datasets

DataHub 公共组件。有趣且重要的数据集

追踪医疗数据集，专注于医学影像

通过公开 API 驱动 Hugging Face 数据集页面上数据集查看器的后端。

Croissant 是一个用于机器学习数据集的高级格式，集成了四个丰富的层。

🚀🚀🚀 收集一些关于大型语言模型（LLM）、视觉语言模型（VLM）、视觉语言动作（VLA）、AI 生成内容（AIGC）以及相关数据集与应用的优秀公开项目。

关于 AI、计算机视觉与机器人的各类实用链接。

开放式机器学习

收录各种指令数据集与提示词数据集，用于训练 ChatLLM 等模型。

用于存储大型列式数据集的新型可扩展文件格式。

与机器学习应用于软件工程相关的论文、学位论文、数据集与工具精选清单

Open Bandit Pipeline：用于 bandit 算法与 off-policy 评估的 python 库

数据集管理框架，是用来构建、分析与管理 Computer Vision 数据集的 Python 程式库与 CLI 工具。

共享的 Ultralytics 徽标、媒体、示例图片、预训练模型权重、数据集产物与发布资产。

针对印尼语的首个大型自然语言处理基准测试。我们提供多个下游任务、预训练的 IndoBERT 模型以及入门代码！(AACL-IJCNLP 2020)

一些分割与显著性检测的数据集集合。欢迎 PR...:smile:

ExerciseDB API 是一个健身运动数据库 API，让用户能存取包含超过 11,000 种高质量运动资料。此 API 提供每个运动的详细资讯，包含目标肌肉群、所需器材、影片、动态图、视觉化指导图片以及逐步操作说明。

这个仓库提供了一份全面的雷达与光学卫星数据集清单，专为船舶检测、分类、语义分割与实例分割任务而策划。这些数据集非常适合应用于计算机视觉、机器学习、遥感与海事分析领域。

组织病理学数据集资源

Cleora AI 是一个通用开源模型，用于高效、可扩展地学习异质关联数据的稳定与归纳式实体嵌入。由 Synerise.com 团队开发。

关于领域泛化（Domain Generalization）的精选资源，包含论文、代码等

关于指令微调 (Instruction Tuning) 与指令遵循 (Instruction Following) 的论文与数据集