Datensätze

BoolQ ist ein Datensatz zur Bewertung von maschinellen Lernmodellen bei Ja/Nein-Fragen, die auf Passagen basieren.

Der C4-Datensatz ist ein groß angelegter, kuratierter Datensatz zum Trainieren von Sprachmodellen, der aus Webinhalten abgeleitet ist.

CIFAR ist ein weit verbreitetes Datenset, das häufig zum Trainieren von maschinellen Lernmodellen in Aufgaben der Computer Vision verwendet wird.

COCO ist ein groß angelegter Datensatz für Bilderkennung, Segmentierung und Bildbeschriftung in KI-Anwendungen.

CoNLL 2003 ist ein Datensatz, der zur Bewertung von Named Entity Recognition-Systemen im Bereich der natürlichen Sprachverarbeitung verwendet wird.

Ein DROP-Dataset ist eine Sammlung von Daten, die zum Trainieren von KI-Modellen verwendet werden und sich auf Denk- und Problemlösungsaufgaben konzentrieren.

DuReader ist ein groß angelegtes chinesisches Leseverständnis-Dataset, das für das Training von KI-Modellen entwickelt wurde.

HotpotQA ist ein Benchmark-Datensatz zur Bewertung von KI-Modellen bei Multi-Hop-Frage-Antwort-Aufgaben.

JaQuAD ist ein Datensatz, der für die Bewertung von Frage-Antwort-Systemen mit natürlicher Sprache entwickelt wurde.

KorQuAD ist ein koreanischer Sprachdatensatz für Frage-Antwort-Aufgaben im Bereich der natürlichen Sprachverarbeitung.

LAION-400M ist ein groß angelegter Datensatz, der 400 Millionen Bild-Text-Paare für KI-Training und Forschung enthält.

LAION-5B ist ein groß angelegter Datensatz zum Trainieren von KI-Modellen, bestehend aus 5 Milliarden Bild-Text-Paaren.

Der LFW-Datensatz ist eine Sammlung von gekennzeichneten Gesichtsbilden, die für die Forschung im Bereich der Gesichtserkennung verwendet werden.

MNIST ist ein Datensatz handgeschriebener Ziffern, der zum Trainieren von Bildverarbeitungssystemen verwendet wird.

MNIST Digit bezieht sich auf handgeschriebene Ziffern in einem Standard-Datensatz, der zum Trainieren von Bildverarbeitungssystemen verwendet wird.

MS COCO ist ein groß angelegter Datensatz für Bilderkennung und Segmentierung in der KI-Forschung.

Der MUMFORD-Datensatz ist eine Sammlung annotierter Bilder zur Bewertung von maschinellen Lernmodellen bei Aufgaben der Computer Vision.

Der Open Images Dataset ist eine große Sammlung annotierter Bilder zum Trainieren von Computer-Vision-Modellen.

OpenWebText ist ein Datensatz, der für das Training von KI-Sprachmodellen mit Inhalten aus dem Internet entwickelt wurde.

Der RACE-Datensatz ist ein groß angelegter Datensatz zur Bewertung des Leseverständnisses bei KI-Modellen.

The Pile ist ein großer Datensatz, der für das Training von KI-Sprachmodellen verwendet wird und aus vielfältigen Internettexten besteht.

TriviaQA ist ein groß angelegter Datensatz zum Trainieren von KI-Modellen für die offene Beantwortung von Fragen anhand von Trivia-Fragen.

Visual Genome ist ein groß angelegtes Datenset zum Trainieren von KI im Bereich Bildverständnis und visueller Schlussfolgerung.

Der Waymo Open Dataset ist ein groß angelegter Datensatz für die Forschung im Bereich autonomer Fahrzeuge, mit vielfältigen Sensordaten und gekennzeichneten Szenarien.