Git Stars Git Stars

#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.

173
Всего репозиториев
893,448
Всего звезд
5,164
Среднее количество звезд на репозиторий

Всего репозиториев: 173

1
public-apis/public-apis

Коллективный список бесплатных API

public-apis
⭐ 500,577 Python 👤 public-apis Organization 🕐 Обновлено 2026-11-20 📅 Создано 2016-03-20
2
HumanSignal/label-studio

Label Studio — это инструмент для маркировки и аннотации данных различных типов с стандартизированным форматом вывода

HumanSignal
⭐ 28,739 TypeScript 👤 HumanSignal Organization 🕐 Обновлено 2026-11-20 📅 Создано 2019-06-19
3
hasaneyldrm/exercises-dataset

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.

hasaneyldrm
⭐ 23,938 HTML 👤 hasaneyldrm User 🕐 Обновлено 2026-07-16 📅 Создано 2026-03-18
4
joke2k/faker

Faker — это пакет Python, который генерирует фальшивые данные для вас.

joke2k
⭐ 19,502 Python 👤 joke2k User 🕐 Обновлено 2026-11-20 📅 Создано 2012-11-12
5
cvat-ai/cvat

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.

cvat-ai
⭐ 17,181 Python 👤 cvat-ai Organization 🕐 Обновлено 2026-11-20 📅 Создано 2018-06-29
6
lukas-blecher/LaTeX-OCR

pix2tex: Использование ViT для преобразования изображений уравнений в код LaTeX.

lukas-blecher
⭐ 16,430 Python 👤 lukas-blecher User 🕐 Обновлено 2025-01-18 📅 Создано 2020-12-11
7
ConardLi/easy-dataset

Мощный инструмент для создания наборов данных для тонкой настройки LLM、RAG и Eval

ConardLi
⭐ 15,135 JavaScript 👤 ConardLi User 🕐 Обновлено 2026-05-01 📅 Создано 2025-03-04
8
doccano/doccano

Инструмент аннотации с открытым исходным кодом для практиков машинного обучения.

doccano
⭐ 10,811 Python 👤 doccano Organization 🕐 Обновлено 2026-04-14 📅 Создано 2018-05-09
9
satellite-image-deep-learning/techniques

Техники глубокого обучения с использованием спутниковых и аэрофотоснимков

satellite-image-deep-learning
⭐ 10,311 👤 satellite-image-deep-learning Organization 🕐 Обновлено 2026-11-07 📅 Создано 2018-04-16
10
brightmart/nlp_chinese_corpus

Крупномасштабный китайский корпус для NLP

brightmart
⭐ 9,937 👤 brightmart User 🕐 Обновлено 2026-02-06 📅 Создано 2019-02-08
11
mdn/browser-compat-data

Данные о совместимости браузеров для веб-технологий, отображаемые на MDN

mdn
⭐ 5,800 JSON 👤 mdn Organization 🕐 Обновлено 2026-11-21 📅 Создано 2016-03-29
12
lonePatient/awesome-pretrained-chinese-nlp-models

Крутые предварительно обученные китайские модели NLP, Сборник высококачественных китайских предварительно обученных моделей & больших моделей & мультимодальных моделей & больших языковых моделей

lonePatient
⭐ 5,618 Python 👤 lonePatient User 🕐 Обновлено 2026-08-30 📅 Создано 2019-05-25
13
designfuchen/word-atlas

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.

designfuchen
⭐ 5,158 TypeScript 👤 designfuchen User 🕐 Обновлено 2026-11-13 📅 Создано 2026-10-25
14
mlabonne/llm-datasets

Подборка наборов данных и инструментов для постобработки (post-training).

mlabonne
⭐ 4,838 👤 mlabonne User 🕐 Обновлено 2026-04-29 📅 Создано 2024-04-27
15
SPLWare/esProc

esProc SPL — это основанный на JVM язык программирования, разработанный для вычислений структурированных данных, служащий одновременно инструментом анализа данных и встраиваемым вычислительным движком.

SPLWare
⭐ 4,674 Java 👤 SPLWare User 🕐 Обновлено 2026-11-18 📅 Создано 2021-11-09
16
tensorflow/datasets

TFDS — это коллекция наборов данных, готовых к использованию с TensorFlow, Jax, ...

tensorflow
⭐ 4,610 Python 👤 tensorflow Organization 🕐 Обновлено 2026-11-13 📅 Создано 2018-09-10
17
hyunwoongko/transformer

Transformer: Реализация на PyTorch статьи "Attention Is All You Need"

hyunwoongko
⭐ 4,609 Python 👤 hyunwoongko User 🕐 Обновлено 2025-07-15 📅 Создано 2019-10-15
18
rom1504/img2dataset

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.

rom1504
⭐ 4,458 Python 👤 rom1504 User 🕐 Обновлено 2025-10-19 📅 Создано 2021-08-11
19
wainshine/Chinese-Names-Corpus

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.

wainshine
⭐ 4,347 👤 wainshine User 🕐 Обновлено 2025-11-09 📅 Создано 2016-12-08
20
whoiskatrin/sql-translator

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.

whoiskatrin
⭐ 4,315 TypeScript 👤 whoiskatrin User 🕐 Обновлено 2025-07-06 📅 Создано 2023-03-11
21
CLUEbenchmark/CLUE

Бенчмарк оценки понимания китайского языка: наборы данных, базовые линии, предварительно обученные модели, корпус и лидерборд

CLUEbenchmark
⭐ 4,288 Python 👤 CLUEbenchmark Organization 🕐 Обновлено 2026-02-06 📅 Создано 2019-11-22
22
OpenCSGs/csghub

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! ⭐️

OpenCSGs
⭐ 4,083 Vue 👤 OpenCSGs Organization 🕐 Обновлено 2026-11-13 📅 Создано 2024-01-12
23
Charmve/Surface-Defect-Detection

📈 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.

Charmve
⭐ 3,888 Python 👤 Charmve User 🕐 Обновлено 2024-05-27 📅 Создано 2020-09-27
24
M-3LAB/awesome-industrial-anomaly-detection

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).

M-3LAB
⭐ 3,866 👤 M-3LAB Organization 🕐 Обновлено 2026-11-05 📅 Создано 2022-12-02
25
Belval/TextRecognitionDataGenerator

Генератор синтетических данных для распознавания текста

Belval
⭐ 3,619 Python 👤 Belval User 🕐 Обновлено 2024-07-18 📅 Создано 2017-07-01
26
ashvardanian/StringZilla

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 🦖

ashvardanian
⭐ 3,590 C 👤 ashvardanian User 🕐 Обновлено 2026-11-20 📅 Создано 2020-08-14
27
jdorfman/awesome-json-datasets

Куратированный список крутых JSON-датасетов, не требующих аутентификации.

jdorfman
⭐ 3,531 JavaScript 👤 jdorfman User 🕐 Обновлено 2024-12-13 📅 Создано 2015-08-10
⭐ 3,438 Python 👤 waymo-research Organization 🕐 Обновлено 2026-01-08 📅 Создано 2019-06-13
29
linhandev/dataset

Список наборов медицинских изображений «Индекс наборов медицинских изображений»

linhandev
⭐ 3,421 👤 linhandev User 🕐 Обновлено 2024-08-15 📅 Создано 2020-12-04
30
pydata/pandas-datareader

Извлекайте данные из широкого спектра интернет-источников в DataFrame pandas.

pydata
⭐ 3,283 Python 👤 pydata Organization 🕐 Обновлено 2026-07-21 📅 Создано 2015-01-15
31
meodai/color-names

Большой список тщательно отобранных названий цветов 🌈

meodai
⭐ 3,111 JavaScript 👤 meodai User 🕐 Обновлено 2026-11-19 📅 Создано 2017-04-23
32
WebBreacher/WhatsMyName

Набор данных из более чем 700 веб-сайтов, поддерживаемый сообществом, для поиска аккаунтов по имени пользователя — используется в инструментах OSINT и анализа цифрового следа.

WebBreacher
⭐ 3,043 Python 👤 WebBreacher User 🕐 Обновлено 2026-11-02 📅 Создано 2015-10-02
33
whylabs/whylogs

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. 📈

whylabs
⭐ 2,819 Jupyter Notebook 👤 whylabs Organization 🕐 Обновлено 2025-01-10 📅 Создано 2020-08-14
34
unsplash/datasets

🎁 Более 7 400 000 изображений Unsplash доступны для исследований и машинного обучения

unsplash
⭐ 2,812 Jupyter Notebook 👤 unsplash Organization 🕐 Обновлено 2026-06-26 📅 Создано 2020-06-23
35
colour-science/colour

Наука о цвете для Python

colour-science
⭐ 2,696 Python 👤 colour-science Organization 🕐 Обновлено 2026-11-19 📅 Создано 2014-02-23
36
GanjinZero/awesome_Chinese_medical_NLP

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.

GanjinZero
⭐ 2,518 👤 GanjinZero User 🕐 Обновлено 2024-01-17 📅 Создано 2019-10-30
37
detectRecog/CCPD

[ECCV 2018] CCPD: разнообразный и хорошо аннотированный датасет для обнаружения и распознавания номерных знаков

detectRecog
⭐ 2,509 Python 👤 detectRecog User 🕐 Обновлено 2024-02-15 📅 Создано 2018-04-03
38
itmeo/webgradients

180 бесплатных градиентов CSS3, Figma, Sketch и PSD — плюс набор данных JSON для инструментов дизайна, генераторов и ИИ-агентов.

itmeo
⭐ 2,505 CSS 👤 itmeo Organization 🕐 Обновлено 2026-08-03 📅 Создано 2017-01-08
39
lukes/ISO-3166-Countries-with-Regional-Codes

Списки стран ISO 3166-1, объединённые с их региональными кодами схемы географического деления ООН в готовых к использованию наборах данных JSON, XML, CSV

lukes
⭐ 2,405 Ruby 👤 lukes User 🕐 Обновлено 2024-06-29 📅 Создано 2011-04-21
40
wenhwu/awesome-remote-sensing-change-detection

Комплексная и актуальная подборка наборов данных, инструментов, методов, обзорных статей и соревнований по обнаружению изменений в дистанционном зондировании.

wenhwu
⭐ 2,377 👤 wenhwu User 🕐 Обновлено 2026-09-09 📅 Создано 2018-11-03
41
google-research-datasets/Objectron

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.

google-research-datasets
⭐ 2,361 Jupyter Notebook 👤 google-research-datasets Organization 🕐 Обновлено 2026-03-06 📅 Создано 2020-10-19
42
beir-cellar/beir

Гетерогенный бенчмарк для информационного поиска. Простота использования, оценивайте свои модели на 15+ разнообразных наборах данных IR.

beir-cellar
⭐ 2,310 Python 👤 beir-cellar Organization 🕐 Обновлено 2025-10-16 📅 Создано 2021-01-18
43
alibaba/clusterdata

данные кластера, собранные из производственных кластеров в Alibaba для исследований по управлению кластерами

alibaba
⭐ 2,270 Jupyter Notebook 👤 alibaba Organization 🕐 Обновлено 2026-10-13 📅 Создано 2017-09-05
44
jim-schwoebel/voice_datasets

🔊 Обширный список наборов данных с открытым исходным кодом для обработки голоса и звука (более 95 наборов данных).

jim-schwoebel
⭐ 2,106 👤 jim-schwoebel User 🕐 Обновлено 2024-06-06 📅 Создано 2019-07-24
45
UniversalDataTool/universal-data-tool

Сотрудничайте и маркируйте любые типы данных, изображений, текстов или документов в простом веб-интерфейсе или настольном приложении.

UniversalDataTool
⭐ 2,065 JavaScript 👤 UniversalDataTool Organization 🕐 Обновлено 2025-03-15 📅 Создано 2019-07-11
46
X-zhangyang/Real-World-Masked-Face-Dataset

Real-World Masked Face Dataset, Набор данных лиц в масках в реальном мире

X-zhangyang
⭐ 2,030 Python 👤 X-zhangyang User 🕐 Обновлено 2024-11-20 📅 Создано 2020-02-13
47
nvkelso/natural-earth-vector

Глобальный набор данных карт в общественном достоянии, доступный в трех масштабах и с тесно интегрированными векторными и растровыми данными.

nvkelso
⭐ 2,015 HTML 👤 nvkelso User 🕐 Обновлено 2024-04-22 📅 Создано 2012-01-22
48
visual-layer/fastdup

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.

visual-layer
⭐ 1,915 Python 👤 visual-layer Organization 🕐 Обновлено 2026-08-23 📅 Создано 2022-05-11
49
safe-graph/graph-fraud-detection-papers

Курируемый список статей и ресурсов по обнаружению мошенничества, аномалий и выбросов на основе графов/трансформеров

safe-graph
⭐ 1,908 👤 safe-graph Organization 🕐 Обновлено 2026-11-15 📅 Создано 2019-11-21
50
thanglequoc/vietnamese-provinces-database

Комплексные наборы данных SQL и ГИС по административным единицам Вьетнама, включая провинции, районы, кварталы, почтовые индексы и геопространственные границы.

thanglequoc
⭐ 1,868 PLpgSQL 👤 thanglequoc User 🕐 Обновлено 2026-10-14 📅 Создано 2021-11-06

Часто задаваемые вопросы

1

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

2

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.

3

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.