数据工程
共 50 个仓库 · 一年内有推送
快速扫描图像和视频数据集，找出重复、相似和异常样本，帮助清洗数据、提升标签质量并降低数据运维成本。
面向 AI 训练数据的标注与数据管理平台，支持图像等数据标注、数据集版本管理和人工审核流程，可接入自有应用或直接用内置 UI 组织数据工作流。
基于安全强化学习的人类反馈对齐框架，通过约束优化让大模型在有用性和安全性之间取得平衡，附带 Beaver 系列模型与数据集。
macOS 上的开源截图与录屏工具，用 Swift 6 和 SwiftUI 原生开发，是 CleanShot X 的免费替代品，支持标注和 OCR。
把 AI/ML 模型、数据集、代码和配置打包成 OCI Artifact 并做版本管理，让模型交付像容器镜像一样标准化、可复现。
基于 OpenTelemetry 的 LLM 应用全链路可观测性工具，提供实时追踪、评估和指标，支持主流大模型、框架与向量数据库，可用 TypeScript 和 Python 接入。
面向地面机器人的多模态多场景数据集，包含双目相机、激光雷达、IMU 等传感器数据，用于 SLAM 与定位算法的评测和训练。
模块化 C++ SLAM 框架，支持激光雷达、视觉与图优化，用于移动机器人的定位与建图。
轻量级原生 macOS 截图工具，常驻菜单栏，双击 ⌘ 即可框选截屏并自动复制到剪贴板，还支持画笔和马赛克标注。
汇集移动机器人领域的优质资源清单，涵盖定位、数据集、实验室、公司、书籍与招聘信息，方便快速查找学习资料和行业动态。
面向大规模列式数据集的可扩展文件格式，用 C++ 实现，支持压缩与编码，适合机器学习训练和数据分析场景下的高效存储。
汇总开源数据标注与打标签工具的清单，帮做机器学习的人快速找到合适的标注方案。
用 Python 抓取 CoinMarketCap 的历史价格数据，方便做量化回测或行情分析时直接拿到干净的加密货币历史行情。
跨平台截图、录屏和 OCR 工具，基于 Tauri 和 Rust 构建，本地优先，支持图片标注，适合日常快速截取与文字提取。
整理时间序列分割方向的论文阅读清单，覆盖变点检测、异常检测、多变量时序等主题，方便快速找到该领域的代表性工作。
Cleora 是面向异构关系数据的通用嵌入学习模型，能高效、可扩展地生成稳定且支持归纳的实体嵌入，适合图与超图场景。
面向城市峡谷等复杂场景的多传感器数据集，包含激光雷达、相机等全套传感器数据，用于自动驾驶的建图与定位算法评测。
基于 9262 例 CT 体积和 25 个标注类别预训练的 3D 医学影像模型，可直接用于腹部器官分割等下游任务，省去从零训练。
异步多激光雷达惯性里程计，通过逐点跨雷达不确定性传播，融合多个不同步的 LiDAR 数据，实现更鲁棒的 SLAM 定位与建图。
用 YOLO 检测工地未戴安全帽、未穿反光衣及靠近机械等危险行为，并用 HDBSCAN 聚类锥桶坐标划定监控区域，提升施工安全。
轻量级 Windows/macOS 截图工作台，集框选截图、长截图、区域录屏、钉图取色、标注、OCR 与翻译于一体，数据全部留在本机。
面向多模态大模型训练的数据集构建与评估平台，支持数据集的智能生成、管理与质量评估，帮助团队高效准备 VLM 训练数据。
提供 ChatGPT(GPT-3.5) 和 GPT-4 的真实工作负载 trace 数据集，用来评估和优化 LLM 推理服务系统的调度与资源分配。
用视觉语言模型自动标注目标检测数据并一键训练 YOLO 的端到端平台，支持图片和视频关键帧提取，省去手工框标注的重复劳动。