#dataset Репозитории
Откройте для себя 173 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #dataset, с общим числом 893,448 звёзд (в среднем 5,164 на проект). Лидером этой темы является public-apis/public-apis, набравший 500,577 звёзд.
Всего репозиториев: 173
Label Studio — это инструмент для маркировки и аннотации данных различных типов с стандартизированным форматом вывода
Набор данных о фитнес-упражнениях из 1 324 позиций — анимированные GIF-файлы, миниатюры 180×180, данные о группах мышц и оборудовании, а также пошаговые инструкции на 6 языках. Слой данных об упражнениях, лежащий в основе приложения LogPress.
CVAT — ведущая платформа для аннотирования данных изображений, видео, аудио и 3D-наборов данных. Она предлагает продукты с открытым исходным кодом, облачные и корпоративные решения, а также услуги разметки с поддержкой ИИ, обеспечением качества, командной работой, аналитикой и API для разработчиков.
pix2tex: Использование ViT для преобразования изображений уравнений в код LaTeX.
Мощный инструмент для создания наборов данных для тонкой настройки LLM、RAG и Eval
Техники глубокого обучения с использованием спутниковых и аэрофотоснимков
Крутые предварительно обученные китайские модели NLP, Сборник высококачественных китайских предварительно обученных моделей & больших моделей & мультимодальных моделей & больших языковых моделей
词光 · Word Atlas — Иллюстрированный словарь лексики IELTS: 7 298 слов, аудио с британским и американским произношением и повторение по FSRS. Приложение с открытым исходным кодом + набор данных CC BY 4.0.
esProc SPL — это основанный на JVM язык программирования, разработанный для вычислений структурированных данных, служащий одновременно инструментом анализа данных и встраиваемым вычислительным движком.
TFDS — это коллекция наборов данных, готовых к использованию с TensorFlow, Jax, ...
Легко превратите большие наборы URL-адресов изображений в набор данных изображений. Можно загрузить, изменить размер и упаковать 100 миллионов URL за 20 часов на одной машине.
Корпус китайских имён. Генератор имён. Китайские имена, фамилии, имена, обращения, японские имена, переведённые имена, английские имена. Может использоваться для сегментации слов на китайском и распознавания именованных сущностей.
SQL Translator - это инструмент для преобразования запросов на естественном языке в SQL-код с использованием искусственного интеллекта. Этот проект на 100% бесплатен и имеет открытый исходный код.
Бенчмарк оценки понимания китайского языка: наборы данных, базовые линии, предварительно обученные модели, корпус и лидерборд
CSGHub — это совершенно новая Open-Source платформа для управления LLM, разработанная командой OpenCSG. Она предлагает как Open-Source, так и локальные/SaaS решения с функциями, сравнимыми с Hugging Face. Получите полный контроль над жизненным циклом LLM, наборов данных и агентов благодаря совместимой с Hugging Face SDK на Python. Присоединяйтесь к нам! ⭐️
📈 В настоящее время крупнейшая база данных и коллекция статей по обнаружению промышленных дефектов. Постоянное обобщение наборов данных с открытым исходным кодом и критически важных статей в области исследований поверхностных дефектов, имеющих большое значение.
Список статей и наборов данных для обнаружения аномалий/дефектов промышленных изображений (обновляется). Библиотека поиска статей и наборов данных по обнаружению промышленных аномалий/дефектов (постоянно обновляется).
SIMD, SWAR и GPU-ядра для строк: поиск, хеширование, сортировка, расстояния редактирования, сегментация UTF-8 и шифры для C, C++, CUDA, Python, Rust, Go, Swift, JS, C# и Java 🦖
Куратированный список крутых JSON-датасетов, не требующих аутентификации.
Список наборов медицинских изображений «Индекс наборов медицинских изображений»
Извлекайте данные из широкого спектра интернет-источников в DataFrame pandas.
Набор данных из более чем 700 веб-сайтов, поддерживаемый сообществом, для поиска аккаунтов по имени пользователя — используется в инструментах OSINT и анализа цифрового следа.
Библиотека с открытым исходным кодом для ведения журналов данных для моделей машинного обучения и конвейеров данных. 📚 Обеспечивает наглядность качества данных и производительности модели с течением времени. 🛡️ Поддерживает сбор данных с сохранением конфиденциальности, обеспечивая безопасность и надежность. 📈
🎁 Более 7 400 000 изображений Unsplash доступны для исследований и машинного обучения
Сборник открытых ресурсов для китайского медицинского NLP: Наборы терминов/Корпусы/Векторные представления слов/Предобученные модели/Графы знаний/Распознавание именованных сущностей/QA/Извлечение информации/Модели/Статьи/и т.д.
[ECCV 2018] CCPD: разнообразный и хорошо аннотированный датасет для обнаружения и распознавания номерных знаков
180 бесплатных градиентов CSS3, Figma, Sketch и PSD — плюс набор данных JSON для инструментов дизайна, генераторов и ИИ-агентов.
Списки стран ISO 3166-1, объединённые с их региональными кодами схемы географического деления ООН в готовых к использованию наборах данных JSON, XML, CSV
Комплексная и актуальная подборка наборов данных, инструментов, методов, обзорных статей и соревнований по обнаружению изменений в дистанционном зондировании.
Objectron — это набор данных из коротких видеоклипов, ориентированных на объекты. Кроме того, видео также содержат метаданные AR-сессий, включая позы камеры, разреженные облака точек и плоскости. В каждом видео камера перемещается вокруг и над объектом и захватывает его с разных ракурсов. Каждый объект аннотирован 3D-ограничивающей рамкой. 3D-ограничивающая рамка описывает положение, ориентацию и размеры объекта. В наборе данных содержится около 15 тысяч аннотированных видеоклипов и 4 миллиона аннотированных изображений в следующих категориях.
Гетерогенный бенчмарк для информационного поиска. Простота использования, оценивайте свои модели на 15+ разнообразных наборах данных IR.
данные кластера, собранные из производственных кластеров в Alibaba для исследований по управлению кластерами
🔊 Обширный список наборов данных с открытым исходным кодом для обработки голоса и звука (более 95 наборов данных).
Сотрудничайте и маркируйте любые типы данных, изображений, текстов или документов в простом веб-интерфейсе или настольном приложении.
Real-World Masked Face Dataset, Набор данных лиц в масках в реальном мире
Глобальный набор данных карт в общественном достоянии, доступный в трех масштабах и с тесно интегрированными векторными и растровыми данными.
fastdup — это мощный бесплатный инструмент, предназначенный для быстрого получения ценной информации из наборов данных изображений и видео. Он помогает повысить качество как изображений, так и меток, значительно снижая затраты на операции с данными, и все это при непревзойденной масштабируемости.
Курируемый список статей и ресурсов по обнаружению мошенничества, аномалий и выбросов на основе графов/трансформеров
Комплексные наборы данных SQL и ГИС по административным единицам Вьетнама, включая провинции, районы, кварталы, почтовые индексы и геопространственные границы.
Часто задаваемые вопросы
Какой репозиторий по теме #dataset наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #dataset на GitHub — public-apis/public-apis, набравший 500,577 звёзд. Коллективный список бесплатных API
Какие языки программирования чаще всего используются в репозиториях по теме #dataset?
Среди наиболее высоко оценённых проектов по теме #dataset на GitHub чаще всего используются языки программирования Python, JavaScript, Jupyter Notebook, TypeScript.
Как рассчитывается рейтинг репозиториев по теме #dataset?
Мы отслеживаем 173 активных репозиториев с открытым исходным кодом, отмеченных тегом #dataset (500 и более звёзд), с общим числом 893,448 звёзд и в среднем 5,164 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.