dataset

Danh sách tổng hợp các API miễn phí

Label Studio là một công cụ gán nhãn và chú thích dữ liệu đa loại với định dạng đầu ra chuẩn hóa

Bộ dữ liệu thể hình gồm 1.324 bài tập — ảnh động GIF, ảnh thu nhỏ 180x180, dữ liệu nhóm cơ & thiết bị, và hướng dẫn từng bước bằng 6 ngôn ngữ. Lớp dữ liệu bài tập đằng sau ứng dụng LogPress.

Faker là một gói Python tạo dữ liệu giả cho bạn.

Computer Vision Annotation Tool (CVAT) là nền tảng hàng đầu để xây dựng các tập dữ liệu trực quan chất lượng cao cho thị giác AI. Nó cung cấp các sản phẩm mã nguồn mở, đám mây và doanh nghiệp, cũng như các dịch vụ gán nhãn, dành cho việc chú thích hình ảnh, video và 3D với tính năng gán nhãn hỗ trợ bởi AI, đảm bảo chất lượng, cộng tác nhóm, phân tích và API dành cho nhà phát triển.

pix2tex: Sử dụng ViT để chuyển đổi hình ảnh phương trình thành mã LaTeX.

Một công cụ mạnh mẽ để tạo tập dữ liệu cho việc tinh chỉnh LLM, RAG và Đánh giá (Eval)

Công cụ chú thích mã nguồn mở dành cho các kỹ sư học máy.

Các kỹ thuật học sâu với hình ảnh vệ tinh và trên không

Corpus tiếng Trung quy mô lớn dành cho NLP (Large Scale Chinese Corpus for NLP)

Dữ liệu tương thích trình duyệt cho các công nghệ Web được hiển thị trên MDN

Bộ sưu tập mô hình NLP tiếng Trung được huấn luyện trước chất lượng cao, mô hình lớn, mô hình đa phương thức và mô hình ngôn ngữ lớn

Danh sách được tuyển chọn các tập dữ liệu và công cụ cho quá trình hậu huấn luyện.

esProc SPL là một ngôn ngữ lập trình dựa trên JVM được thiết kế để tính toán dữ liệu có cấu trúc, đóng vai trò là công cụ phân tích dữ liệu và công cụ tính toán nhúng.

Transformer: Triển khai PyTorch của "Attention Is All You Need"

TFDS là tập hợp các tập dữ liệu sẵn sàng sử dụng với TensorFlow, Jax, ...

Dễ dàng chuyển đổi các tập hợp lớn URL hình ảnh thành một bộ dữ liệu hình ảnh. Có thể tải xuống, thay đổi kích thước và đóng gói 100 triệu URL trong 20 giờ trên một máy duy nhất.

Kho ngữ liệu tên tiếng Trung. Trình tạo tên người. Họ, tên, cách gọi tiếng Trung, tên tiếng Nhật, tên dịch, tên tiếng Anh. Có thể dùng cho việc tách từ tiếng Trung và nhận dạng thực thể tên người.

SQL Translator là một công cụ chuyển đổi truy vấn ngôn ngữ tự nhiên thành mã SQL bằng trí tuệ nhân tạo. Dự án này hoàn toàn miễn phí và mã nguồn mở.

Tiêu chuẩn đánh giá hiểu ngôn ngữ tiếng Trung (Chinese Language Understanding Evaluation Benchmark): bộ dữ liệu, baseline, mô hình tiền huấn luyện, ngữ liệu và bảng xếp hạng

📈 Cơ sở dữ liệu và tài liệu nghiên cứu về phát hiện lỗi công nghiệp lớn nhất hiện nay. Liên tục tổng hợp các tập dữ liệu mã nguồn mở và các bài báo quan trọng trong lĩnh vực nghiên cứu lỗi bề mặt.

CSGHub là một nền tảng mã nguồn mở hoàn toàn mới để quản lý LLM, được phát triển bởi đội ngũ OpenCSG. Cung cấp cả giải pháp mã nguồn mở và on-premise/SaaS, với các tính năng có thể so sánh với Hugging Face. Kiểm soát toàn bộ vòng đời của LLM, tập dữ liệu và tác nhân, tương thích Python SDK với Hugging Face. Tham gia cùng chúng tôi! ⭐️

Danh sách tài liệu nghiên cứu và tập dữ liệu về phát hiện bất thường/lỗi hình ảnh công nghiệp (đang cập nhật).

Trình tạo dữ liệu tổng hợp cho nhận dạng văn bản

Danh sách tập dữ liệu hình ảnh y khoa 『An Index for Medical Imaging Datasets』

Chuỗi ký tự nhanh hơn tới 100 lần cho C, C++, CUDA, Python, Rust, Swift, JS, & Go, tận dụng NEON, AVX2, AVX-512, SVE, GPGPU, & SWAR để tăng tốc tìm kiếm, băm, sắp xếp, khoảng cách chỉnh sửa, bản phác thảo và các thao tác bộ nhớ 🦖

Bộ dữ liệu mở Waymo

Trích xuất dữ liệu từ nhiều nguồn Internet khác nhau vào pandas DataFrame.

Danh sách lớn các tên màu được tuyển chọn thủ công 🌈

Thư viện ghi nhật ký dữ liệu mã nguồn mở cho các mô hình machine learning và data pipeline. 📚 Cung cấp khả năng hiển thị chất lượng dữ liệu & hiệu suất mô hình theo thời gian. 🛡️ Hỗ trợ thu thập dữ liệu bảo vệ quyền riêng tư, đảm bảo an toàn & tính mạnh mẽ. 📈