datasets

Conjuntos de datos de benchmark, cargadores de datos y evaluadores para aprendizaje automático en grafos

Una lista seleccionada de conjuntos de datos de ciberseguridad increíblemente útiles

Un repositorio que contiene modelos, conjuntos de datos y técnicas de ajuste fino para DB-GPT, con el propósito de mejorar el rendimiento del modelo en Text-to-SQL.

El almacén de datos de IA para esquemas, BLOBs y predicciones. Úsalo con tus aplicaciones o integra supervisión humana, flujo de trabajo de datos y catálogo de UI integrados para obtener el máximo valor de tus datos de IA.

Más de 500 recursos seleccionados para análisis de datos y ciencia de datos: Python, SQL, estadística, ML, IA, visualización, hojas de referencia, hojas de ruta y preparación de entrevistas. Para principiantes y expertos.

Datos tabulares en memoria en Julia

Lista comunitaria de APIs, aplicaciones, conjuntos de datos, investigación y software de transporte.

🚀🚀🚀 Una colección de increíbles proyectos públicos de la serie de detección de objetos YOLO y conjuntos de datos relacionados.

Recopilación de todo el contenido de Hu Chenfeng

Safe RLHF: Alineación de valores restringida mediante aprendizaje por refuerzo seguro a partir de retroalimentación humana

Una colección de corpus para el reconocimiento de entidades nombradas (NER) y tareas de reconocimiento de entidades. Estos conjuntos de datos anotados cubren una variedad de idiomas, dominios y tipos de entidades.

Una lista curada de enlaces y bibliotecas de software útiles para robots.

🪐 Flujos de trabajo de NLP de extremo a extremo, desde el prototipo hasta la producción.

Una herramienta DevOps de código abierto de la CNCF para empaquetar y versionar modelos de IA/ML, conjuntos de datos, código y configuraciones en un artefacto OCI.

[AAAI 2025]👔IMAGDressing👔: Generación modular interactiva de prendas para vestimenta virtual. Permite la generación de imágenes humanas personalizables con control flexible de prendas, poses y escenas, garantizando alta fidelidad y consistencia de las prendas para el vestuario virtual.

Un formato estándar para conjuntos de datos de aprendizaje por refuerzo offline, con conjuntos de datos de referencia populares y utilidades relacionadas.

Therapeutics Commons (TDC): Base multimodal para la ciencia terapéutica.

Langtrace 🔍 es una herramienta de observabilidad de extremo a extremo de código abierto basada en Open Telemetry para aplicaciones LLM, que proporciona rastreo en tiempo real, evaluaciones y métricas para LLMs populares, frameworks de LLM, bases de datos vectoriales y más. Integración mediante Typescript y Python. 🚀💻📊

Conjuntos de datos para aprendizaje profundo con imágenes satelitales y aéreas.

Una colección de conjuntos de datos de código abierto para entrenar LLM que siguen instrucciones (ChatGPT, LLaMA, Alpaca).

Herramienta de código abierto para la anotación de audio

Una lista de conjuntos de datos de Twitter y recursos relacionados.

csghub-server es el servidor backend para CSGHub, que ayuda a los usuarios a gestionar conjuntos de datos, modelos, y a ejecutar inferencia de modelos, ajuste fino y espacios de aplicaciones.

Corpus de preentrenamiento a gran escala para chino de 100G

[ACL 2023] Razonamiento con prompting de modelos de lenguaje: un estudio.

Un framework de optimización modular para localización y mapeo (MOLA)

Artículos de ICCV 2023-2025: Descubre investigación de vanguardia de ICCV 2023-25, la conferencia líder en visión por computadora. Mantente al día con lo último en visión por computadora y deep learning, con código incluido. ¡⭐ apoya el desarrollo de la inteligencia visual!

Deduplicación y filtrado semántico multimodal rápido.

Conjuntos de datos de audio para IA (AI-ADS) 🎵, que incluyen voz, música y efectos de sonido, los cuales pueden proporcionar datos de entrenamiento para IA generativa, AIGC, entrenamiento de modelos de IA, desarrollo de herramientas de audio inteligentes y aplicaciones de audio.

Acceso sencillo a conjuntos de datos espaciales oficiales de Brasil en R y Python