datasets

DataHub commons. Conjuntos de datos interesantes e importantes.

Seguimiento de conjuntos de datos médicos, con enfoque en imágenes médicas

Backend que impulsa el visor de datasets en las páginas de datasets de Hugging Face a través de una API pública.

Croissant es un formato de alto nivel para conjuntos de datos de aprendizaje automático que integra cuatro capas enriquecidas.

Una colección de proyectos públicos sobre modelos de lenguaje extensos (LLM), modelos de lenguaje visual (VLM), acción de lenguaje visual (VLA), contenido generado por IA (AIGC), y sus conjuntos de datos y aplicaciones relacionados.

Enlaces útiles sobre diversos contenidos relacionados con IA, visión artificial y robótica

Aprendizaje automático abierto

Una colección de conjuntos de datos de prompts e instrucciones para entrenar modelos ChatLLM como ChatGPT.

Una lista curada de artículos, tesis, conjuntos de datos y herramientas relacionados con la aplicación del aprendizaje automático para la ingeniería de software

Formato de archivo nuevo y extensible para el almacenamiento de conjuntos de datos columnares grandes.

Open Bandit Pipeline: una biblioteca de Python para algoritmos bandit y evaluación off-policy.

Marco de gestión de conjuntos de datos, una biblioteca de Python y herramienta CLI para construir, analizar y gestionar datasets de visión artificial

Logotipos, medios, imágenes de muestra, pesos de modelos preentrenados, artefactos de conjuntos de datos y activos de lanzamiento compartidos de Ultralytics.

El primer benchmark de procesamiento de lenguaje natural a gran escala para el idioma indonesio. Proporcionamos múltiples tareas posteriores, modelos IndoBERT preentrenados y código de inicio (AACL-IJCNLP 2020)

Una colección de conjuntos de datos para segmentación y detección de prominencia. Las solicitudes de extracción (PR) son bienvenidas.

ExerciseDB API es una base de datos de ejercicios físicos que permite a los usuarios acceder a datos de alta calidad de más de 11,000 ejercicios. Esta API ofrece información detallada sobre cada ejercicio, incluyendo grupos musculares objetivo, equipo necesario, videos, GIFs, imágenes de guía visual e instrucciones paso a paso.

Este repositorio proporciona una lista exhaustiva de conjuntos de datos de satélites ópticos y de radar seleccionados para tareas de detección, clasificación, segmentación semántica y segmentación de instancias de barcos. Estos conjuntos de datos son ideales para aplicaciones en visión artificial, aprendizaje automático, teledetección y análisis marítimo.

Recursos de conjuntos de datos de histopatología.

Cleora AI es un modelo de código abierto de propósito general para el aprendizaje eficiente y escalable de incrustaciones de entidades estables e inductivas para datos relacionales heterogéneos. Creado por el equipo de Synerise.com.

Recursos destacados sobre generalización de dominios, incluyendo artículos, código, etc.

Artículos y conjuntos de datos sobre ajuste y seguimiento de instrucciones. ✨✨✨