Conjuntos de dados abertos

Descubra conjuntos de dados de código aberto que permitem que você treine modelos de ML

Conjuntos de dados de código aberto para você começar com modelos de IA/ML

A saída de seus modelos de IA e ML é tão boa quanto os dados que você usa para treiná-los – portanto, a precisão que você aplica à agregação de dados e à marcação e identificação desses dados é importante!

Portanto, se você deseja iniciar uma nova iniciativa de IA/ML e agora está percebendo rapidamente que encontrar dados de treinamento de alta qualidade será um dos aspectos mais desafiadores do seu projeto, pois conjuntos de dados de alta qualidade são o combustível que mantém a IA/ Motor de ML funcionando. Acumulamos uma lista de conjuntos de dados abertos que são gratuitos para usar e treinar seus modelos de IA/ML do futuro.

Especialização Processamento de Linguagem Natural (PNL) Visão computacional (CV)

Tipo de dados em áudio Imagem Texto Vídeo

Especialização	Tipo de dados	Nome do conjunto de dados	Indústria / Dep.	Anotação/caso de uso	de vidrio
+PNL	Texto	Comentários Amazon	Ecommerce	Análise de Sentimentos	de vidrio
Descrição	Um conjunto de 35 milhões de avaliações e classificações dos últimos 18 anos em texto simples com detalhes do usuário e do produto.
+PNL	Texto	Dados de links da Wikipedia	Geral		de vidrio
Descrição	Mais de 4 milhões de artigos contendo 1.9 bilhão de palavras da Wikipédia. Cada artigo contém hiperlinks para a entidade associada.
+PNL	Texto	Treebank de sentimento de Standford	Retalho e Entretenimento	Análise de Sentimentos	de vidrio
Descrição	Conjunto de dados de anotações de sentimento para mais de 10,000 frases de críticas de filmes do Rotten Tomatoes. Disponível em nível de frase — cada frase é analisada em subfrases por meio da binarização das árvores de análise sintática no formato Penn Treebank.
+PNL	Texto	Sentimento da companhia aérea dos EUA no Twitter	Companhia aérea	Análise de Sentimentos	de vidrio
Descrição	Em 2015, os tweets sobre companhias aéreas americanas se dividiram em sentimentos positivos, neutros e negativos.
+CV	Imagem	Rede de imagens	Geral		de vidrio
Descrição	Conjunto de dados com mais de 14 milhões de imagens em vários formatos de arquivo mapeadas para cerca de 21,000 synsets. Synsets são sinônimos com entidades associadas presentes como uma imagem. 1 milhão de imagens possuem caixas delimitadoras e mais de 1 milhão de imagens possuem características SIFT.
+CV	Imagem	Imagens abertas do Google	Geral		de vidrio
Descrição	Um conjunto de dados semelhante ao ImageNet com 600 categorias. Disponível em versões para desenvolvimento, validação e treinamento. Algumas imagens também incluem caixas delimitadoras e relações visuais.
+PNL	Texto	Diálogos de filmes de Cornell	Retalho e Entretenimento	Diálogos	de vidrio
Descrição	Uma coleção de conversas fictícias, com metadados de personagens e filmes. Cada linha representa um diálogo entre duas pessoas, em formato de pergunta e resposta.
Descrição	Um conjunto de dados de perguntas e respostas do portal Yahoo Respostas, coletado entre abril de 2007 e outubro de 2007.
+PNL	Texto	SENHORA MARCO	Geral	Resposta a Perguntas	de vidrio
Descrição	Um conjunto de dados de perguntas e respostas com anotações dos registros de pesquisa da Bing. Cada pergunta contém uma resposta fornecida por um usuário, bem como trechos da web que contêm a resposta.
+PNL	Texto	Conjunto de dados de perguntas naturais	Geral	Resposta a Perguntas	de vidrio
Descrição	Divulgado pelo Google, este conjunto de dados contém consultas e respostas reais de usuários a partir de artigos da Wikipédia.
+PNL	Texto	DBPedia	Geral	Gráfico conhecimento	de vidrio
Descrição	Uma representação estruturada da Wikipédia, com entidades e relações extraídas como um Grafo de Conhecimento.
+PNL	Texto	YAGO	Geral	Gráfico conhecimento	de vidrio
Descrição	Um grafo de conhecimento contendo entidades e relações da Wikipédia, WordNet e GeoNames.
+PNL	Texto	Base Livre	Geral	Gráfico conhecimento	de vidrio
Descrição	Uma base de conhecimento colaborativa composta por entidades e relacionamentos, agora incorporada ao gráfico de conhecimento do Google.
+PNL	Texto	Ontonotes	Geral	Rotulagem de Papéis Semânticos	de vidrio
Descrição	Um corpus com anotações sintáticas, semânticas e de nível discursivo usado nas tarefas compartilhadas do CoNLL.
Descrição	Um conjunto de dados em inglês anotado com entidades nomeadas, como pessoa, organização e localização.
+CV	Imagem	COCO	Geral	Detecção de Objetos	de vidrio
Descrição	Objetos Comuns em Contexto: um conjunto de dados ricamente anotado para detecção, segmentação e legendagem de objetos.
+CV	Imagem	VOC PASCAL	Geral	Detecção de Objetos	de vidrio
Descrição	Um conjunto de dados de referência para desafios de detecção e segmentação de objetos.
+CV	Imagem	Cityscapes	Condução Autônoma	Segmentação Semântica	de vidrio
Descrição	Conjunto de dados para compreensão de cenas urbanas com anotações em nível de pixel para 30 classes.
+CV	Imagem	MNIST	Geral	Classificação de dígitos	de vidrio
Descrição	Conjunto de dados de dígitos manuscritos com 60,000 imagens de treinamento e 10,000 imagens de teste de 28x28 pixels.
+CV	Imagem	Moda-MNIST	Varejo	Classificação de imagens	de vidrio
Descrição	Conjunto de dados de imagens de artigos da Zalando no mesmo formato do MNIST, usado como substituto direto para avaliação comparativa.
+PNL	em áudio	LibriSpeech	Geral	ASR	de vidrio
Descrição	Um conjunto de gravações de fala em inglês extraídas de audiolivros, contendo 1000 horas de áudio e textos associados.
+PNL	em áudio	TED-LIUM	Geral	ASR	de vidrio
Descrição	Transcrição de palestras TED com áudio e transcrições alinhadas para pesquisa em reconhecimento de fala.
+PNL	em áudio	TEMPO	Geral	Reconhecimento de fonemas	de vidrio
Descrição	Transcrição fonética da fala de falantes de inglês americano, amplamente utilizada em tarefas de reconhecimento de fonemas.
+PNL	em áudio	Voz comum	Geral	ASR	de vidrio
Descrição	Um corpus multilíngue de fala lida, contribuído por voluntários de todo o mundo.
+PNL	em áudio	VoxCelebGenericName	Geral	Reconhecimento de alto-falante	de vidrio
Descrição	Um extenso conjunto de dados para identificação de falantes, coletado a partir de vídeos do YouTube.
+PNL	Texto	Despejo da Wikipédia	Geral	Modelagem de linguagem	de vidrio
Descrição	Despejos de texto completo de artigos da Wikipédia, atualizados regularmente, são usados para o pré-treinamento de modelos de linguagem.
+PNL	Texto	Gigapalavra	Notícias	Modelagem de linguagem	de vidrio
Descrição	Um arquivo abrangente de dados textuais de agências de notícias.
+PNL	Texto	Comentários IMDB	Retalho e Entretenimento	Análise de Sentimentos	de vidrio
Descrição	Grande conjunto de dados de avaliações de filmes para classificação binária de sentimentos.
+CV	Vídeo	Cinética-700	Geral	Reconhecimento de Ação	de vidrio
Descrição	Um conjunto de dados de alta qualidade e em grande escala, composto por videoclipes do YouTube, abrangendo 700 classes de ações humanas.
+CV	Vídeo	UCF101	Geral	Reconhecimento de Ação	de vidrio
Descrição	Um conjunto de dados de vídeos de ação realistas, com 101 categorias de ação.
+CV	Vídeo	HMDB51	Geral	Reconhecimento de Ação	de vidrio
Descrição	Um extenso banco de dados de vídeos de movimentos humanos com 51 categorias de ação.
Descrição	Um banco de dados de fotografias de rostos projetado para o estudo do reconhecimento facial irrestrito.
+CV	Imagem	CASIA-WebFace	Geral	Face Recognition	de vidrio
Descrição	Um conjunto de dados com milhões de imagens de rostos para treinamento de modelos de reconhecimento facial profundo.
+PNL	Texto	Pelotão	Geral	Compreensão de leitura	de vidrio
Descrição	Conjunto de dados de perguntas e respostas de Stanford: perguntas feitas por trabalhadores remotos sobre um conjunto de artigos da Wikipédia.
Descrição	Um conjunto de dados de compreensão de máquina com perguntas e respostas baseadas em artigos de notícias da CNN.
+PNL	Texto	MultiNLI	Geral	Inferência de Linguagem Natural	de vidrio
Descrição	Um conjunto de dados para inferência de linguagem natural a partir de pares de frases em diversos gêneros.
+PNL	Texto	SNLI	Geral	Inferência de Linguagem Natural	de vidrio
Descrição	Corpus de Inferência de Linguagem Natural de Stanford com pares de frases rotuladas como implicação, contradição ou neutras.
Descrição	Uma coleção de mais de 100 milhões de tokens extraídos do conjunto de artigos verificados como Bons e Destacados na Wikipédia.
Descrição	Um conjunto de dados com 16,185 imagens de 196 classes de carros.
+CV	Imagem	Oxford Flowers 102	botânica	Classificação detalhada	de vidrio
Descrição	102 categorias de flores comuns no Reino Unido.
+CV	Imagem	CIFAR-10	Geral	Classificação de imagens	de vidrio
Descrição	Imagens de 10 classes: avião, automóvel, pássaro, gato, veado, cachorro, sapo, cavalo, navio e caminhão.
+CV	Imagem	CIFAR-100	Geral	Classificação de imagens	de vidrio
Descrição	Um conjunto de dados semelhante ao CIFAR-10, mas com 100 classes de granularidade fina.
+CV	Imagem	Layout de Pessoa VOC	Geral	Estimativa de pose	de vidrio
Descrição	Parte do PASCAL VOC com foco em anotações de layout de pessoas, como cabeça, mãos e pés.
+CV	Imagem	MPII Pose Humana	Geral	Estimativa de pose	de vidrio
Descrição	Aproximadamente 25,000 imagens contendo mais de 40,000 pessoas com articulações do corpo anotadas.
Descrição	Coletânea de artigos da agência de notícias Reuters para pesquisa de categorização de texto.
+PNL	Texto	20 grupos de notícias	Geral	Classificação de Texto	de vidrio
Descrição	Uma coleção de 20,000 documentos de grupos de notícias, divididos em 20 grupos de notícias diferentes.

Conjuntos de dados abertos

Conjuntos de dados de código aberto para você começar com modelos de IA/ML

Serviços de dados de IA

Especialidade

Recursos

Empresa

Contacte-nos