Готові до використання відкриті набори даних для штучного інтелекту/модельного навчання

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

Набори даних з відкритим вихідним кодом для ваших моделей штучного інтелекту/машинного навчання

Пошук правильного набору даних для вашої моделі штучного інтелекту не повинен займати тижні. Відкрита бібліотека наборів даних надає командам машинного навчання миттєвий доступ до понад 100 курованих, перевірених людиною наборів даних, що охоплюють NLP, комп'ютерний зір, мовлення та генеративний штучний інтелект — усі вони безкоштовні для дослідження.

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 Набір даних обробки природної мови (NLP) Набір даних комп'ютерного зору (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.

Служби даних AI

спеціальність

Каталог фізичних даних ШІ

Каталог медичних даних

Каталог даних комп'ютерного зору

Каталог мовленнєвих даних

За галуззю

За випадком використання

Готові до використання відкриті набори даних для штучного інтелекту/модельного навчання

Набори даних з відкритим вихідним кодом для ваших моделей штучного інтелекту/машинного навчання

Служби даних AI

спеціальність

Ресурси

Компанія

Контакти