Offene Datensätze

Entdecken Sie Open-Source-Datasets, mit denen Sie ML-Modelle trainieren können

Open-Source-Datensätze für den Einstieg in KI/ML-Modelle

Die Ausgabe Ihrer KI- und ML-Modelle ist nur so gut wie die Daten, die Sie zum Trainieren verwenden – daher ist die Präzision, die Sie bei der Datenaggregation und beim Tagging und Identifizieren dieser Daten anwenden, wichtig!

Wenn Sie also eine neue KI/ML-Initiative starten möchten und jetzt schnell erkennen, dass das Auffinden hochwertiger Trainingsdaten einer der schwierigeren Aspekte Ihres Projekts sein wird, da hochwertige Datensätze der Treibstoff sind, der die KI/ ML-Motor läuft. Wir haben eine Liste mit offenen Datensätzen zusammengestellt, die Sie kostenlos verwenden und Ihre KI/ML-Modelle der Zukunft trainieren können.

Spezialisierung Natürliche Sprachverarbeitung (NLP) Computer Vision (Lebenslauf)

Dateityp Audio Bild Text Video

Spezialisierung	Dateityp	Datensatzname	Industrie / Abt.	Anmerkung/Anwendungsfall	Link
+NLP	Text	Amazon Bewertungen	E-Commerce	Stimmungsanalyse	Link
Beschreibung	Ein Satz von 35 Mio. Rezensionen und Bewertungen der letzten 18 Jahre im Klartext mit Benutzer- und Produktdetails.
+NLP	Text	Wikipedia-Link-Daten	Allgemein		Link
Beschreibung	Mehr als 4 Millionen Artikel mit 1.9 Milliarden Wörtern aus Wikipedia. Jeder Artikel enthält Hyperlinks zum zugehörigen Eintrag.
+NLP	Text	Standford Gefühlsbaumbank	Unterhaltung	Stimmungsanalyse	Link
Beschreibung	Sentiment-Annotationen für über 10,000 Sätze aus Rotten Tomatoes-Filmrezensionen. Verfügbar auf Phrasenebene – jeder Satz wird durch Binärisierung der Syntaxbäume im Penn Treebank-Format in Teilphrasen zerlegt.
+NLP	Text	Twitter US-Airline-Sentiment	Fluggesellschaft	Stimmungsanalyse	Link
Beschreibung	Die Tweets aus dem Jahr 2015 über US-Fluggesellschaften ließen sich in positive, neutrale und negative Stimmungen unterteilen.
+CV	Bild	Imagenet	Allgemein		Link
Beschreibung	Der Datensatz umfasst über 14 Millionen Bilder in verschiedenen Dateiformaten, die rund 21,000 Synsets zugeordnet sind. Synsets sind Synonyme mit zugehörigen, als Bild dargestellten Entitäten. Eine Million Bilder verfügen über Begrenzungsrahmen und mehr als eine Million Bilder über SIFT-Merkmale.
+CV	Bild	Googles offene Bilder	Allgemein		Link
Beschreibung	Ein Datensatz ähnlich ImageNet mit 600 Kategorien. Verfügbar in Entwicklungs-, Validierungs- und Trainingsversionen. Einige Bilder enthalten außerdem Begrenzungsrahmen und visuelle Beziehungen.
+NLP	Text	Cornell-Filmdialoge	Unterhaltung	Dialoge	Link
Beschreibung	Eine Sammlung fiktiver Gespräche mit Metadaten zu Charakteren und Filmen. Jede Zeile stellt einen Dialog zwischen zwei Personen im Frage-Antwort-Format dar.
+NLP	Text	Yahoo Answers	Allgemein	Frage beantworten	Link
Beschreibung	Ein Frage-Antwort-Datensatz mit Fragen und Antworten aus dem Yahoo Answers-Portal zwischen April 2007 und Oktober 2007.
+NLP	Text	MS MARCO	Allgemein	Frage beantworten	Link
Beschreibung	Ein Frage-Antwort-Datensatz mit Annotationen aus den Web-Suchprotokollen von Bing. Jede Frage enthält eine von einem Nutzer bereitgestellte Antwort sowie Webpassagen, die diese Antwort enthalten.
+NLP	Text	Datensatz „Natürliche Fragen“	Allgemein	Frage beantworten	Link
Beschreibung	Dieser von Google veröffentlichte Datensatz enthält echte Nutzeranfragen und -antworten aus Wikipedia-Artikeln.
+NLP	Text	DBPedia	Allgemein	Wissen Graph	Link
Beschreibung	Eine strukturierte Darstellung von Wikipedia, bei der Entitäten und Beziehungen als Wissensgraph extrahiert werden.
+NLP	Text	YAGO	Allgemein	Wissen Graph	Link
Beschreibung	Ein Wissensgraph, der Entitäten und Relationen aus Wikipedia, WordNet und GeoNames enthält.
+NLP	Text	FreeBase	Allgemein	Wissen Graph	Link
Beschreibung	Eine von der Crowd erstellte Wissensdatenbank, bestehend aus Entitäten und Beziehungen, die nun in den Google Knowledge Graph integriert ist.
+NLP	Text	Ontonotes	Allgemein	Semantische Rollenkennzeichnung	Link
Beschreibung	Ein Korpus mit syntaktischen, semantischen und diskursbezogenen Annotationen, der in den CoNLL Shared Tasks verwendet wurde.
+NLP	Text	CoNLL 2003	Allgemein	Anerkennung benannter Entitäten	Link
Beschreibung	Ein englischer Datensatz mit Annotationen für benannte Entitäten wie Person, Organisation und Ort.
+CV	Bild	KOKOSNUSS	Allgemein	Objekterkennung	Link
Beschreibung	Common Objects in Context: ein reichhaltig annotierter Datensatz für Objekterkennung, Segmentierung und Bildunterschriften.
+CV	Bild	PASCAL-VOC	Allgemein	Objekterkennung	Link
Beschreibung	Ein Benchmark-Datensatz für Herausforderungen in den Bereichen Objekterkennung und Segmentierung.
+CV	Bild	Stadtlandschaften	Autonomes Fahren	Semantische Segmentierung	Link
Beschreibung	Datensatz zum Verständnis urbaner Szenen mit pixelgenauen Annotationen für 30 Klassen.
+CV	Bild	MNIST	Allgemein	Ziffernklassifizierung	Link
Beschreibung	Datensatz handgeschriebener Ziffern mit 60,000 Trainings- und 10,000 Testbildern mit einer Auflösung von 28x28 Pixeln.
+CV	Bild	Mode-MNIST	Einzelhandel	Bildklassifizierung	Link
Beschreibung	Datensatz mit Artikelbildern von Zalando im gleichen Format wie MNIST, der als direkter Ersatz für Benchmarking-Zwecke verwendet wird.
+NLP	Audio	LibriSpeech	Allgemein	ASR	Link
Beschreibung	Ein Korpus gelesener englischer Sprache, abgeleitet aus Hörbüchern, mit 1000 Stunden gesprochenem Material und zugehörigen Texten.
+NLP	Audio	TED-LIUM	Allgemein	ASR	Link
Beschreibung	Transkribierte TED-Vorträge mit Audio und ausgerichteten Transkriptionen für die Spracherkennungsforschung.
+NLP	Audio	TIMIT	Allgemein	Phonemerkennung	Link
Beschreibung	Phonetisch transkribierte Sprache von amerikanischen Englischsprechern, die häufig für Aufgaben zur Phonemerkennung verwendet wird.
+NLP	Audio	Gemeinsame Stimme	Allgemein	ASR	Link
Beschreibung	Ein mehrsprachiges Korpus vorgelesener Sprache, zu dem Freiwillige aus aller Welt beigetragen haben.
+NLP	Audio	VoxCeleb	Allgemein	Sprechererkennung	Link
Beschreibung	Ein umfangreicher Datensatz zur Sprecheridentifizierung, der aus YouTube-Videos zusammengestellt wurde.
+NLP	Text	Wikipedia-Dump	Allgemein	Sprachmodellierung	Link
Beschreibung	Vollständige, regelmäßig aktualisierte Wikipedia-Artikel, die zum Vortraining von Sprachmodellen verwendet werden.
+NLP	Text	Gigaword	Neuigkeiten	Sprachmodellierung	Link
Beschreibung	Ein umfassendes Archiv von Nachrichtentexten verschiedener Nachrichtenagenturen.
+NLP	Text	IMDB Bewertungen	Unterhaltung	Stimmungsanalyse	Link
Beschreibung	Großer Datensatz mit Filmrezensionen für die binäre Stimmungsanalyse.
+CV	Video	Kinetik-700	Allgemein	Aktionserkennung	Link
Beschreibung	Ein umfangreicher, qualitativ hochwertiger Datensatz von YouTube-Videoclips, der 700 menschliche Handlungsklassen abdeckt.
+CV	Video	UCF101	Allgemein	Aktionserkennung	Link
Beschreibung	Ein Datensatz mit realistischen Actionvideos, mit 101 Actionkategorien.
+CV	Video	HMDB51	Allgemein	Aktionserkennung	Link
Beschreibung	Eine große Videodatenbank mit menschlichen Bewegungen und 51 Aktionskategorien.
+CV	Bild	LFW (Beschriftete Gesichter in der Wildnis)	Allgemein	Gesichtserkennung	Link
Beschreibung	Eine Datenbank mit Gesichtsfotos, die für die Untersuchung der uneingeschränkten Gesichtserkennung entwickelt wurde.
+CV	Bild	CASIA-WebFace	Allgemein	Gesichtserkennung	Link
Beschreibung	Ein Datensatz mit Millionen von Gesichtsbildern zum Trainieren von Deep-Learning-Modellen zur Gesichtserkennung.
+NLP	Text	Kader	Allgemein	Leseverständnis	Link
Beschreibung	Stanford Question Answering Dataset: Fragen, die von Crowdworkern zu einer Reihe von Wikipedia-Artikeln gestellt wurden.
+NLP	Text	NewsQA	Neuigkeiten	Leseverständnis	Link
Beschreibung	Ein Datensatz zum maschinellen Textverständnis mit Fragen und Antworten, die auf CNN-Nachrichtenartikeln basieren.
+NLP	Text	MultiNLI	Allgemein	Inferenz natürlicher Sprache	Link
Beschreibung	Ein Datensatz für die natürliche Sprachinferenz anhand von Satzpaaren über verschiedene Genres hinweg.
+NLP	Text	SNLI	Allgemein	Inferenz natürlicher Sprache	Link
Beschreibung	Stanford Natural Language Inference Corpus mit Satzpaaren, die als Folgerung, Widerspruch oder neutral gekennzeichnet sind.
+NLP	Text	WikiText	Allgemein	Sprachmodellierung	Link
Beschreibung	Eine Sammlung von über 100 Millionen Tokens, die aus den verifizierten Artikeln „Gut“ und „Hervorgehoben“ auf Wikipedia extrahiert wurden.
+CV	Bild	Stanford Autos	Automobilindustrie	Feinkörnige Klassifizierung	Link
Beschreibung	Ein Datensatz mit 16,185 Bildern von 196 Fahrzeugklassen.
+CV	Bild	Oxford Flowers 102	Pflanzenkunde	Feinkörnige Klassifizierung	Link
Beschreibung	102 Blumenkategorien, die häufig im Vereinigten Königreich vorkommen.
+CV	Bild	CIFAR-10	Allgemein	Bildklassifizierung	Link
Beschreibung	Bilder aus 10 Klassen: Flugzeug, Auto, Vogel, Katze, Reh, Hund, Frosch, Pferd, Schiff und Lastwagen.
+CV	Bild	CIFAR-100	Allgemein	Bildklassifizierung	Link
Beschreibung	Ein Datensatz ähnlich wie CIFAR-10, jedoch mit 100 fein abgestuften Klassen.
+CV	Bild	VOC-Personenlayout	Allgemein	Posenschätzung	Link
Beschreibung	Teil von PASCAL VOC, der sich auf Personenlayout-Annotationen wie Kopf, Hände und Füße konzentriert.
+CV	Bild	MPII Menschliche Pose	Allgemein	Posenschätzung	Link
Beschreibung	Rund 25,000 Bilder mit über 40,000 Personen und annotierten Körpergelenken.
+NLP	Text	Reuters-21578	Finanzen	Textklassifizierung	Link
Beschreibung	Sammlung von Reuters-Nachrichtenartikeln für die Textkategorisierungsforschung.
+NLP	Text	20 Newsgroups	Allgemein	Textklassifizierung	Link
Beschreibung	Eine Sammlung von 20,000 Newsgroup-Dokumenten, aufgeteilt in 20 verschiedene Newsgroups.

Offene Datensätze

Open-Source-Datensätze für den Einstieg in KI/ML-Modelle

KI-Datendienste

Plattform

Spezialitäten

Branche

Ressourcen

Das Unternehmen

Kontakt