Accueil Projets nlpaug
nlpaug

nlpaug

par makcedward · GitHub

Augmentation de données pour le NLP

Voir sur GitHub
En termes simples

Améliorez vos données textuelles et audio pour des projets d'apprentissage automatique en générant facilement des exemples synthétiques.

⭐ Étoiles
🍴 Forks
🔥 Tendances
📜 Licence
Utilisation commerciale autorisée
📅 Créé
🔄 Dernier commit
🏷️ Catégorie
💻 Langue
Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
nlpaug — GitHub preview card
📈 Historique des étoiles
4 6634 659
2026-07-042026-07-29
📈 Suivez nlpaug

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Augmentation de données pour le NLP

nlpaug compte 4.7k étoiles sur GitHub. Il a été forké 473 fois. nlpaug est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2019. nlpaug est disponible sous licence MIT. Ses principaux thèmes sont : adversarial-attacks, adversarial-example, ai, artificial-intelligence.

Frequently asked questions

Qu'est-ce que nlpaug ?

Augmentation de données pour le NLP

nlpaug est-il open source ?

nlpaug est un projet open source. Il est distribué sous licence MIT.

nlpaug est-il gratuit ?

Oui. nlpaug est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est nlpaug ?

nlpaug est disponible sous licence MIT.

Dans quel langage nlpaug est-il écrit ?

nlpaug est écrit principalement en Jupyter Notebook.

🏅 Mainteneur de ce projet ?
olud.ai badge — nlpaug

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=makcedward-nlpaug)](https://olud.ai/project/makcedward-nlpaug.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.