Відкрийте набори даних

Відкрийте для себе набори даних з відкритим вихідним кодом, які допоможуть вам навчати моделі ML

Набори даних з відкритим вихідним кодом, щоб почати роботу з моделями AI/ML

Результати ваших моделей штучного інтелекту та машинного навчання настільки ж якісні, як і дані, які ви використовуєте для їх навчання, тому точність, яку ви застосовуєте до агрегації даних, а також тегування й ідентифікація цих даних є важливою!

Отже, якщо ви хочете розпочати нову ініціативу AI/ML, і тепер ви швидко розумієте, що пошук високоякісних навчальних даних буде одним із найскладніших аспектів вашого проекту, оскільки високоякісні набори даних є паливом, який підтримує AI/ Двигун ML працює. Ми зібрали список відкритих наборів даних, які можна безкоштовно використовувати та навчати ваших моделей AI/ML майбутнього.

Спеціалізація Обробка природних мов (НЛП) Комп'ютерний зір (CV)

Тип даних аудіо зображення текст Відео

Спеціалізація	Тип даних	Назва набору даних	Промисловість / Каф.	Анотація/Приклад використання	посилання
+НЛП	текст	Відгуки Амазонки	Електронна торгівля	Аналіз почуттів	посилання
Опис	Набір із 35 мільйонів оглядів і рейтингів за останні 18 років у вигляді простого тексту з відомостями про користувача та продукт.
+НЛП	текст	Дані про посилання Вікіпедії	Загальне		посилання
Опис	Більше 4 мільйонів статей, що містять 1.9 мільярда слів з Вікіпедії. Кожна стаття містить гіперпосилання на пов'язаний об'єкт.
+НЛП	текст	Standford Sentiment Treebank	Розваги	Аналіз почуттів	посилання
Опис	Набір даних анотацій тональності для понад 10 000 речень з оглядами фільмів Rotten Tomatoes. Доступно на рівні фрази — кожне речення розбивається на підфрази шляхом бінаризації дерев розбору у форматі Penn Treebank.
+НЛП	текст	Twitter Настрої авіакомпанії США	авіакомпанія	Аналіз почуттів	посилання
Опис	Твіти про US Airlines у 2015 році поділялися на позитивні, нейтральні та негативні.
+CV	зображення	Imagenet	Загальне		посилання
Опис	Набір даних із понад 14 мільйонами зображень у різних форматах файлів, зіставлених приблизно з 21 000 синсетами. Синсети – це синоніми з пов'язаними сутностями, представленими у вигляді зображення. 1 мільйон зображень має обмежувальні рамки, а більше 1 мільйона зображень мають функції SIFT.
+CV	зображення	Відкриті зображення Google	Загальне		посилання
Опис	Набір даних, подібний до ImageNet, з 600 категоріями. Доступний у версіях для розробки, перевірки та навчання. Деякі зображення також містять обмежувальні рамки та візуальні зв'язки.
+НЛП	текст	Діалоги з фільмів Корнелла	Розваги	Діалоги	посилання
Опис	Збірка вигаданих розмов із метаданими персонажів та фільмів. Кожен рядок – це діалог між двома людьми у форматі запитання-відповіді.
Опис	Набір даних у форматі «питання-відповідь» із запитаннями та відповідями з порталу Yahoo Answers за період з квітня 2007 року по жовтень 2007 року.
+НЛП	текст	МС МАРКО	Загальне	Відповідь на запитання	посилання
Опис	Набір даних у форматі «питання-відповідь» з анотаціями з журналів веб-пошуку Bing. Кожне запитання містить відповідь, надану користувачем, а також веб-уривки, що містять цю відповідь.
+НЛП	текст	Набір даних про природні питання	Загальне	Відповідь на запитання	посилання
Опис	Опублікований Google, цей набір даних містить реальні запити користувачів та відповіді зі статей Вікіпедії.
+НЛП	текст	DBPedia	Загальне	Графік знань	посилання
Опис	Структуроване відображення Вікіпедії з сутностями та зв'язками, витягнутими у вигляді Графа знань.
+НЛП	текст	ЯГО	Загальне	Графік знань	посилання
Опис	Граф знань, що містить сутності та зв'язки з Вікіпедії, WordNet та GeoNames.
+НЛП	текст	Вільна база	Загальне	Графік знань	посилання
Опис	База знань, що складається з сутностей та зв'язків, зібрана за допомогою краудсорсингу, тепер інтегрована в граф знань Google.
+НЛП	текст	Онтоноти	Загальне	Семантичне маркування ролей	посилання
Опис	Корпус із синтаксичними, семантичними та дискурс-рівневими анотаціями, що використовуються у спільних завданнях CoNLL.
Опис	Англійський набір даних з анотаціями для іменованих сутностей, таких як особа, організація та місцезнаходження.
+CV	зображення	Коко	Загальне	Виявлення об'єктів	посилання
Опис	Загальні об'єкти в контексті: багато анотований набір даних для виявлення об'єктів, сегментації та субтитрів.
+CV	зображення	PASCAL VOC	Загальне	Виявлення об'єктів	посилання
Опис	Еталонний набір даних для вирішення проблем виявлення та сегментації об'єктів.
+CV	зображення	Міські пейзажі	Автономне водіння	Семантична сегментація	посилання
Опис	Набір даних для розуміння міських пейзажів з анотаціями на рівні пікселів для 30 класів.
+CV	зображення	МНІСТ	Загальне	Класифікація цифр	посилання
Опис	Набір даних рукописних цифр з 60 000 навчальних та 10 000 тестових зображень розміром 28x28 пікселів.
+CV	зображення	Мода-МНІСТ	Роздрібна торгівля	Класифікація зображень	посилання
Опис	Набір зображень статей Zalando у тому ж форматі, що й MNIST, що використовується як додаткова заміна для бенчмаркінгу.
+НЛП	аудіо	LibriSpeech	Загальне	ASR	посилання
Опис	Корпус прочитаного англійського мовлення, отриманого з аудіокниг, що містить 1000 годин мовлення та пов'язаних з ним текстів.
+НЛП	аудіо	ТЕД-ЛІУМ	Загальне	ASR	посилання
Опис	Транскрибовані виступи TED з аудіо та вирівняними транскрипціями для досліджень розпізнавання мовлення.
+НЛП	аудіо	ТІМІТ	Загальне	Розпізнавання фонем	посилання
Опис	Фонетично транскрибована мова носіїв американської англійської мови, широко використовується для завдань розпізнавання фонем.
+НЛП	аудіо	Загальний голос	Загальне	ASR	посилання
Опис	Багатомовний корпус прочитаного мовлення, наданий волонтерами з усього світу.
+НЛП	аудіо	VoxCeleb	Загальне	Розпізнавання спікера	посилання
Опис	Масштабний набір даних для ідентифікації мовців, зібраний з відео на YouTube.
+НЛП	текст	Дамп Вікіпедії	Загальне	Моделювання мови	посилання
Опис	Повнотекстові дампи статей Вікіпедії, що регулярно оновлюються, використовуються для попереднього навчання мовних моделей.
+НЛП	текст	Гігаворд	Новини	Моделювання мови	посилання
Опис	Повний архів текстових даних новинних стрічок від кількох новинних агентств.
+НЛП	текст	Огляди IMDB	Розваги	Аналіз почуттів	посилання
Опис	Великий набір даних рецензій на фільми для двійкової класифікації настроїв.
+CV	Відео	Кінетика-700	Загальне	Розпізнавання дій	посилання
Опис	Масштабний високоякісний набір даних відеокліпів YouTube, що охоплює 700 класів людських дій.
+CV	Відео	UCF101	Загальне	Розпізнавання дій	посилання
Опис	Набір даних реалістичних екшн-відео зі 101 категорією дій.
+CV	Відео	HMDB51	Загальне	Розпізнавання дій	посилання
Опис	Велика база даних відео людських рухів з 51 категорією дій.
Опис	База даних фотографій облич, призначена для вивчення безперешкодного розпізнавання облич.
+CV	зображення	CASIA-WebFace	Загальне	Розпізнавання осіб	посилання
Опис	Набір даних з мільйонами зображень облич для навчання моделей глибокого розпізнавання облич.
+НЛП	текст	ЗАГІД	Загальне	Розуміння прочитаного	посилання
Опис	Набір даних для відповідей на запитання Стенфордського університету: питання, поставлені краудворкерами на основі набору статей Вікіпедії.
Опис	Набір даних машинного розуміння із запитаннями та відповідями на основі новинних статей CNN.
+НЛП	текст	MultiNLI	Загальне	Висновок природною мовою	посилання
Опис	Набір даних для логічного висновку на основі пар речень природної мови в різних жанрах.
+НЛП	текст	SNLI	Загальне	Висновок природною мовою	посилання
Опис	Стенфордський корпус логічного висновку з природної мови з парами речень, позначеними як наслідки, суперечності або нейтральні.
Опис	Колекція з понад 100 мільйонів токенів, витягнутих з набору перевірених статей у розділах «Хороші» та «Вибрані» у Вікіпедії.
Опис	Набір даних із 16 185 зображень 196 класів автомобілів.
+CV	зображення	Оксфордські квіти 102	ботаніка	Дрібнозерниста класифікація	посилання
Опис	102 категорії квітів, що зазвичай зустрічаються у Великій Британії.
+CV	зображення	ЦИФАР-10	Загальне	Класифікація зображень	посилання
Опис	Зображення 10 класів: літак, автомобіль, птах, кіт, олень, собака, жаба, кінь, корабель та вантажівка.
+CV	зображення	ЦИФАР-100	Загальне	Класифікація зображень	посилання
Опис	Набір даних, подібний до CIFAR-10, але зі 100 дрібнозернистими класами.
+CV	зображення	Макет особи VOC	Загальне	Оцінка пози	посилання
Опис	Частина PASCAL VOC, що зосереджена на анотаціях розташування осіб, таких як голова, руки та ноги.
+CV	зображення	Поза людини MPII	Загальне	Оцінка пози	посилання
Опис	Близько 25 000 зображень, що містять понад 40 000 людей з анотованими суглобами тіла.
Опис	Збірка статей новинного агентства Reuters для дослідження категоризації тексту.
+НЛП	текст	20 груп новин	Загальне	Класифікація тексту	посилання
Опис	Колекція з 20 000 документів новинних груп, розділених на 20 різних новинних груп.

Відкрийте набори даних

Набори даних з відкритим вихідним кодом, щоб почати роботу з моделями AI/ML

Служби даних AI

платформа

спеціальність

Промисловість

Ресурси

Компанія

Контакти