Dataset

Un archivo estructurado de conjuntos de datos para análisis e investigación de datos, que ofrece recursos de datos agregados y limpios.

Subconjunto deduplicado de indicaciones de vivym/midjourney (conjunto de datos de Hugging Face). Mensajes recopilados de los canales públicos de Midjourney Discord.

Recopile y cargue conversaciones para el conjunto de datos del chat-bot.

Un espacio de trabajo colaborativo para que gerentes, ingenieros y expertos en datos desarrollen funciones de inteligencia artificial.

Un repositorio de código abierto que archiva artículos de The Economist de 2020 y proporciona datos de noticias estructurados para análisis e investigación.

Extensión para recopilar y compartir automáticamente conversaciones de chatbot para uso de código abierto.

Obtenga conjuntos de datos precisos y completos listos para usar

Conjuntos de datos biométricos faciales para proyectos de IA.

Plataforma de crowdsourcing de conjuntos de datos de IA

Conjunto de datos MNIST en formato CSV para tareas de aprendizaje automático y clasificación de imágenes.

SQuAD es un conjunto de datos de comprensión lectora para entrenar y evaluar modelos de IA de respuesta a preguntas, con versiones que incluyen preguntas con y sin respuesta.

Un archivo público de repositorios Git para la creación y análisis de conjuntos de datos, que respalda la investigación de código y proyectos de código abierto.

Un conjunto de datos público para la clasificación de correo electrónico no deseado, que contiene 4601 instancias con 57 funciones, que se utiliza para tareas de aprendizaje automático.

Un conjunto de datos de referencia para experimentos de modelado del lenguaje con mil millones de palabras, que proporciona datos de entrenamiento/prueba y resultados del modelo de referencia para investigaciones reproducibles.

Un conjunto de datos de sentimiento chino para el análisis de sentimiento, derivado de registros de conversaciones entre humanos y computadoras y segmentado mediante Jieba.

Una herramienta de análisis de sentimientos y un conjunto de datos de Stanford, que utiliza el aprendizaje profundo para la composicionalidad semántica, integrado en CoreNLP.

Un conjunto de datos público de datos de Google Trends en formato CSV, disponible en GitHub para análisis e investigación.

Un conjunto de datos de redes de cocompra de productos de Amazon y reseñas de 2006, útil para investigación y análisis.

Un conjunto de datos para la predicción de abreviaturas chinas, incluidas las formas completas negativas, publicado para investigación académica en PNL.

Un conjunto de datos de comprensión de lectura en chino con consultas estilo cloze, incluidos datos de People Daily y Children's Fairy Tale para la investigación de PNL.

CIFAR-10 y CIFAR-100 son conjuntos de datos de imágenes etiquetadas para visión por computadora y aprendizaje automático, con 60.000 imágenes en color de 32x32 en 10 o 100 clases.

Un conjunto de datos de HetRec 2011 que contiene 92.800 registros de escucha de artistas de 1.892 usuarios para la investigación de recomendaciones musicales.

Un corpus de nombres chinos con más de 56 millones de entradas, utilizado para tareas de PNL como el reconocimiento y la generación de nombres.

Un gran conjunto de datos para la clasificación de sentimientos binarios con 50 000 reseñas de películas polares, que se utiliza para capacitación y pruebas en PNL y aprendizaje automático.