#synthetic-data Репозитории
Откройте для себя 49 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #synthetic-data, с общим числом 118,509 звёзд (в среднем 2,418 на проект). Лидером этой темы является stefan-jansen/machine-learning-for-trading, набравший 21,929 звёзд.
Всего репозиториев: 49
Код для книги «Машинное обучение для трейдинга», 3-е издание — от сбора данных до выполнения в реальном времени.
Легко дообучайте (SFT/RL), оценивайте и развёртывайте Qwen, Gemma или любую открытую агентную LLM/VLM!
Создание, оценка и оптимизация систем ИИ. Включает оценки (evals), RAG, агентов, тонкую настройку (fine-tuning), генерацию синтетических данных, управление наборами данных, MCP и многое другое.
Mimesis — это библиотека Python для генерации фиктивных, но реалистичных данных на разных языках и для разных локалей.
Процедурный конвейер Blender для генерации фотореалистичных обучающих изображений
Distilabel — это фреймворк для синтетических данных и обратной связи с ИИ для инженеров, которым требуются быстрые, надежные и масштабируемые конвейеры, основанные на проверенных научных статьях.
SDG — это специализированная структура, предназначенная для генерации высококачественных структурированных табличных данных.
🎨 NeMo Data Designer: Генерируйте высококачественные синтетические данные с нуля или из seed-данных.
Synthadoc: Движок компиляции знаний LLM с открытым исходным кодом, который превращает необработанные документы в структурированные, локальные вики. Прозрачная, читаемая человеком альтернатива традиционному RAG, которая может самостоятельно управляться и улучшаться без использования каких-либо инструментов.
Этот код набора данных генерирует пары математических вопросов и ответов из ряда типов вопросов примерно школьного уровня сложности.
Подбор синтетических данных для пост-обучения и извлечения структурированных данных
Определение местоположения низкорасположенных обнаруживаемых объектов. SOTA в области FOSS AI для дронов!
Генераторы синтетических данных для табличных данных и временных рядов
Создавайте, обогащайте и трансформируйте наборы данных с помощью моделей ИИ без кода
Фреймворк для комплексной диагностики и оптимизации агентов с использованием смоделированных, реалистичных синтетических взаимодействий
DataDreamer: Промпт. Генерация синтетических данных. Обучение и выравнивание моделей. 🤖💤
Генерируйте высококачественные синтетические данные, обучайте, измеряйте и оценивайте в рамках единого конвейера
[ICLR 2025] Синтез данных для выравнивания с нуля путем запроса выровненных LLM с помощью пустого ввода. Ваш эффективный и высококачественный конвейер генерации синтетических данных!
Легкая библиотека для генерации синтетических наборов данных для настройки инструкций для ваших данных без GPT.
Вербализованная выборка (Verbalized Sampling) — это стратегия подсказок без обучения для смягчения проблемы коллапса мод в LLM путем запроса ответов с вероятностями. Обеспечивает улучшение разнообразия в 2-3 раза при сохранении качества. Модельно-независимый фреймворк с CLI/API для креативного письма, генерации синтетических данных и симуляции диалогов.
Библиотека для генерации и оценки синтетических табличных данных для обеспечения конфиденциальности, справедливости и дополнения данных.
Генераторы синтетических данных для структурированного и неструктурированного текста, с дифференциально приватным обучением.
Инструмент, использующий продвинутые имитационные модели Монте-Карло и параллельную обработку Turbit для создания возможных сценариев прогнозирования Биткойна.
Набор данных и эталон для RAG по внутренним документам компании.
[CVPR'26 Выделение] Ditto: Масштабирование редактирования видео на основе инструкций с использованием высококачественного синтетического набора данных
[CVPR 2025, TPAMI 2026] UniScene: Унифицированная генерация сцен вождения с акцентом на занятость
Пайплайн усиления для рендеринга процессов печати на синтетической бумаге, факса, сканирования и копирования
[ICML 2023] Официальная реализация статьи "TabDDPM: Моделирование табличных данных с помощью диффузионных моделей"
Разрабатывайте, проводите и анализируйте результаты опросов и экспериментов на основе ИИ. Моделируйте социально-научные исследования и маркетинговые исследования с помощью большого количества ИИ-агентов и больших языковых моделей.
Глубина любого видео с масштабируемыми синтетическими данными (ICLR 2025)
Echo-4o: Использование синтетических изображений проприетарных моделей для улучшенной генерации изображений
[ICLR 2026] OmniWorld: многодоменный и мультимодальный набор данных для 4D-моделирования мира
Быстро создавайте релевантные синтетические данные для своих проектов. Генератор синтетических данных Databricks Labs (также известный как `dbldatagen`) можно использовать для создания больших наборов симулированных или синтетических данных для тестирования, проверки концепции (POC) и других целей в средах Databricks, включая конвейеры Delta Live Tables.
Нарисуйте магазин, создайте LLM-персонажей и наблюдайте, как они совершают покупки — изометрическая 3D-песочница для экспериментов с синтетическими потребителями.
Часто задаваемые вопросы
Какой репозиторий по теме #synthetic-data наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #synthetic-data на GitHub — stefan-jansen/machine-learning-for-trading, набравший 21,929 звёзд. Код для книги «Машинное обучение для трейдинга», 3-е издание — от сбора данных до выполнения в реальном времени.
Какие языки программирования чаще всего используются в репозиториях по теме #synthetic-data?
Среди наиболее высоко оценённых проектов по теме #synthetic-data на GitHub чаще всего используются языки программирования Python, Jupyter Notebook, TypeScript, Java.
Как рассчитывается рейтинг репозиториев по теме #synthetic-data?
Мы отслеживаем 49 активных репозиториев с открытым исходным кодом, отмеченных тегом #synthetic-data (500 и более звёзд), с общим числом 118,509 звёзд и в среднем 2,418 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.