#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 repositórios no total
Código para Machine Learning for Trading, 3ª edição — desde a obtenção de dados até a execução ao vivo.
Ajuste finamente (SFT/RL), avalie e implante facilmente o Qwen, o Gemma ou qualquer LLM/VLM agêntico de código aberto!
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.
Mimesis é uma biblioteca Python para gerar dados falsos, porém realistas, em vários idiomas e locais.
Um pipeline procedural do Blender para geração de imagens de treinamento fotorrealistas
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.
Aqui está uma série de geradores de rosto baseados no StyleGAN2
SDG é uma estrutura especializada projetada para gerar dados tabulares estruturados de alta qualidade.
🎨 NeMo Data Designer: Gere dados sintéticos de alta qualidade do zero ou a partir de dados semente.
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.
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.
Curadoria de dados sintéticos para pós-treinamento e extração de dados estruturados
Determinação de Localização para Objetos Detectáveis de Baixo Nível. O SOTA em IA FOSS para drones!
Geradores de dados sintéticos para dados tabulares e de séries temporais
Crie, enriqueça e transforme conjuntos de dados usando modelos de IA sem código
Uma estrutura para diagnóstico abrangente e otimização de agentes usando interações sintéticas simuladas e realistas
DataDreamer: Prompt. Gerar Dados Sintéticos. Treinar e Alinhar Modelos. 🤖💤
Código oficial para MAMMA: Aquisição de movimento multi-pessoa precisa e sem marcadores.
Gere Sintéticos de Alta Qualidade, Treine, Meça e Avalie em um Único Pipeline
[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!
Uma biblioteca leve para gerar conjuntos de dados sintéticos de ajuste de instruções para seus dados sem GPT.
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.
Geração Configurável de Esquemas Sintéticos e Grafos de Conhecimento ao Seu Alcance
Uma biblioteca para gerar e avaliar dados tabulares sintéticos para privacidade, justiça e aumento de dados.
Geradores de dados sintéticos para texto estruturado e não estruturado, com aprendizado diferencialmente privado.
Uma ferramenta que utiliza simulações avançadas de Monte Carlo e processamento paralelo Turbit para criar possíveis cenários de previsão de Bitcoin.
Conjunto de dados e benchmark para RAG em documentos internos da empresa.
[CVPR'26 Destaque] Ditto: Escalando Edição de Vídeo Baseada em Instruções com um Conjunto de Dados Sintético de Alta Qualidade
[CVPR 2025, TPAMI 2026] UniScene: Geração unificada de cenas de direção centrada na ocupação
Pipeline de aumento para renderização de processos de impressão em papel sintético, fax, digitalização e cópia
[ICML 2023] A implementação oficial do artigo "TabDDPM: Modelagem de Dados Tabulares com Modelos de Difusão"
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.
Profundidade de Qualquer Vídeo com Dados Sintéticos Escaláveis (ICLR 2025)
Echo-4o: Aproveitando imagens sintéticas de modelos proprietários para geração de imagens aprimorada
[ICLR 2026] OmniWorld: um conjunto de dados multidomínio e multimodal para modelagem de mundos 4D
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.
Desenhe uma loja, gere personas LLM e observe-as comprar — uma sandbox 3D isométrica para experimentos com consumidores sintéticos.
Perguntas Frequentes
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.
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.
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.