📊

データセット

高品質なオープンソースの AI 学習データセット

Hugging Face データセット集

Hugging Face がホストする世界最大級のオープンソースデータセットハブ。NLP、コンピュータビジョン、音声、マルチモーダルタスクを網羅し、コミュニティが貢献した数十万のデータセットと効率的なストリーミング・ローディングユーティリティを提供。テキスト分類ベンチマーク、画像キャプションペア、音声文字起こしコーパスなど、高品質な学習データを探すならまずここ。

レビュー無料データセット中級データセットHugging Face

Hugging Face更新日 2026年6月30日

4.8

Kaggle データセットプラットフォーム

Kaggle は機械学習コンペ、実務の問題、学術研究にまたがる数万の公開データセットをホストする。全データセットは組み込みノートブックでオンライン分析でき、ローカルでの実験やモデル訓練用に直接ダウンロードも可能。

レビュー無料データセット初心者Kaggleデータセット

Kaggle更新日 2026年6月18日

4.7

Papers with Code データセット

Papers with Code は学術論文のベンチマークデータセットを、対応する最先端モデルやオープンソース実装にリンクする。手法の比較、結果の再現、研究に適したデータセットとコードベースラインの発見が容易になる。

レビュー無料データセット中級データセット論文

Papers with Code更新日 2026年6月20日

4.5

Google データセット検索

Google Dataset Search は数千のソースにまたがる公開データセットをインデックスする専用検索エンジンで、研究者や開発者がホスティング先にかかわらず、訓練・分析・検証に必要な特定データを素早く特定できる。

レビュー無料データセット初心者Googleデータセット

Google更新日 2026年6月22日

4.6

Common Crawl Web コーパス

Common Crawl はオープンなペタバイト規模の Web クロールコーパスで、多くの大規模言語モデルの事前学習データ基盤として利用されている。コーパスは自由にダウンロードでき、NLP 研究、データマイニング、大規模 ML 実験に広く使われている。

レビュー無料データセット上級Common Crawl事前学習

Common Crawl更新日 2026年6月12日

4.5

LAION オープンマルチモーダルデータセット

LAION（Large-Scale Artificial Intelligence Open Network）は、CLIP や Stable Diffusion などのマルチモーダルモデルの学習に広く利用されてきた大規模なオープンソース画像-テキスト対データセットを提供する。データセットは自由に利用可能で、オープンソース生成 AI 研究の重要インフラとなっている。

レビュー無料データセット上級LAIONマルチモーダル

LAION更新日 2026年6月16日