Conjuntos de datos abiertos listos para usar en IA/ML

Descubra conjuntos de datos de código abierto que le ayudarán a entrenar modelos de AA

Conjuntos de datos de código abierto para tus modelos de IA/ML

Encontrar el conjunto de datos adecuado para tu modelo de IA no debería llevar semanas. La biblioteca de conjuntos de datos abiertos ofrece a los equipos de aprendizaje automático acceso instantáneo a más de 100 conjuntos de datos seleccionados y validados por humanos que abarcan PNL, visión artificial, voz e IA generativa, todos ellos de libre acceso.

Entonces, si desea comenzar una nueva iniciativa de IA / ML y ahora se está dando cuenta rápidamente de que encontrar datos de entrenamiento de alta calidad será uno de los aspectos más desafiantes de su proyecto, ya que los conjuntos de datos de alta calidad son el combustible que mantiene la IA / Motor ML en marcha. Hemos acumulado una lista de conjuntos de datos abiertos que son de uso gratuito y entrenan sus modelos de IA / ML del futuro.

Especialización Conjunto de datos de procesamiento del lenguaje natural (PLN) Conjunto de datos de visión por computadora (CV)

Tipo de datos Audio Imagen Texto Vídeo

Especialización	Tipo de datos	Nombre del conjunto de datos	Industria / Dpto.	Anotación / Caso de uso	Enlace
+PNL	Texto	Reseñas de Amazon	E-commerce	Análisis de los sentimientos	Enlace
Mareas Ideales para Lecciones	Un conjunto de 35 millones de reseñas y valoraciones de los últimos 18 años en texto sin formato con detalles del usuario y del producto.
+PNL	Texto	Datos de enlaces de Wikipedia	General		Enlace
Mareas Ideales para Lecciones	Más de 4 millones de artículos con 1.9 millones de palabras de Wikipedia. Cada artículo contiene hipervínculos a la entidad asociada.
+PNL	Texto	Banco de árboles de sentimiento de Standford	Comercio y Ocio	Análisis de los sentimientos	Enlace
Mareas Ideales para Lecciones	Conjunto de datos de anotaciones de sentimiento para más de 10 000 frases de reseñas de películas de Rotten Tomatoes. Disponible a nivel de frase: cada frase se analiza en subfrases mediante la binarización de los árboles de análisis en el formato Penn Treebank.
+PNL	Texto	Sentimiento de la aerolínea estadounidense en Twitter	Aerolínea	Análisis de los sentimientos	Enlace
Mareas Ideales para Lecciones	Los tweets de 2015 sobre US Airlines se dividieron en sentimientos positivos, neutrales y negativos.
+CV	Imagen	Imagennet	General		Enlace
Mareas Ideales para Lecciones	Conjunto de datos con más de 14 millones de imágenes en diversos formatos de archivo, asignadas a aproximadamente 21 000 synsets. Los synsets son sinónimos con entidades asociadas presentes como una imagen. Un millón de imágenes tienen cuadros delimitadores y más de un millón de imágenes tienen funciones SIFT.
+CV	Imagen	Imágenes abiertas de Google	General		Enlace
Mareas Ideales para Lecciones	Un conjunto de datos similar a ImageNet con 600 categorías. Disponible en etapas de desarrollo, validación y entrenamiento. Algunas imágenes también incluyen cuadros delimitadores y relaciones visuales.
+PNL	Texto	Diálogos de películas de Cornell	Comercio y Ocio	Diálogos	Enlace
Mareas Ideales para Lecciones	Una colección de conversaciones ficticias, con metadatos de personajes y películas. Cada fila es un diálogo entre dos personas, en formato de pregunta-respuesta.
Mareas Ideales para Lecciones	Un conjunto de datos de preguntas y respuestas con preguntas y respuestas del portal Yahoo Respuestas entre abril de 2007 y octubre de 2007.
+PNL	Texto	Sra. Marco	General	Respuesta a preguntas	Enlace
Mareas Ideales para Lecciones	Un conjunto de datos de preguntas y respuestas con anotaciones de los registros de búsqueda web de Bing. Cada pregunta contiene una respuesta proporcionada por un usuario, así como fragmentos web que la contienen.
+PNL	Texto	Conjunto de datos de preguntas naturales	General	Respuesta a preguntas	Enlace
Mareas Ideales para Lecciones	Publicado por Google, este conjunto de datos contiene consultas y respuestas de usuarios reales de artículos de Wikipedia.
+PNL	Texto	DBPedia	General	Conocimiento Gráfico	Enlace
Mareas Ideales para Lecciones	Una representación estructurada de Wikipedia, con entidades y relaciones extraídas como un gráfico de conocimiento.
+PNL	Texto	YAGO	General	Conocimiento Gráfico	Enlace
Mareas Ideales para Lecciones	Un gráfico de conocimiento que contiene entidades y relaciones de Wikipedia, WordNet y GeoNames.
+PNL	Texto	Base libre	General	Conocimiento Gráfico	Enlace
Mareas Ideales para Lecciones	Una base de conocimiento colaborativa formada por entidades y relaciones, ahora incorporada al gráfico de conocimiento de Google.
+PNL	Texto	Ontonotas	General	Etiquetado de roles semánticos	Enlace
Mareas Ideales para Lecciones	Un corpus con anotaciones sintácticas, semánticas y de nivel de discurso utilizadas en las tareas compartidas de CoNLL.
Mareas Ideales para Lecciones	Un conjunto de datos en inglés anotado para entidades nombradas, como persona, organización y ubicación.
+CV	Imagen	COCO	General	Detección de objetos	Enlace
Mareas Ideales para Lecciones	Objetos comunes en contexto: un conjunto de datos ricamente anotados para detección, segmentación y subtitulado de objetos.
+CV	Imagen	VOC PASCAL	General	Detección de objetos	Enlace
Mareas Ideales para Lecciones	Un conjunto de datos de referencia para los desafíos de detección y segmentación de objetos.
+CV	Imagen	Paisajes urbanos	Conducción autónoma	Segmentación semántica	Enlace
Mareas Ideales para Lecciones	Conjunto de datos para la comprensión de la escena urbana con anotaciones a nivel de píxel para 30 clases.
+CV	Imagen	MNIST	General	Clasificación de dígitos	Enlace
Mareas Ideales para Lecciones	Conjunto de datos de dígitos escritos a mano con 60,000 imágenes de entrenamiento y 10,000 imágenes de prueba de 28x28 píxeles.
+CV	Imagen	Moda-MNIST	Venta al Por Menor	Clasificación de imagen	Enlace
Mareas Ideales para Lecciones	Conjunto de datos de imágenes de artículos de Zalando en el mismo formato que MNIST, utilizado como reemplazo directo para la evaluación comparativa.
+PNL	Audio	LibriDiscurso	General	ASR	Enlace
Mareas Ideales para Lecciones	Un corpus de discurso leído en inglés derivado de audiolibros, con 1000 horas de discurso y textos asociados.
+PNL	Audio	TED-LIUM	General	ASR	Enlace
Mareas Ideales para Lecciones	Charlas TED transcritas con audio y transcripciones alineadas para la investigación de reconocimiento de voz.
+PNL	Audio	TIMITAR	General	Reconocimiento de fonemas	Enlace
Mareas Ideales para Lecciones	Discurso transcrito fonéticamente de hablantes de inglés americano, ampliamente utilizado para tareas de reconocimiento de fonemas.
+PNL	Audio	Voz común	General	ASR	Enlace
Mareas Ideales para Lecciones	Un corpus multilingüe de habla leída aportado por voluntarios de todo el mundo.
+PNL	Audio	VoxCeleb	General	Reconocimiento de locutor	Enlace
Mareas Ideales para Lecciones	Un conjunto de datos de identificación de hablantes a gran escala recopilados a partir de videos de YouTube.
+PNL	Texto	Volcado de Wikipedia	General	Modelado de lenguaje	Enlace
Mareas Ideales para Lecciones	Volcados de texto completo de artículos de Wikipedia, actualizados periódicamente, utilizados para el preentrenamiento de modelos de lenguaje.
+PNL	Texto	Gigapalabra	Noticias	Modelado de lenguaje	Enlace
Mareas Ideales para Lecciones	Un archivo completo de datos de texto de noticias de múltiples agencias de noticias.
+PNL	Texto	Opiniones de IMDB	Comercio y Ocio	Análisis de los sentimientos	Enlace
Mareas Ideales para Lecciones	Gran conjunto de datos de reseñas de películas para la clasificación binaria de sentimientos.
+CV	Vídeo	Cinética-700	General	Reconocimiento de acción	Enlace
Mareas Ideales para Lecciones	Un conjunto de datos a gran escala y de alta calidad de videoclips de YouTube que abarcan 700 clases de acciones humanas.
+CV	Vídeo	UCF101	General	Reconocimiento de acción	Enlace
Mareas Ideales para Lecciones	Un conjunto de datos de vídeos de acción realistas, con 101 categorías de acción.
+CV	Vídeo	HMDB51	General	Reconocimiento de acción	Enlace
Mareas Ideales para Lecciones	Una gran base de datos de vídeos de movimiento humano con 51 categorías de acción.
Mareas Ideales para Lecciones	Una base de datos de fotografías faciales diseñada para estudiar el reconocimiento facial sin restricciones.
+CV	Imagen	CASIA-WebFace	General	Reconocimiento de rostros	Enlace
Mareas Ideales para Lecciones	Un conjunto de datos con millones de imágenes faciales para entrenar modelos de reconocimiento facial profundo.
+PNL	Texto	Equipo	General	Comprensión lectora	Enlace
Mareas Ideales para Lecciones	Conjunto de datos de preguntas y respuestas de Stanford: preguntas planteadas por trabajadores colaborativos sobre un conjunto de artículos de Wikipedia.
Mareas Ideales para Lecciones	Un conjunto de datos de comprensión de máquinas con preguntas y respuestas basadas en artículos de noticias de CNN.
+PNL	Texto	MultiNLI	General	Inferencia del lenguaje natural	Enlace
Mareas Ideales para Lecciones	Un conjunto de datos para la inferencia del lenguaje natural a partir de pares de oraciones en múltiples géneros.
+PNL	Texto	SNLI	General	Inferencia del lenguaje natural	Enlace
Mareas Ideales para Lecciones	Corpus de inferencia de lenguaje natural de Stanford con pares de oraciones etiquetadas como implicación, contradicción o neutralidad.
Mareas Ideales para Lecciones	Una colección de más de 100 millones de tokens extraídos del conjunto de artículos buenos y destacados verificados en Wikipedia.
Mareas Ideales para Lecciones	Un conjunto de datos de 16,185 imágenes de 196 clases de automóviles.
+CV	Imagen	Flores de Oxford 102	Botánica	Clasificación de grano fino	Enlace
Mareas Ideales para Lecciones	102 categorías de flores que se encuentran comúnmente en el Reino Unido.
+CV	Imagen	CIFAR-10	General	Clasificación de imagen	Enlace
Mareas Ideales para Lecciones	Imágenes de 10 clases: avión, automóvil, pájaro, gato, ciervo, perro, rana, caballo, barco y camión.
+CV	Imagen	CIFAR-100	General	Clasificación de imagen	Enlace
Mareas Ideales para Lecciones	Un conjunto de datos similar a CIFAR-10, pero con 100 clases de grano fino.
+CV	Imagen	Disposición de la persona de VOC	General	Estimación de poses	Enlace
Mareas Ideales para Lecciones	Parte de PASCAL VOC que se centra en las anotaciones de diseño de personas, como cabeza, manos y pies.
+CV	Imagen	Pose humana MPII	General	Estimación de poses	Enlace
Mareas Ideales para Lecciones	Alrededor de 25,000 imágenes que contienen más de 40,000 personas con articulaciones corporales anotadas.
Mareas Ideales para Lecciones	Recopilación de artículos de noticias de Reuters para investigación de categorización de textos.
+PNL	Texto	20 grupos de noticias	General	Clasificación de texto	Enlace
Mareas Ideales para Lecciones	Una colección de 20,000 documentos de grupos de noticias divididos en 20 grupos de noticias diferentes.

Servicios de datos de IA

Especialidad

Catálogo de datos médicos

Catálogo de datos de visión artificial

Catálogo de datos de voz

Por industria

Por caso de uso

Conjuntos de datos abiertos listos para usar en IA/ML

Conjuntos de datos de código abierto para tus modelos de IA/ML

Servicios de datos de IA

Especialidad

Recursos

Empresa

Contáctenos