#dataset Repositorios
173 repositorios en total
[ICLR 2025] Síntesis de datos de alineación desde cero solicitando LLMs alineados con nada. ¡Su canal eficiente y de alta calidad para la generación de datos sintéticos!
Conjunto de datos oficial para «Evaluación de la imperceptibilidad de las perturbaciones adversarias: desde una perspectiva visual»
🍃 MINT-1T: Un conjunto de datos multimodal entrelazado de un billón de tokens.
Texto bíblico en JSON y XML: 141 versiones en 85 idiomas, listo para aplicaciones, búsquedas de versículos y conjuntos de datos de PLN/IA
Biblioteca global de stickers de aves de código abierto de Hua Shu · Stickers generados por IA para más de 11.000 especies de aves (AviList v2026), con licencia CC BY 4.0, nombres en 43 idiomas y datos estructurados
¡Desbloquea el poder de los LLM: explora estos conjuntos de datos para entrenar tu propio ChatGPT!
Conjunto de datos Total Text. Consta de 1555 imágenes con más de 3 orientaciones de texto diferentes: horizontal, multiorientada y curva, única en su clase.
Aprendizaje conjunto de características de detección e identificación para la búsqueda de personas
Convertidor de JSON a DataSet y de DataSet a JSON para Delphi y Lazarus (FPC)
Thorsten-Voice: Una voz TTS alemana de alta calidad, gratuita para usar y que funciona sin conexión, debería estar disponible para cada proyecto sin problemas de licencias.
[NeurIPS 2024 spotlight] Implementación oficial de MSFA y lanzamiento del conjunto de datos SARDet_100K para la detección de objetos de radar de apertura sintética (SAR) a gran escala
Extensiones de Dataset, streaming y sistema de archivos mantenidas por TensorFlow SIG-IO
Infraestructura de código abierto que convierte archivos SKILL.md dispersos en corpus de habilidades de agentes seleccionados y listos para la recuperación, con herramientas de recuperación y evaluación incluidas.
ACM Multimedia2020 University-1652: Un Benchmark Multi-vista Multi-fuente para Geo-localización Basada en Drones :helicopter: anota 1652 edificios en 72 universidades alrededor del mundo.
Dataset Management Framework, una biblioteca Python y una herramienta CLI para construir, analizar y gestionar conjuntos de datos de visión por computadora.
Benchmarking de la factualidad a largo plazo en modelos de lenguaje grandes. Código original de nuestro artículo "Long-form factuality in large language models".
[CVPR 2024] MovieChat: De tokens densos a memoria dispersa para la comprensión de videos largos
Conjunto de código de detección y localización de objetos basados en puntos y pequeños de UCAS-VG
[ECCV'20] Structured3D: Un gran conjunto de datos fotorrealista para modelado 3D estructurado
Repositorio del conjunto de datos Ego4d. Descargue el conjunto de datos, visualice, extraiga características y ejemplo de uso del conjunto de datos
Un conjunto de datos de audio gratuito de dígitos hablados. Una versión en audio de MNIST.
Awesome-LLM-Eval: una lista curada de herramientas, conjuntos de datos/benchmarks, demostraciones, tablas de clasificación, artículos, documentos y modelos, principalmente para la Evaluación en LLMs. Una lista curada de herramientas, benchmarks/datos, demostraciones, tablas de clasificación y grandes modelos, que se enfoca principalmente en la evaluación de grandes modelos base, con el objetivo de explorar los límites tecnológicos de la IA generativa.
El conjunto de datos Exclusively Dark (ExDARK), que, según nuestro conocimiento, es la mayor colección de imágenes con baja luminosidad tomadas en entornos de muy poca luz hasta el crepúsculo (es decir, 10 condiciones diferentes) hasta la fecha, con anotaciones a nivel de clase de imagen y de objeto.
Un repositorio de conjuntos de datos bastante geniales que he recopilado para la investigación en ciencia de redes y aprendizaje automático.
ConvoKit es un conjunto de herramientas para extraer características conversacionales y analizar fenómenos sociales en conversaciones. Incluye varios conjuntos de datos conversacionales grandes junto con scripts que ejemplifican el uso del conjunto de herramientas en estos conjuntos de datos.
HISTDATA - Conjunto de datos compuesto por todos los pares de trading FX / Petróleo crudo / Índices bursátiles. API simple para recuperar datos de 1 minuto (y datos de ticks) Precios históricos FX (actualizados).
Un conjunto de datos de conducción para el desarrollo y validación de estimadores de pose fusionados y algoritmos de mapeo
Una colección de algunos conjuntos de datos para segmentación / detección de saliencia. Bienvenido a PR...:smile:
Crea fácilmente grandes conjuntos de datos de video a partir de URL de video
Una colección curada de conjuntos de datos industriales públicos.
Conjunto de datos y referencia para RAG en documentos internos de la empresa.
[ICML 2024] TrustLLM: evaluación de la confiabilidad de los LLM en términos de veracidad, seguridad, equidad, robustez, privacidad y ética. Kit de herramientas de Python/CLI para modelos locales, API compatibles y orquestación de agentes de IA.
Ciclo de vida completo de un proyecto de ciencia de datos
Weibo-COV: Un conjunto de datos a gran escala de redes sociales sobre COVID-19 de Weibo
El conjunto de datos abierto ApolloScape para la conducción autónoma y su aplicación.
Biblioteca de datos de precios históricos de criptomonedas en Python. Datos de https://coinmarketcap.com.
🔥Detección de objetos 3D en nubes de puntos y segmentación semántica (Deep Learning) - Métodos SOTA, código, artículos, conjuntos de datos, etc.
Una recopilación de más de 150 conjuntos de datos gratuitos para su uso en ciencias sociales, microeconomía aplicada, visualización de datos, etc.