05-20
33
mostly-ai/mostlyai

SDK de Dados Sintéticos ✨

mostly-ai
⭐ 805 Python 👤 mostly-ai Organization 🕐 Atualizado 2026-10-29 📅 Criado 2023-12-22
34
nicolas-hbt/pygraft

Geração Configurável de Esquemas Sintéticos e Grafos de Conhecimento ao Seu Alcance

nicolas-hbt
⭐ 718 Python 👤 nicolas-hbt User 🕐 Atualizado 2026-01-26 📅 Criado 2023-09-07
35
vanderschaarlab/synthcity

Uma biblioteca para gerar e avaliar dados tabulares sintéticos para privacidade, justiça e aumento de dados.

vanderschaarlab
⭐ 697 Python 👤 vanderschaarlab Organization 🕐 Atualizado 2026-04-21 📅 Criado 2022-03-18
36
gretelai/gretel-synthetics

Geradores de dados sintéticos para texto estruturado e não estruturado, com aprendizado diferencialmente privado.

gretelai
⭐ 671 Python 👤 gretelai Organization 🕐 Atualizado 2025-06-24 📅 Criado 2020-03-02
37
jofpin/synthBTC

Uma ferramenta que utiliza simulações avançadas de Monte Carlo e processamento paralelo Turbit para criar possíveis cenários de previsão de Bitcoin.

jofpin
⭐ 664 JavaScript 👤 jofpin User 🕐 Atualizado 2024-08-04 📅 Criado 2024-08-02
38
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
39
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
40
EzioBy/Ditto

[CVPR'26 Destaque] Ditto: Escalando Edição de Vídeo Baseada em Instruções com um Conjunto de Dados Sintético de Alta Qualidade

EzioBy
⭐ 636 Python 👤 EzioBy User 🕐 Atualizado 2026-06-01 📅 Criado 2025-10-19
41
Arlo0o/UniScene-Unified-Occupancy-centric-Driving-Scene-Generation

[CVPR 2025, TPAMI 2026] UniScene: Geração unificada de cenas de direção centrada na ocupação

Arlo0o
⭐ 624 Python 👤 Arlo0o User 🕐 Atualizado 2026-05-24 📅 Criado 2024-12-10
42
sparkfish/augraphy

Pipeline de aumento para renderização de processos de impressão em papel sintético, fax, digitalização e cópia

sparkfish
⭐ 559 Python 👤 sparkfish Organization 🕐 Atualizado 2025-07-20 📅 Criado 2021-05-31
43
yandex-research/tab-ddpm

[ICML 2023] A implementação oficial do artigo "TabDDPM: Modelagem de Dados Tabulares com Modelos de Difusão"

yandex-research
⭐ 523 Python 👤 yandex-research Organization 🕐 Atualizado 2024-07-13 📅 Criado 2022-10-02
44
expectedparrot/edsl

Projete, conduza e analise os resultados de pesquisas e experimentos baseados em IA. Simule pesquisas em ciências sociais e estudos de mercado com grandes quantidades de agentes de IA e modelos de linguagem de grande escala.

expectedparrot
⭐ 521 Python 👤 expectedparrot Organization 🕐 Atualizado 2026-11-21 📅 Criado 2024-01-02
45
Nightmare-n/DepthAnyVideo

Profundidade de Qualquer Vídeo com Dados Sintéticos Escaláveis (ICLR 2025)

Nightmare-n
⭐ 508 Python 👤 Nightmare-n User 🕐 Atualizado 2024-12-04 📅 Criado 2024-10-08
46
yejy53/Echo-4o

Echo-4o: Aproveitando imagens sintéticas de modelos proprietários para geração de imagens aprimorada

yejy53
⭐ 507 Jupyter Notebook 👤 yejy53 User 🕐 Atualizado 2025-12-09 📅 Criado 2025-08-11
47
yangzhou24/OmniWorld

[ICLR 2026] OmniWorld: um conjunto de dados multidomínio e multimodal para modelagem de mundos 4D

yangzhou24
⭐ 506 Python 👤 yangzhou24 User 🕐 Atualizado 2026-04-16 📅 Criado 2025-09-15
48
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
49
intellicia-public/parastore

Desenhe uma loja, gere personas LLM e observe-as comprar — uma sandbox 3D isométrica para experimentos com consumidores sintéticos.

intellicia-public
⭐ 502 TypeScript 👤 intellicia-public Organization 🕐 Atualizado 2026-05-21 📅 Criado 2026-05-15

Perguntas Frequentes

1

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

O projeto de código aberto de #synthetic-data mais bem classificado no GitHub é stefan-jansen/machine-learning-for-trading, com 21,929 estrelas. Código para Machine Learning for Trading, 3ª edição — desde a obtenção de dados até a execução ao vivo.

2

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

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

3

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

Acompanhamos 49 repositórios ativos de código aberto marcados com #synthetic-data (com mais de 500 estrelas), totalizando 118,509 estrelas e uma média de 2,418 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.