项目介绍：Awesome Open Data-Centric AI
项目概述
"Awesome Open Data-Centric AI" 是一个专注于数据为中心的人工智能开发范式的开源工具集。这一理念由知名学者吴恩达提出，强调通过系统化工程化处理数据来建立人工智能系统。在这一框架下，数据在训练和改进机器学习模型中的角色显得尤为重要，而各种开源工具可以帮助日常应用中的数据处理问题，从而提高人工智能模型的表现。Renumics 团队将这些工具进行整合，旨在为用户提供一个开源工具库，以改善非结构化数据（如图像、音频、视频、时序和文本）的AI工作流程。
范围
该项目主要收集具有开源许可证并被积极维护的工具，这些工具适用于处理非结构化数据的 DCAI 工作流程。为了保持聚焦和避免重复工作，项目中不包含表格数据、专用标签工具、MLOps 和研究论文。对于这些主题的工具和文献，用户可以在其他推荐阅读中找到相关的列表。
工具类别
"Awesome Open Data-Centric AI" 包含的工具涵盖多个类别，帮助用户在数据处理和模型训练中创建完善的工作流程，具体类别包括：
- 数据版本控制
- 嵌入和预训练模型
- 可视化和互动
- 异常值和噪声检测
- 可解释性
- 主动学习
- 不确定性量化
- 偏差和公平性
- 可观察性和监控
- 数据增强和合成数据
- 安全性和稳健性
数据集中AI手册
项目还提供了一个数据集中AI手册，展示了如何通过开源工具解决常见任务。手册中包括了一些工作流片段，如数据探索性分析 (EDA)、数据清洗、标注、建模、验证和监测。
数据探索性分析 (EDA)
- 使用 Huggingface transformers 计算图像嵌入，探索数据集的分布。
数据清洗
- 使用 Annoy 库检测嵌入空间的相邻邻居，识别和检查数据中的重复或近似重复项。
标注
- 使用 Cleanlab 库依据模型概率计算标签错误标志，并手动检查关键数据段。
建模
- 使用最近邻距离识别数据泄漏候选，并进行手动检查。
验证
- 计算基于确定性比率的决策边界分数，并在散点图中检验结果。
监测
- 计算嵌入空间中k-最近邻居的余弦距离作为漂移距离，并检查关键段。
参与贡献
如果用户认为项目中缺少某些有用工具，可以通过联系或者拉取请求的方式贡献到这个列表中。
进一步阅读
项目为了保持目标明确且避免重复工作，已从列表中排除一些赛主题。用户可以通过以下资源了解更多相关内容：
- 面向表格数据的 DCAI 工具。
- 标签工具。
- MLOps 相关工具。
- 研究论文的视角。
"Awesome Open Data-Centric AI" 项目致力于提供一个包含多种工具的开放式平台，帮助开发者更好地进行数据为中心的人工智能开发工作。它不仅解决了常见的非结构化数据问题，还通过社区的支持不断扩展其工具集。这个项目不仅适合有经验的开发者，也对希望深入了解数据为中心的AI开发的新手充满吸引力。
编辑推荐精选
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目 提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
Trae
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
咔片PPT
AI助力，做PPT更简单！
咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替 换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
材料星
专业的AI公文写作平台，公文写作神器
AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。
openai-agents-python
OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。
openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。
Hunyuan3D-2
高分辨率纹理 3D 资产生成
Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。
3FS
一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。
3FS 是一 个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号