AI/ML-க்கான, பயன்படுத்தத் தயாரான திறந்த தரவுத்தொகுப்புகள்
ML மாடல்களைப் பயிற்றுவிப்பதற்கான திறந்த மூல தரவுத்தொகுப்புகளைக் கண்டறியவும்
உங்கள் AI/ML மாடல்களுக்கான திறந்த மூல தரவுத்தொகுப்புகள்
உங்கள் AI மாடலுக்கான சரியான தரவுத்தொகுப்பைக் கண்டறிய வாரக்கணக்கில் ஆகக்கூடாது. திறந்த தரவுத்தொகுப்பு நூலகம், ML குழுக்களுக்கு NLP, கணினிப் பார்வை, பேச்சு மற்றும் உருவாக்க AI ஆகியவற்றை உள்ளடக்கிய 100-க்கும் மேற்பட்ட, மனிதர்களால் சரிபார்க்கப்பட்ட, தொகுக்கப்பட்ட தரவுத்தொகுப்புகளுக்கான உடனடி அணுகலை வழங்குகிறது — இவை அனைத்தையும் இலவசமாக ஆராயலாம்.
எனவே நீங்கள் ஒரு புதிய AI/ML முன்முயற்சியைத் தொடங்க விரும்பினால், உயர்தரப் பயிற்சித் தரவைக் கண்டறிவது உங்கள் திட்டத்தின் மிகவும் சவாலான அம்சங்களில் ஒன்றாக இருக்கும் என்பதை நீங்கள் விரைவில் உணர்ந்து கொண்டிருக்கிறீர்கள். ML இன்ஜின் இயங்குகிறது. எதிர்காலத்தில் உங்கள் AI/ML மாதிரிகளைப் பயன்படுத்துவதற்கும் பயிற்சி செய்வதற்கும் இலவசமான திறந்த தரவுத்தொகுப்புகளின் பட்டியலை நாங்கள் சேகரித்துள்ளோம்.
| விசேடம் | தரவு வகை | தரவுத்தொகுப்பு பெயர் | தொழில் / துறை. | சிறுகுறிப்பு/பயன்பாட்டு வழக்கு | இணைப்பு |
|---|---|---|---|---|---|
| +ஆணுக்கு | உரை | அமேசான் விமர்சனங்கள் | மின் வணிகம் | உணர்வு பகுப்பாய்வு | இணைப்பு |
| விளக்கம் | பயனர் மற்றும் தயாரிப்பு விவரங்களுடன் எளிய உரையில் கடந்த 35 ஆண்டுகளில் 18 மில்லியன் மதிப்புரைகள் மற்றும் மதிப்பீடுகளின் தொகுப்பு. | ||||
| +ஆணுக்கு | உரை | விக்கிபீடியா இணைப்புகள் தரவு | பொது | இணைப்பு | |
| விளக்கம் | விக்கிபீடியாவிலிருந்து 1.9 பில்லியன் சொற்களைக் கொண்ட 4 மில்லியனுக்கும் அதிகமான கட்டுரைகள். ஒவ்வொரு கட்டுரையும் தொடர்புடைய நிறுவனத்திற்கான ஹைப்பர்லிங்க்களைக் கொண்டுள்ளது. | ||||
| +ஆணுக்கு | உரை | ஸ்டாண்ட்ஃபோர்ட் சென்டிமென்ட் ட்ரீபேங்க் | பொழுதுபோக்கு | உணர்வு பகுப்பாய்வு | இணைப்பு |
| விளக்கம் | 10,000க்கும் மேற்பட்ட Rotten Tomatoes திரைப்பட மதிப்புரை வாக்கியங்களுக்கான உணர்வு குறிப்பு தரவுத்தொகுப்பு. சொற்றொடர் மட்டத்தில் கிடைக்கிறது - ஒவ்வொரு வாக்கியமும் பென் ட்ரீபேங்க் வடிவத்தில் பாகுபடுத்தும் மரங்களை பைனரைஸ் செய்வதன் மூலம் துணை சொற்றொடர்களாக பாகுபடுத்தப்படுகிறது. | ||||
| +ஆணுக்கு | உரை | ட்விட்டர் யுஎஸ் ஏர்லைன் உணர்வு | விமான நிறுவனம் | உணர்வு பகுப்பாய்வு | இணைப்பு |
| விளக்கம் | 2015 ஆம் ஆண்டு US ஏர்லைன்ஸ் பற்றிய ட்வீட்கள் நேர்மறை, நடுநிலை மற்றும் எதிர்மறை உணர்வுகளாகப் பிரிக்கப்பட்டன. | ||||
| +CV | பட | இமேஜ்நெட் | பொது | இணைப்பு | |
| விளக்கம் | பல்வேறு கோப்பு வடிவங்களில் 14 மில்லியனுக்கும் அதிகமான படங்களைக் கொண்ட தரவுத்தொகுப்பு, சுமார் 21,000 ஒத்திசைவுகளுக்கு மேப் செய்யப்பட்டுள்ளது. ஒத்திசைவுகள் என்பது ஒரு படமாக இருக்கும் தொடர்புடைய நிறுவனங்களைக் கொண்ட ஒத்திசைவுகள் ஆகும். 1 மில்லியன் படங்கள் எல்லைப் பெட்டிகளைக் கொண்டுள்ளன, மேலும் 1 மில்லியனுக்கும் அதிகமான படங்கள் SIFT அம்சங்களைக் கொண்டுள்ளன. | ||||
| +CV | பட | கூகுளின் திறந்த படங்கள் | பொது | இணைப்பு | |
| விளக்கம் | 600 பிரிவுகளைக் கொண்ட இமேஜ்நெட்டைப் போன்ற ஒரு தரவுத்தொகுப்பு. மேம்பாடு, சரிபார்ப்பு மற்றும் பயிற்சிப் பிரிவுகளில் கிடைக்கிறது. சில படங்களில் எல்லைப் பெட்டிகள் மற்றும் காட்சி உறவுகளும் அடங்கும். | ||||
| +ஆணுக்கு | உரை | கார்னெல் திரைப்பட உரையாடல்கள் | பொழுதுபோக்கு | உரையாடல்கள் | இணைப்பு |
| விளக்கம் | கதாபாத்திரங்கள் மற்றும் திரைப்படங்களின் மெட்டாடேட்டாவுடன் கூடிய கற்பனை உரையாடல்களின் தொகுப்பு. ஒவ்வொரு வரிசையும் இரண்டு நபர்களுக்கு இடையேயான உரையாடலாகும், இது கேள்வி-பதில் வடிவத்தில் உள்ளது. | ||||
| விளக்கம் | ஏப்ரல் 2007 முதல் அக்டோபர் 2007 வரையிலான யாகூ பதில்கள் போர்ட்டலில் இருந்து கேள்விகள் மற்றும் பதில்களைக் கொண்ட கேள்வி-பதில் தரவுத்தொகுப்பு. | ||||
| +ஆணுக்கு | உரை | எம்எஸ் மார்கோ | பொது | கேள்வி பதில் | இணைப்பு |
| விளக்கம் | பிங்கின் வலைத் தேடல் பதிவுகளிலிருந்து குறிப்புகளைக் கொண்ட கேள்வி-பதில் தரவுத்தொகுப்பு. ஒவ்வொரு கேள்வியும் ஒரு பயனரால் வழங்கப்பட்ட பதிலையும், பதிலைக் கொண்ட வலைப் பகுதிகளையும் கொண்டுள்ளது. | ||||
| +ஆணுக்கு | உரை | இயற்கை கேள்விகள் தரவுத்தொகுப்பு | பொது | கேள்வி பதில் | இணைப்பு |
| விளக்கம் | கூகிள் வெளியிட்ட இந்த தரவுத்தொகுப்பில் உண்மையான பயனர் வினவல்கள் மற்றும் விக்கிபீடியா கட்டுரைகளிலிருந்து பதில்கள் உள்ளன. | ||||
| +ஆணுக்கு | உரை | டிபி பீடியா | பொது | அறிவு வரைபடம் | இணைப்பு |
| விளக்கம் | விக்கிப்பீடியாவின் கட்டமைக்கப்பட்ட ரெண்டரிங், இதில் நிறுவனங்கள் மற்றும் உறவுகள் ஒரு அறிவு வரைபடமாகப் பிரித்தெடுக்கப்படுகின்றன. | ||||
| +ஆணுக்கு | உரை | யாகோ | பொது | அறிவு வரைபடம் | இணைப்பு |
| விளக்கம் | விக்கிபீடியா, வேர்ட்நெட் மற்றும் ஜியோநேம்ஸ் ஆகியவற்றிலிருந்து நிறுவனங்கள் மற்றும் உறவுகளைக் கொண்ட அறிவு வரைபடம். | ||||
| +ஆணுக்கு | உரை | ஃப்ரீபேஸ் | பொது | அறிவு வரைபடம் | இணைப்பு |
| விளக்கம் | நிறுவனங்கள் மற்றும் உறவுகளைக் கொண்ட ஒரு கூட்டத்தால் உருவாக்கப்பட்ட அறிவுத் தளம், இப்போது கூகிள் அறிவு வரைபடத்தில் இணைக்கப்பட்டுள்ளது. | ||||
| +ஆணுக்கு | உரை | குறிப்புகள் | பொது | சொற்பொருள் பாத்திர லேபிளிங் | இணைப்பு |
| விளக்கம் | CoNLL பகிரப்பட்ட பணிகளில் பயன்படுத்தப்படும் தொடரியல், சொற்பொருள் மற்றும் சொற்பொழிவு-நிலை குறிப்புகளைக் கொண்ட ஒரு தொகுப்பு. | ||||
| விளக்கம் | நபர், அமைப்பு மற்றும் இருப்பிடம் போன்ற பெயரிடப்பட்ட நிறுவனங்களுக்கு விளக்கப்பட்ட ஒரு ஆங்கில தரவுத்தொகுப்பு. | ||||
| +CV | பட | COCO | பொது | பொருள் கண்டறிதல் | இணைப்பு |
| விளக்கம் | சூழலில் பொதுவான பொருள்கள்: பொருள் கண்டறிதல், பிரிவு மற்றும் தலைப்புகளுக்கான ஒரு வளமான விளக்க தரவுத்தொகுப்பு. | ||||
| +CV | பட | பாஸ்கல் VOC | பொது | பொருள் கண்டறிதல் | இணைப்பு |
| விளக்கம் | பொருள் கண்டறிதல் மற்றும் பிரிவு சவால்களுக்கான ஒரு அளவுகோல் தரவுத்தொகுப்பு. | ||||
| +CV | பட | நகரக் காட்சிகள் | தன்னியக்க ஓட்டுநர் | சொற்பொருள் பிரிவு | இணைப்பு |
| விளக்கம் | 30 வகுப்புகளுக்கான பிக்சல்-நிலை குறிப்புகளுடன் நகர்ப்புற காட்சி புரிதலுக்கான தரவுத்தொகுப்பு. | ||||
| +CV | பட | MNIST | பொது | இலக்க வகைப்பாடு | இணைப்பு |
| விளக்கம் | 28x28 பிக்சல்கள் கொண்ட 60,000 பயிற்சி மற்றும் 10,000 சோதனை படங்களுடன் கையால் எழுதப்பட்ட இலக்க தரவுத்தொகுப்பு. | ||||
| +CV | பட | ஃபேஷன்-MNIST | சில்லறை | பட வகைப்பாடு | இணைப்பு |
| விளக்கம் | MNIST இன் அதே வடிவத்தில் Zalando இன் கட்டுரை படங்களின் தரவுத்தொகுப்பு, தரப்படுத்தலுக்கான டிராப்-இன் மாற்றாகப் பயன்படுத்தப்படுகிறது. | ||||
| +ஆணுக்கு | ஆடியோ | லிப்ரிஸ்பீச் | பொது | ஆர் | இணைப்பு |
| விளக்கம் | 1000 மணிநேர பேச்சு மற்றும் தொடர்புடைய உரைகளுடன், ஆடியோபுக்குகளிலிருந்து பெறப்பட்ட ஆங்கில வாசிப்பு உரையின் தொகுப்பு. | ||||
| +ஆணுக்கு | ஆடியோ | டெட்-லியம் | பொது | ஆர் | இணைப்பு |
| விளக்கம் | பேச்சு அறிதல் ஆராய்ச்சிக்காக ஆடியோவுடன் படியெடுக்கப்பட்ட TED பேச்சுக்கள் மற்றும் சீரமைக்கப்பட்ட படியெடுத்தல்கள். | ||||
| +ஆணுக்கு | ஆடியோ | டிமிட் | பொது | ஒலியன் அங்கீகாரம் | இணைப்பு |
| விளக்கம் | அமெரிக்க ஆங்கிலம் பேசுபவர்களின் ஒலிப்பு ரீதியாக படியெடுக்கப்பட்ட பேச்சு, ஒலிப்பு அங்கீகாரப் பணிகளுக்கு பரவலாகப் பயன்படுத்தப்படுகிறது. | ||||
| +ஆணுக்கு | ஆடியோ | பொதுவான குரல் | பொது | ஆர் | இணைப்பு |
| விளக்கம் | உலகெங்கிலும் உள்ள தன்னார்வலர்கள் பங்களித்த பன்மொழி வாசிப்பு உரையின் தொகுப்பு. | ||||
| +ஆணுக்கு | ஆடியோ | VoxCeleb | பொது | பேச்சாளர் அங்கீகாரம் | இணைப்பு |
| விளக்கம் | YouTube வீடியோக்களிலிருந்து சேகரிக்கப்பட்ட பெரிய அளவிலான பேச்சாளர் அடையாள தரவுத்தொகுப்பு. | ||||
| +ஆணுக்கு | உரை | விக்கிபீடியா டம்ப் | பொது | மொழி மாடலிங் | இணைப்பு |
| விளக்கம் | மொழி மாதிரிகளை முன்கூட்டியே பயிற்றுவிக்கப் பயன்படுத்தப்படும், தொடர்ந்து புதுப்பிக்கப்படும் விக்கிப்பீடியா கட்டுரைகளின் முழு உரை டம்ப்கள். | ||||
| +ஆணுக்கு | உரை | கிகாவேர்டு | செய்தி | மொழி மாடலிங் | இணைப்பு |
| விளக்கம் | பல செய்தி நிறுவனங்களின் செய்தித்தாளின் உரைத் தரவுகளின் விரிவான காப்பகம். | ||||
| +ஆணுக்கு | உரை | IMDB விமர்சனங்கள் | பொழுதுபோக்கு | உணர்வு பகுப்பாய்வு | இணைப்பு |
| விளக்கம் | பைனரி உணர்வு வகைப்பாட்டிற்கான பெரிய திரைப்பட மதிப்பாய்வு தரவுத்தொகுப்பு. | ||||
| +CV | வீடியோ | இயக்கவியல்-700 | பொது | செயல் அங்கீகாரம் | இணைப்பு |
| விளக்கம் | 700 மனித செயல் வகுப்புகளை உள்ளடக்கிய YouTube வீடியோ கிளிப்களின் பெரிய அளவிலான, உயர்தர தரவுத்தொகுப்பு. | ||||
| +CV | வீடியோ | யு.சி.எஃப் 101 | பொது | செயல் அங்கீகாரம் | இணைப்பு |
| விளக்கம் | 101 செயல் பிரிவுகளைக் கொண்ட, யதார்த்தமான செயல் வீடியோக்களின் தரவுத்தொகுப்பு. | ||||
| +CV | வீடியோ | HMDB51 அறிமுகம் | பொது | செயல் அங்கீகாரம் | இணைப்பு |
| விளக்கம் | 51 செயல் பிரிவுகளைக் கொண்ட ஒரு பெரிய மனித இயக்க வீடியோ தரவுத்தளம். | ||||
| விளக்கம் | கட்டுப்பாடற்ற முக அங்கீகாரத்தைப் படிப்பதற்காக வடிவமைக்கப்பட்ட முகப் புகைப்படங்களின் தரவுத்தளம். | ||||
| +CV | பட | CASIA-வலைமுகப்பு | பொது | முகத்தை அடையாளம் காணுதல் | இணைப்பு |
| விளக்கம் | ஆழமான முக அங்கீகார மாதிரிகளைப் பயிற்றுவிப்பதற்கான மில்லியன் கணக்கான முகப் படங்களுடன் கூடிய தரவுத்தொகுப்பு. | ||||
| +ஆணுக்கு | உரை | SQuAD | பொது | வாசித்து புரிந்துகொள்ளுதல் | இணைப்பு |
| விளக்கம் | ஸ்டான்போர்ட் கேள்வி பதில் தரவுத்தொகுப்பு: விக்கிபீடியா கட்டுரைகளின் தொகுப்பில் கூட்டத்தினரால் எழுப்பப்படும் கேள்விகள். | ||||
| விளக்கம் | CNN செய்திக் கட்டுரைகளை அடிப்படையாகக் கொண்ட கேள்விகள் மற்றும் பதில்களைக் கொண்ட இயந்திரப் புரிதல் தரவுத்தொகுப்பு. | ||||
| +ஆணுக்கு | உரை | மல்டிஎன்எல்ஐ | பொது | இயற்கை மொழி அனுமானம் | இணைப்பு |
| விளக்கம் | பல வகைகளில் வாக்கிய-ஜோடி இயற்கை மொழி அனுமானத்திற்கான தரவுத்தொகுப்பு. | ||||
| +ஆணுக்கு | உரை | எஸ்.என்.எல்.ஐ. | பொது | இயற்கை மொழி அனுமானம் | இணைப்பு |
| விளக்கம் | ஸ்டான்போர்ட் இயற்கை மொழி அனுமான கார்பஸ், உள்ளுணர்வு, முரண்பாடு அல்லது நடுநிலை என பெயரிடப்பட்ட வாக்கிய ஜோடிகளைக் கொண்டது. | ||||
| விளக்கம் | விக்கிபீடியாவில் சரிபார்க்கப்பட்ட நல்ல மற்றும் சிறப்பு கட்டுரைகளின் தொகுப்பிலிருந்து பிரித்தெடுக்கப்பட்ட 100 மில்லியனுக்கும் அதிகமான டோக்கன்களின் தொகுப்பு. | ||||
| விளக்கம் | 196 வகை கார்களின் 16,185 படங்களின் தரவுத்தொகுப்பு. | ||||
| +CV | பட | ஆக்ஸ்போர்டு மலர்கள் 102 | தாவரவியல் | நுண்ணிய வகைப்பாடு | இணைப்பு |
| விளக்கம் | ஐக்கிய இராச்சியத்தில் பொதுவாகக் காணப்படும் 102 மலர் வகைகள். | ||||
| +CV | பட | CIFAR-10 | பொது | பட வகைப்பாடு | இணைப்பு |
| விளக்கம் | 10 வகுப்புகளின் படங்கள்: விமானம், ஆட்டோமொபைல், பறவை, பூனை, மான், நாய், தவளை, குதிரை, கப்பல் மற்றும் லாரி. | ||||
| +CV | பட | CIFAR-100 | பொது | பட வகைப்பாடு | இணைப்பு |
| விளக்கம் | CIFAR-10 ஐப் போன்ற ஒரு தரவுத்தொகுப்பு, ஆனால் 100 நுண்ணிய வகுப்புகளைக் கொண்டது. | ||||
| +CV | பட | VOC நபர் தளவமைப்பு | பொது | போஸ் மதிப்பீடு | இணைப்பு |
| விளக்கம் | தலை, கைகள் மற்றும் கால்கள் போன்ற நபர் தளவமைப்பு குறிப்புகளில் கவனம் செலுத்தும் PASCAL VOC இன் ஒரு பகுதி. | ||||
| +CV | பட | MPII மனித போஸ் | பொது | போஸ் மதிப்பீடு | இணைப்பு |
| விளக்கம் | உடல் மூட்டுகளில் குறிப்புகள் உள்ள 40,000 க்கும் மேற்பட்ட மக்களைக் கொண்ட சுமார் 25,000 படங்கள். | ||||
| விளக்கம் | உரை வகைப்பாடு ஆராய்ச்சிக்கான ராய்ட்டர்ஸ் செய்தித்தாளின் கட்டுரைகளின் தொகுப்பு. | ||||
| +ஆணுக்கு | உரை | 20 செய்திக்குழுக்கள் | பொது | உரை வகைப்பாடு | இணைப்பு |
| விளக்கம் | 20,000 செய்திக்குழு ஆவணங்களின் தொகுப்பு, 20 வெவ்வேறு செய்திக்குழுக்களாகப் பிரிக்கப்பட்டுள்ளது. | ||||