Dataset

用於資料分析和研究的資料集的結構化存檔，提供聚合和清理的資料資源。

vivym/midjourney-prompts 的重複資料集（Hugging Face 資料集）。從公共 Midjourney Discord 管道收集的提示。

收集並上傳聊天機器人資料集的對話。

供經理、工程師和資料專家開發人工智慧功能的協作工作空間。

一個開源儲存庫，存檔 2020 年以來的《經濟學人》文章，提供用於分析和研究的結構化新聞資料。

用於自動收集和共享聊天機器人對話以供開源使用的擴展。

取得準確、完整、可供使用的資料集

AI 計畫的臉部生物辨識資料集。

AI資料集眾包平台

用於機器學習和影像分類任務的 CSV 格式的 MNIST 資料集。

SQuAD 是一個閱讀理解資料集，用於訓練和評估問答 AI 模型，其版本包括可回答和不可回答的問題。

用於資料集建立和分析的 Git 儲存庫的公共檔案，支援程式碼研究和開源專案。

用於垃圾郵件分類的公共資料集，包含 4601 個實例和 57 個特徵，用於機器學習任務。

用於語言建模實驗的基準資料集，包含 10 億個單詞，為可重複的研究提供訓練/測試資料和基線模型輸出。

用於情緒分析的中文情緒資料集，源自人機對話日誌並使用 Jieba 進行分段。

來自史丹佛大學的情緒分析工具和資料集，使用深度學習進行語義組合，並整合到 CoreNLP 中。

CSV 格式的 Google 趨勢資料的公開資料集，可在 GitHub 上進行分析和研究。

2006 年以來亞馬遜產品共同購買網路和評論的資料集，可用於研究和分析。

中文縮寫預測資料集，包括否定完整形式，發布用於 NLP 學術研究。

具有完形填空式查詢的中文閱讀理解資料集，包括用於 NLP 研究的《人民日報》和《兒童童話》資料。

CIFAR-10 和 CIFAR-100 是用於電腦視覺和機器學習的標記影像資料集，包含 10 或 100 個類別的 60,000 張 32x32 彩色影像。

HetRec 2011 的資料集包含 1,892 位使用者的 92,800 位藝術家收聽記錄，用於音樂推薦研究。

包含超過 5,600 萬個條目的中文姓名語料庫，用於姓名識別和生成等 NLP 任務。

用於二元情緒分類的大型資料集，包含 50,000 條極地電影評論，用於 NLP 和機器學習的訓練和測試。