📊

数据集

高质量的开源 AI 训练数据集

探索 Hugging Face 上的海量开源数据集，涵盖 NLP、CV、音频等多个领域的高质量训练数据。

Kaggle 提供数万个公开数据集，涵盖机器学习竞赛、真实业务和科研场景，可在线分析与下载。

汇集学术论文中使用的基准数据集，并关联对应的 SOTA 模型与代码实现，适合科研与复现。

Google 推出的数据集搜索引擎，可跨来源检索公开数据集，快速定位科研与训练所需数据。

开放的 PB 级网页爬取语料库，是众多大语言模型预训练数据的重要来源，可免费获取。

LAION 提供大规模开源图文对数据集，广泛用于训练 CLIP、Stable Diffusion 等多模态模型。

经典的机器学习数据集仓库，收录数百个结构化数据集，适合入门实践与算法教学。