- Набори даних | Kaggle. www.kaggle.com.
- Реєстр відкритих даних на АРМ. Якщо інше не зазначено у відповідній документації набору даних, набори даних доступні через Реєстр відкритих… …
- Пошук набору даних. …
- Microsoft Research Open Data. …
- awesomedata/awesome-public-datasets. …
- VisualData. …
- Набори даних для машинного навчання | Ліонбрідж А.І.
The Репозиторій машинного навчання UCI це добре відоме джерело наборів даних, яке містить різноманітні набори даних, популярні в спільноті машинного навчання. Набори даних, отримані в рамках цього проекту, мають високу якість і можуть використовуватися для різних завдань.
7 джерел безкоштовних наборів даних, якими може скористатися кожен
- Пошук набору даних Google.
- Kaggle.
- GitHub. GitHub — це світовий стандарт для онлайн-репозиторіїв для спільної роботи та відкритого коду, і багато проектів, які в ньому розміщено, мають набори даних, які можна використовувати. …
- Державні джерела. …
- FiveThirtyEight. …
- даних.
Досліджуйте репозиторії та інші ресурси, щоб знайти доступні моделі, модулі та набори даних, створені спільнотою TensorFlow.
- Моделі Kaggle. Повне сховище навчених моделей, готових до тонкого налаштування та розгортання будь-де. …
- Модельний сад. …
- Моделі TensorFlow.js.
Набір даних MNIST Набір даних MNIST є найпопулярнішим набором даних у машинному навчанні. Практично кожен у цій галузі хоч раз експериментував із цим. Він складається з 70 000 мічених зображень рукописних цифр (0-9). 60 000 із них у навчальному наборі та 10 000 у тестовому наборі.