Git Stars Git Stars

#data-curation 仓库

探索 65 个标记为 #data-curation 的活跃开源 GitHub 仓库,它们累计获得 182,804 个 Star(平均每个项目 2,812 个)。该主题的领先项目是 formulahendry/955.WLB,拥有 36,238 个 Star。

65
仓库总数
182,804
总星标数
2,812
平均每个仓库星标数
1
formulahendry/955.WLB

955 不加班的公司名单 - 工作 955,work–life balance (工作与生活的平衡)

formulahendry
⭐ 36,238 👤 formulahendry User 🕐 已更新 2025-02-03 📅 创建时间 2019-03-27
2
zhaoolee/ChineseBQB

🇨🇳 中国贴纸包,更多欢乐 / 表情包的博物馆, Github最有毒的仓库, 中国表情包大集合, 聚欢乐~

zhaoolee
⭐ 16,617 TypeScript 👤 zhaoolee User 🕐 已更新 2026-11-06 📅 创建时间 2019-05-08
3
cleanlab/cleanlab

Cleanlab 的开源库是处理杂乱的真实世界数据和标签的数据质量和机器学习的标准数据中心 AI 包。

cleanlab
⭐ 11,755 Python 👤 cleanlab Organization 🕐 已更新 2026-01-13 📅 创建时间 2018-05-11
4
voxel51/fiftyone

优化高质量数据集和视觉AI模型

voxel51
⭐ 11,324 TypeScript 👤 voxel51 Organization 🕐 已更新 2026-11-21 📅 创建时间 2020-04-22
5
suxuang/myIPTV

【典藏版】高清直播源涵盖几乎所有卫视节目,内置完美台标加节目预告

suxuang
⭐ 5,123 👤 suxuang User 🕐 已更新 2026-09-13 📅 创建时间 2024-04-29
6
togethercomputer/RedPajama-Data

RedPajama-Data 存储库包含用于准备用于训练大型语言模型的大型数据集的代码。

togethercomputer
⭐ 4,997 Python 👤 togethercomputer Organization 🕐 已更新 2026-06-03 📅 创建时间 2023-04-14
8
Jsnzkpg/Jsnzkpg

已持续维护5年多,每天检测可用性,提供全网质量最高的免费节点订阅,魔鬼式筛选出高质量免费节点:shadowrocket | stash | singbox | clash | karing | hiddify | mihomo | clashmi | ClashMeta | FIClash | Surfboard

Jsnzkpg
⭐ 4,410 👤 Jsnzkpg User 🕐 已更新 2026-11-17 📅 创建时间 2021-12-26
9
KHwang9883/MobileModels

手机品牌型号汇总 | 手机型号 | 本仓库采用 CC BY-NC-SA 4.0 许可协议

KHwang9883
⭐ 4,351 👤 KHwang9883 User 🕐 已更新 2026-11-20 📅 创建时间 2018-10-31
10
Meroser/IPTV

深度定制属于自己的直播源列表,[完美EPG节目预告、高清台标]

Meroser
⭐ 4,165 👤 Meroser User 🕐 已更新 2026-03-29 📅 创建时间 2023-05-11
11
marin-community/marin

用于基础模型研究和开发的开源框架。

marin-community
⭐ 4,135 Python 👤 marin-community Organization 🕐 已更新 2026-11-21 📅 创建时间 2024-03-22
12
songguoxs/gpt4o-image-prompts

Nano Banana(nanobanana),GPT-5(GPT5),GPT-4o(GPT4o) 图片提示词,Nanobanana Prompts,nanobanana提示词

songguoxs
⭐ 3,882 JavaScript 👤 songguoxs User 🕐 已更新 2026-01-08 📅 创建时间 2025-04-28
13
sanjeed5/awesome-cursor-rules-mdc

精选的炫酷光标规则 .mdc 文件列表

sanjeed5
⭐ 3,589 Python 👤 sanjeed5 User 🕐 已更新 2026-05-19 📅 创建时间 2025-02-17
14
Docta-ai/docta

您的数据的医生

Docta-ai
⭐ 3,479 Python 👤 Docta-ai Organization 🕐 已更新 2026-06-16 📅 创建时间 2023-05-02
15
zealotCE/America-Against-America

《美国反对美国》是王沪宁先生在上世纪80年代末赴美观察写作的。我们知道在那个年代中国对西方特别是美国的追捧有多高,所以突然看到一个学者在80年代就有如此清楚的认识,十分钦佩。由于网上只有效果很差的PDF扫描版,所以我想利用OCR技术和肉眼(人体OCR)来转成现代化的文本格式。目前已经全部完成。

zealotCE
⭐ 3,130 👤 zealotCE User 🕐 已更新 2026-05-14 📅 创建时间 2017-11-23
16
meagmohit/EEG-Datasets

所有公开 EEG 数据集列表

meagmohit
⭐ 3,124 👤 meagmohit User 🕐 已更新 2025-10-17 📅 创建时间 2017-08-18
17
jiji262/tianya-docs

精心收集的天涯神贴,不带水印,方便阅读

jiji262
⭐ 3,102 👤 jiji262 User 🕐 已更新 2026-07-28 📅 创建时间 2023-05-08
18
mahavivo/english-wordlists

常用英语词汇表

mahavivo
⭐ 2,205 👤 mahavivo User 🕐 已更新 2024-05-11 📅 创建时间 2017-12-30
19
OpenCoder-llm/OpenCoder-llm

顶级代码大语言模型的开放式手册

OpenCoder-llm
⭐ 1,969 Python 👤 OpenCoder-llm User 🕐 已更新 2024-12-08 📅 创建时间 2024-10-26
20
visual-layer/fastdup

fastdup是一款强大、免费的工具,旨在从图像和视频数据集中快速生成有价值的见解。它有助于提高图像和标签的质量,同时显著降低数据运营成本,并具有无与伦比的可扩展性。

visual-layer
⭐ 1,915 Python 👤 visual-layer Organization 🕐 已更新 2026-08-23 📅 创建时间 2022-05-11
21
NVIDIA-NeMo/Curator

LLM 的可扩展数据预处理和整理工具包

NVIDIA-NeMo
⭐ 1,866 Python 👤 NVIDIA-NeMo Organization 🕐 已更新 2026-11-19 📅 创建时间 2024-03-14
22
DGoettlich/history-llms

我们训练尽可能大的历史LLM项目的信息中心。

DGoettlich
⭐ 1,808 👤 DGoettlich User 🕐 已更新 2025-12-22 📅 创建时间 2025-12-14
23
tanweai/wooyun-legacy

wooyun-legacy 技能用于 Claude 代码

tanweai
⭐ 1,792 👤 tanweai User 🕐 已更新 2026-07-14 📅 创建时间 2026-01-23
24
fwwdn/sensitive-stop-words

互联网常用敏感词、停止词词库

fwwdn
⭐ 1,746 Python 👤 fwwdn User 🕐 已更新 2026-03-10 📅 创建时间 2015-02-02
25
acoooder/aliyunpanshare

百度网盘、夸克网盘、阿里云盘影视资源分享,每日发布最新电视剧、综艺、电影资源。

acoooder
⭐ 1,729 👤 acoooder User 🕐 已更新 2026-11-21 📅 创建时间 2023-02-21
26
IBM/Project_CodeNet

此存储库用于支持托管在 DAX 中的 Project CodeNet 数据集的工具的贡献

IBM
⭐ 1,700 Python 👤 IBM Organization 🕐 已更新 2026-11-10 📅 创建时间 2021-05-03
27
donkuri/kaishi

Kaishi 1.5k 是一个现代、模块化的日语 Anki 卡组,专为想学习基本词汇的初学者设计。

donkuri
⭐ 1,603 👤 donkuri User 🕐 已更新 2026-10-25 📅 创建时间 2024-02-04
28
tencent-ailab/persona-hub

论文“用10亿个虚拟人物扩展合成数据创建”的官方仓库

tencent-ailab
⭐ 1,585 Python 👤 tencent-ailab User 🕐 已更新 2025-02-19 📅 创建时间 2024-06-22
29
JeffSackmann/tennis_atp

ATP网球排名、赛果和统计

JeffSackmann
⭐ 1,577 👤 JeffSackmann User 🕐 已更新 2026-06-08 📅 创建时间 2015-03-13
30
libretro/libretro-database

包含作弊码文件、内容数据文件等的存储库。

libretro
⭐ 1,484 Python 👤 libretro Organization 🕐 已更新 2026-11-20 📅 创建时间 2014-12-15
31
mlfoundations/dclm

语言模型的DataComp

mlfoundations
⭐ 1,471 HTML 👤 mlfoundations Organization 🕐 已更新 2025-09-09 📅 创建时间 2024-05-27
32
lvwzhen/medicine

原研药列表

lvwzhen
⭐ 1,436 Vue 👤 lvwzhen User 🕐 已更新 2026-10-07 📅 创建时间 2024-12-20
33
Zero-Sploit/FlipperZero-Subghz-DB

Flipper Zero 的一系列子文件

Zero-Sploit
⭐ 1,291 Python 👤 Zero-Sploit User 🕐 已更新 2025-04-22 📅 创建时间 2023-05-22
34
Renumics/spotlight

在 Dataframe 中交互式地探索非结构化数据集。

Renumics
⭐ 1,288 TypeScript 👤 Renumics Organization 🕐 已更新 2026-11-16 📅 创建时间 2023-01-29
35
FreedomIntelligence/HuatuoGPT

HuatuoGPT,致力于驯服语言模型成为医生。(一个开放的医学GPT)

FreedomIntelligence
⭐ 1,283 Python 👤 FreedomIntelligence Organization 🕐 已更新 2024-12-16 📅 创建时间 2023-04-13
36
awesome-selfhosted/awesome-selfhosted-data

https://awesome-selfhosted.net 的机器可读数据

awesome-selfhosted
⭐ 1,235 Makefile 👤 awesome-selfhosted Organization 🕐 已更新 2026-11-21 📅 创建时间 2021-06-27
37
sib-swiss/training-collection

生物信息学培训材料集

sib-swiss
⭐ 1,160 Python 👤 sib-swiss Organization 🕐 已更新 2026-11-15 📅 创建时间 2021-12-13
38
washingtonpost/data-police-shootings

华盛顿邮报正在编制一个数据库,记录自2015年以来美国警察在执行职务时发生的每一起致命枪击事件。

washingtonpost
⭐ 1,147 👤 washingtonpost Organization 🕐 已更新 2026-10-14 📅 创建时间 2015-06-30
39
daochenzha/data-centric-AI

一份精选但非详尽的数据中心人工智能资源列表。

daochenzha
⭐ 1,138 👤 daochenzha User 🕐 已更新 2024-06-26 📅 创建时间 2023-03-07
41
klsdf/GreenResourcesManager

一个管理电脑内资源,并提供游戏化的综合管理器

klsdf
⭐ 1,087 JavaScript 👤 klsdf User 🕐 已更新 2026-11-08 📅 创建时间 2025-06-20
42
CCBP/NUEDC_Topic

收集并整理了全国大学生电子设计竞赛从1994年至2025年的历年赛题,如有遗漏欢迎补充!

CCBP
⭐ 1,045 👤 CCBP User 🕐 已更新 2026-09-21 📅 创建时间 2022-05-07
43
X4BNet/lists_vpn

VPN提供商列表(自动更新)

X4BNet
⭐ 937 Python 👤 X4BNet Organization 🕐 已更新 2026-11-20 📅 创建时间 2021-03-03
44
songys/AwesomeKorean_Data

韩语数据集链接

songys
⭐ 931 👤 songys User 🕐 已更新 2026-06-17 📅 创建时间 2019-12-20
46
jlopp/physical-bitcoin-attacks

已知针对比特币/加密资产拥有实体的攻击列表,这些攻击发生在现实世界中。

jlopp
⭐ 915 HTML 👤 jlopp User 🕐 已更新 2026-11-15 📅 创建时间 2018-07-07
48
hollowstrawberry/kohya-colab

适用于 Stable Diffusion Lora 训练的可用 Google Colab Notebook,基于 kohya-ss 和 Linaqruf 的工作

hollowstrawberry
⭐ 821 Jupyter Notebook 👤 hollowstrawberry User 🕐 已更新 2026-10-26 📅 创建时间 2023-03-23
50
aolofsson/awesome-semiconductor-startups

优秀半导体初创企业开放数据库

aolofsson
⭐ 799 JavaScript 👤 aolofsson User 🕐 已更新 2026-11-20 📅 创建时间 2022-03-25

常见问题解答

1

GitHub 上最受欢迎的 #data-curation 仓库是什么?

GitHub 上排名第一的开源 #data-curation 项目是 formulahendry/955.WLB,拥有 36,238 个 Star。955 不加班的公司名单 - 工作 955,work–life balance (工作与生活的平衡)

2

#data-curation 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #data-curation 项目中,最常见的编程语言是 Python, TypeScript, JavaScript, Jupyter Notebook。

3

#data-curation 仓库的排名是如何计算的?

我们跟踪了 65 个标记为 #data-curation 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 182,804 个 Star,平均每个仓库拥有 2,812 个 Star。排名每日根据 GitHub API 更新。