Git Stars Git Stars

#synthetic-data-generation Repositórios

Descubra 57 repositórios ativos de código aberto no GitHub marcados com #synthetic-data-generation, acumulando um total de 117,965 estrelas (uma média de 2,069 por projeto). O líder deste tópico é huggingface/open-r1, com 26,483 estrelas.

57
Total de Repositórios
117,965
Total de estrelas
2,069
Média de Estrelas/Repositório

57 repositórios no total

1
huggingface/open-r1

Reprodução totalmente aberta do DeepSeek-R1

huggingface
⭐ 26,483 Python 👤 huggingface Organization 🕐 Atualizado 2026-10-26 📅 Criado 2025-01-24
2
microsoft/TinyTroupe

Simulação de persona multiagente baseada em LLM para potencializar a imaginação e gerar insights de negócios.

microsoft
⭐ 7,700 Jupyter Notebook 👤 microsoft Organization 🕐 Atualizado 2026-11-06 📅 Criado 2024-03-25
4
simplescaling/s1

s1: Escalonamento simples em tempo de teste

simplescaling
⭐ 6,656 Python 👤 simplescaling Organization 🕐 Atualizado 2025-06-25 📅 Criado 2025-02-01
5
PrimeIntellect-ai/verifiers

Nossa biblioteca para ambientes de RL + avaliações

PrimeIntellect-ai
⭐ 4,797 Python 👤 PrimeIntellect-ai Organization 🕐 Atualizado 2026-11-21 📅 Criado 2025-01-22
6
isaac-sim/IsaacSim

NVIDIA Isaac Sim™ é uma aplicação de código aberto no NVIDIA Omniverse para desenvolver, simular e testar robôs impulsionados por IA em ambientes virtuais realistas.

isaac-sim
⭐ 4,521 Python 👤 isaac-sim Organization 🕐 Atualizado 2026-11-16 📅 Criado 2025-05-28
7
NVlabs/FoundationPose

[CVPR 2024 Highlight] FoundationPose: Estimativa e Rastreamento Unificados de Pose 6D de Objetos Novos

NVlabs
⭐ 3,707 Python 👤 NVlabs Organization 🕐 Atualizado 2026-04-29 📅 Criado 2023-12-12
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
NVlabs/FoundationStereo

[Nomeação para Melhor Artigo CVPR 2025] FoundationStereo: Correspondência Estéreo Zero-Shot

NVlabs
⭐ 3,007 Python 👤 NVlabs Organization 🕐 Atualizado 2025-12-19 📅 Criado 2024-12-12
10
dscripka/openWakeWord

Um framework de detecção de palavra (ou frase) de ativação de áudio de código aberto com foco em desempenho e simplicidade.

dscripka
⭐ 2,963 Jupyter Notebook 👤 dscripka User 🕐 Atualizado 2025-12-30 📅 Criado 2022-05-28
11
google-research/kubric

Um pipeline de geração de dados para a criação de vídeos sintéticos multiobjeto semirrealistas com anotações ricas, tais como máscaras de segmentação de instâncias, mapas de profundidade e fluxo óptico.

google-research
⭐ 2,859 Jupyter Notebook 👤 google-research Organization 🕐 Atualizado 2026-05-21 📅 Criado 2020-07-22
12
opendatalab/DocLayout-YOLO

DocLayout-YOLO: Aprimorando a Análise de Layout de Documentos através de Dados Sintéticos Diversos e Percepção Adaptativa Global-Local

opendatalab
⭐ 2,315 Python 👤 opendatalab Organization 🕐 Atualizado 2026-10-21 📅 Criado 2024-10-14
13
apple-aiml-research/ml-hypersim

Hypersim: Um Conjunto de Dados Sintéticos Fotorrealísticos para Compreensão Holística de Cenas Internas

apple-aiml-research
⭐ 2,077 Python 👤 apple-aiml-research Organization 🕐 Atualizado 2026-09-11 📅 Criado 2020-11-16
14
neulab/prompt2model

prompt2model - Gere Modelos Implantáveis a Partir de Instruções em Linguagem Natural

neulab
⭐ 2,005 Python 👤 neulab Organization 🕐 Atualizado 2024-12-29 📅 Criado 2023-03-27
15
DataArcTech/DataArc-SynData-Toolkit

Plataforma de Geração de Dados Sintéticos por DataArcTech

DataArcTech
⭐ 1,787 Python 👤 DataArcTech Organization 🕐 Atualizado 2026-11-19 📅 Criado 2025-11-21
16
NVIDIA/RULER

Este repositório contém o código-fonte para RULER: Qual é o Tamanho Real do Contexto dos Seus Modelos de Linguagem de Contexto Longo?

NVIDIA
⭐ 1,641 Python 👤 NVIDIA Organization 🕐 Atualizado 2026-11-03 📅 Criado 2024-04-09
17
open-gigaai/giga-world-0

GigaWorld-0: Modelos de Mundo como Motor de Dados para Capacitar IA Incorporada

open-gigaai
⭐ 1,619 Python 👤 open-gigaai Organization 🕐 Atualizado 2025-12-03 📅 Criado 2025-11-25
18
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
19
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
20
wasiahmad/Awesome-LLM-Synthetic-Data

Uma lista de leitura sobre Geração de Dados Sintéticos baseada em LLM 🔥

wasiahmad
⭐ 1,538 👤 wasiahmad User 🕐 Atualizado 2025-06-05 📅 Criado 2024-08-08
21
instructlab/instructlab

Pacote central do InstructLab. Use-o para conversar com um modelo e executar o fluxo de trabalho do InstructLab para treinar um modelo usando dados de taxonomia personalizados.

instructlab
⭐ 1,415 Python 👤 instructlab Organization 🕐 Atualizado 2026-03-30 📅 Criado 2024-02-21
22
facebookresearch/Replica-Dataset

O Conjunto de Dados de Réplica v1 publicado em https://arxiv.org/abs/1906.05797 .

facebookresearch
⭐ 1,202 C++ 👤 facebookresearch Organization 🕐 Atualizado 2024-07-22 📅 Criado 2019-02-08
23
NVlabs/Deep_Object_Pose

Deep Object Pose Estimation (DOPE) – ROS inference (CoRL 2018)

NVlabs
⭐ 1,175 Python 👤 NVlabs Organization 🕐 Atualizado 2025-08-06 📅 Criado 2018-10-12
25
IBM/Dromedary

Dromedário: em direção a LLMs úteis, éticos e confiáveis.

IBM
⭐ 1,136 Python 👤 IBM Organization 🕐 Atualizado 2025-09-18 📅 Criado 2023-05-03
26
NVIDIA-NeMo/Skills

Um projeto para melhorar as habilidades de grandes modelos de linguagem

NVIDIA-NeMo
⭐ 1,065 Python 👤 NVIDIA-NeMo Organization 🕐 Atualizado 2026-11-18 📅 Criado 2024-02-11
27
SalesforceAIResearch/promptomatix

Um Framework de Otimização Automática de Prompts para Grandes Modelos de Linguagem

SalesforceAIResearch
⭐ 979 Python 👤 SalesforceAIResearch Organization 🕐 Atualizado 2026-06-02 📅 Criado 2025-07-08
28
oh-my-ocr/text_renderer

Gerar imagens de linhas de texto para treinar modelos de OCR de aprendizado profundo

oh-my-ocr
⭐ 913 Python 👤 oh-my-ocr Organization 🕐 Atualizado 2026-05-17 📅 Criado 2020-06-18
29
microsoft/FaceSynthetics

Datasets sintéticos de face

microsoft
⭐ 895 👤 microsoft Organization 🕐 Atualizado 2025-07-08 📅 Criado 2021-08-12
30
tangqiaoyu/ToolAlpaca

o código oficial para "ToolAlpaca: Aprendizagem Generalizada de Ferramentas para Modelos de Linguagem com 3000 Casos Simulados"

tangqiaoyu
⭐ 884 Python 👤 tangqiaoyu User 🕐 Atualizado 2024-10-26 📅 Criado 2023-06-14
31
haosulab/SAPIEN

Plataforma SAPIEN de IA Incorporada

haosulab
⭐ 872 C++ 👤 haosulab Organization 🕐 Atualizado 2026-11-21 📅 Criado 2020-03-16
32
zju3dv/pvnet

Código para "PVNet: Pixel-wise Voting Network for 6DoF Pose Estimation" CVPR 2019 oral

zju3dv
⭐ 869 Jupyter Notebook 👤 zju3dv Organization 🕐 Atualizado 2024-07-15 📅 Criado 2018-12-27
33
nvidia-cosmos/cosmos-transfer1

Cosmos-Transfer1 é um modelo de transferência de mundo a mundo projetado para preencher a lacuna perceptual entre ambientes simulados e do mundo real.

nvidia-cosmos
⭐ 830 Python 👤 nvidia-cosmos Organization 🕐 Atualizado 2026-10-15 📅 Criado 2025-03-02
35
metabase/dataset-generator

Gerador de Conjuntos de Dados de IA – Crie conjuntos de dados realistas para demonstrações, aprendizado e painéis

metabase
⭐ 765 TypeScript 👤 metabase Organization 🕐 Atualizado 2026-11-20 📅 Criado 2025-06-12
36
stanford-futuredata/ARES

Avaliação Automatizada de Sistemas RAG

stanford-futuredata
⭐ 711 Python 👤 stanford-futuredata Organization 🕐 Atualizado 2025-03-28 📅 Criado 2023-09-27
37
YoYo000/BlendedMVS

BlendedMVS: Um Conjunto de Dados em Larga Escala para Redes Estéreo de Múltiplas Vistas Generalizadas

YoYo000
⭐ 690 👤 YoYo000 User 🕐 Atualizado 2026-10-03 📅 Criado 2019-11-22
38
syncora-ai/syncora-benchmarks

Um kit de benchmark leve e plug-and-play para dados sintéticos. Compare o Syncora com outros geradores (por exemplo, Gretel, MostlyAI) simplesmente inserindo arquivos CSV e, em seguida, calcule automaticamente as métricas de fidelidade e similaridade. Funciona com qualquer conjunto de dados através de uma simples nomeação de arquivos, sem a necessidade de configurações complexas.

syncora-ai
⭐ 678 Jupyter Notebook 👤 syncora-ai User 🕐 Atualizado 2025-08-11 📅 Criado 2025-07-31
39
syncora-ai/synthetic-credit-default-syncora

Conjunto de dados sintéticos de alta fidelidade para modelagem de inadimplência de crédito

syncora-ai
⭐ 676 Jupyter Notebook 👤 syncora-ai User 🕐 Atualizado 2025-09-10 📅 Criado 2025-07-30
40
syncora-ai/synthetic-personality-dataset

Conjunto de dados sintéticos e notebooks para modelagem de personalidade introvertida vs. extrovertida (seguro para a privacidade, pronto para ML).

syncora-ai
⭐ 667 Jupyter Notebook 👤 syncora-ai User 🕐 Atualizado 2025-08-25 📅 Criado 2025-07-31
41
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
42
syncora-ai/Synthetic-AI-Developer-Productivity-Dataset

Conjunto de dados sintéticos de alta fidelidade que capturam métricas de produtividade de desenvolvedores de IA — incluindo horas de foco, taxas de conclusão de tarefas e indicadores de esgotamento. Preserva a privacidade, ideal para ML e análise de fluxo de trabalho.

syncora-ai
⭐ 657 Jupyter Notebook 👤 syncora-ai User 🕐 Atualizado 2025-09-04 📅 Criado 2025-07-31
43
dotnet/eShopSupport

Uma aplicação .NET de referência que utiliza IA para um sistema de gestão de tickets de suporte ao cliente

dotnet
⭐ 650 JavaScript 👤 dotnet Organization 🕐 Atualizado 2025-05-16 📅 Criado 2024-04-30
45
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
47
syncora-ai/syncora-docs

Documentação para Syncora.ai

syncora-ai
⭐ 633 MDX 👤 syncora-ai User 🕐 Atualizado 2025-07-31 📅 Criado 2025-07-29
49
vb000/LookOnceToHear

Um novo método de interação humana para extração de fala em tempo real em fones de ouvido.

vb000
⭐ 615 Python 👤 vb000 User 🕐 Atualizado 2026-07-22 📅 Criado 2024-05-10
50
sixgpt/miner

Minerador Oficial para SixGPT

sixgpt
⭐ 611 Shell 👤 sixgpt Organization 🕐 Atualizado 2024-12-19 📅 Criado 2024-10-06

Perguntas Frequentes

1

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

O projeto de código aberto de #synthetic-data-generation mais bem classificado no GitHub é huggingface/open-r1, com 26,483 estrelas. Reprodução totalmente aberta do DeepSeek-R1

2

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

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

3

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

Acompanhamos 57 repositórios ativos de código aberto marcados com #synthetic-data-generation (com mais de 500 estrelas), totalizando 117,965 estrelas e uma média de 2,069 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.