dataset

Une liste collective d'API gratuites

Label Studio est un outil d'étiquetage et d'annotation de données multi-types avec un format de sortie standardisé.

Jeu de données de 1 324 exercices de fitness : GIFs animés, vignettes 180×180, données sur les groupes musculaires et équipements, et instructions étape par étape en 6 langues. La couche de données d'exercices derrière l'application LogPress.

Faker est un package Python qui génère des données fictives.

Computer Vision Annotation Tool (CVAT) est une plateforme de premier plan pour la création de jeux de données visuels de haute qualité pour l'IA. Elle propose des produits open-source, cloud et entreprise, ainsi que des services d'étiquetage pour les images, vidéos et annotations 3D, incluant l'assistance par IA, l'assurance qualité, la collaboration d'équipe, l'analyse et des API développeur.

pix2tex : Utilisation d'un ViT pour convertir des images d'équations en code LaTeX.

Un outil puissant pour créer des jeux de données destinés au fine-tuning de LLM, au RAG et à l'évaluation.

Outil d'annotation open source pour les praticiens du machine learning.

Techniques d'apprentissage profond pour l'imagerie satellite et aérienne.

Corpus à grande échelle pour le traitement du langage naturel en chinois

Données de compatibilité des navigateurs pour les technologies Web telles qu'affichées sur MDN

Collection de modèles NLP chinois pré-entraînés de haute qualité, incluant des grands modèles, des modèles multimodaux et des grands modèles de langage.

Liste organisée de jeux de données et d'outils pour le post-entraînement.

esProc SPL est un langage de programmation basé sur la JVM conçu pour le calcul de données structurées, servant à la fois d'outil d'analyse de données et de moteur de calcul embarqué.

Transformer : implémentation PyTorch de "Attention Is All You Need"

TFDS est une collection de jeux de données prêts à l'emploi avec TensorFlow, Jax, etc.

Transformez facilement de grands ensembles d'URL d'images en un jeu de données. Capable de télécharger, redimensionner et empaqueter 100 millions d'URL en 20 heures sur une seule machine.

Corpus de noms chinois et générateur de noms. Inclut noms de famille, prénoms, titres, noms japonais et traductions. Utilisable pour la segmentation de texte et la reconnaissance d'entités nommées.

SQL Translator est un outil permettant de convertir des requêtes en langage naturel en code SQL grâce à l'intelligence artificielle. Ce projet est 100 % gratuit et open source.

Benchmark d'évaluation de la compréhension du langage chinois : jeux de données, lignes de base, modèles pré-entraînés, corpus et classement.

La plus grande base de données et collection d'articles sur la détection des défauts industriels, avec une synthèse continue des jeux de données open source et des recherches majeures dans le domaine.

CSGHub est une nouvelle plateforme open source pour la gestion des LLM, développée par l'équipe OpenCSG. Elle propose des solutions open source, sur site et SaaS, avec des fonctionnalités comparables à Hugging Face. Gardez le contrôle total sur le cycle de vie des LLM, des jeux de données et des agents, avec une compatibilité SDK Python avec Hugging Face.

Liste d'articles et jeux de données pour la détection industrielle d'anomalies et de défauts sur images (mise à jour continue).

Générateur de données synthétiques pour la reconnaissance de texte

Index des jeux de données d'imagerie médicale.

Chaînes de caractères jusqu'à 100 fois plus rapides pour C, C++, CUDA, Python, Rust, Swift, JS et Go, utilisant NEON, AVX2, AVX-512, SVE, GPGPU et SWAR pour accélérer la recherche, le hachage, le tri, les distances d'édition, les sketches et les opérations mémoire 🦖

Jeu de données ouvert Waymo

Extraction de données depuis une large gamme de sources Internet vers un DataFrame pandas.

Une large liste de noms de couleurs sélectionnés à la main 🌈

Une bibliothèque open-source de journalisation de données pour les modèles de machine learning et les pipelines de données. Offre une visibilité sur la qualité des données et les performances des modèles dans le temps. Prend en charge la collecte de données préservant la confidentialité, garantissant sécurité et robustesse.