目次
どのような種類のデータがありますか?
データ検索エンジンとリポジトリ
政府および政府間組織向けのデータセット
画像データ
音声データ
テキスト データ
その他およびその他のデータセット
ホームページ テクノロジー周辺機器 AI 誰でも AI の構築に使用できる 20 を超える強力な無料データ ソースを確認します。

誰でも AI の構築に使用できる 20 を超える強力な無料データ ソースを確認します。

Jun 05, 2023 pm 02:29 PM
情報元 機械学習

今日ビジネスや社会で人工知能について話すとき、私たちは実際には機械学習のことを指します。機械学習は、アルゴリズム (一連の命令) を使用して、特定のタスクに関連するデータにさらされるにつれて、そのタスクの実行がますます向上するアプリケーションです。

これらのタスクは、質問に答える、テキストや画像を作成する (ChatGPT や Dall-E などのアプリで実行できる)、画像を認識する (コンピューター ビジョン)、自動運転車をポイント A からナビゲートするまで、あらゆるものです。場所Bへ。

日々のタスクを自動化するために独自の機械学習アルゴリズムをトレーニングしたい企業には、これらのタスクをサポートするデータ ソースが必要です。

誰でも AI の構築に使用できる 20 を超える強力な無料データ ソースを確認します。

どのような種類のデータがありますか?

エンタープライズ データは、通常、内部データと外部データの 2 つのカテゴリに分類されます。

  • 内部データは、企業組織自体がその業務から収集したデータであり、通常、財務データ、顧客フィードバック データ、人事データ、業務データ、およびその他のソースからのデータが含まれます。組織が自身の業務を監視する過程で収集したデータは独自データと呼ばれ、特定のビジネスに関する情報を提供するため貴重です。
  • 外部データは、組織の外部のソースからのデータであり、通常は以下に示すサードパーティのデータ ソースから収集されます。データが誰でも自由に利用できる場合、それはオープンデータと呼ばれます。

さらに、データは構造化データ、非構造化データ、または半構造化データに分類することもできます。

  • 構造化データは、テーブルにうまく収まる情報です。たとえば、企業がどの製品をいつ、どこで、いくらで販売するかを示す販売データは、内部的に構造化されたデータです。あるいは、企業は過去の市場データや経済指標を分析して、市場の将来の傾向を予測することを選択することもできます (構造化された外部データ)。
  • 非構造化データとは、画像、ビデオ、テキスト、ソーシャル メディア コンテンツなど、その他すべてのものであり、確かに貴重な洞察が含まれている可能性がありますが、分析がより困難です。ただし、AI は、非構造化データから意味を抽出する場合に特に有用であることが証明されています。たとえば、画像認識アルゴリズムは、店内の CCTV 画像 (内部非構造化データ) を分析したり、ソーシャル メディアに投稿されたビジネス関連の画像 (非構造化外部データ) を分析して貴重な洞察を見つけたりすることで、顧客の行動に関する有益な情報を企業に伝えることができます。

幸いなことに、データはどこにでもあります。政府、研究機関、民間企業、NGO はすべて、研究目的だけでなく商用目的でもデータを無料で提供しています。そこで、2023 年に利用できる無料のオンライン データの最良のソースをいくつか紹介します。

データ検索エンジンとリポジトリ

  • Google データセット検索 – これは基本的に、Google のカタログ化されたデータセットの検索エンジンです。この検索エンジンを使用すると、必要なデータをほぼすべて見つけることができます。
  • AWS Open Data Search - Amazon の AWS が提供する別のデータセット検索エンジン。
  • Microsoft Research Open Data - 主に科学に焦点を当てて Microsoft によって収集された無料のオープン データセット。
  • UCI Machine Learning Repository - カリフォルニア大学アーバイン校によって厳選および維持されている 600 を超えるオープン データセットのリポジトリ。機械学習アルゴリズムのトレーニングに使用できます。
  • Kaggle データセット – オンライン データ サイエンス プラットフォーム Kaggle は、大学ランキングから Google 検索トレンド、小売売上高、オンライン映画レビュー、犯罪統計に至るまで、あらゆるものを網羅する厳選されたデータセット カタログも提供しています。
  • Reddit R/データセット - オンライン コミュニティ サイト Reddit のユーザーによって送信された巨大なデータセットで、数百のトピックをカバーしています。

政府および政府間組織向けのデータセット

  • Data.Gov - 米国政府が提供するオープン データ ポータル。政府機関が公開する 100 万件のデータをホストしています。データが集中しています。
  • Data.Census.Gov – 特に米国の人口統計データを探している場合は、ここから始めるのが最適です。
  • Data.EU – EU のオープン データ ポータル。EU 組織からのデータと加盟国政府からのデータが含まれます。
  • Data.gov.uk - 英国政府機関によって公開されているオープン データセット。
  • 世界保健機関のデータ - 世界の健康と福祉に関連するデータセット。
  • 世界銀行オープンデータ - 経済発展、国際金融市場、社会指標、環境問題に関連するデータセット。

画像データ

  • Google Open Images - さまざまな方法で分類およびラベル付けされた数百万の画像。さまざまなタイプのコンピュータ ビジョン アルゴリズムのトレーニングに使用されます。
  • ImageNet オープン データセット - 非商用の機械学習アプリケーションに無料で使用できる、ラベル付き画像で構成される別のデータセット。
  • COCO データセット - Common Objects in Context (COCO) データセットには、オブジェクト検出およびキャプション アルゴリズムのトレーニング用に選択された 200,000 枚を超える画像が含まれています。

音声データ

  • Mozilla Common Voice - 音声を含むあらゆる AI アプリケーションのトレーニングに使用できるオープン録音データ セット。
  • Audioset - Google が厳選したもう 1 つのデータセット。これはサウンドに焦点を当てており、楽器、乗り物、ボーカルなどのカテゴリに分類された数十万の 10 秒サンプルが含まれています。
  • 100 万曲データセット - 100 万曲の現代ポピュラー音楽トラックからのサンプルとメタデータ。

テキスト データ

  • Wikidata - さまざまな形式での Wikipedia 記事のデータベース ダウンロード。
  • Common Crawl - World Wide Web から収集されたオープン データ リポジトリ。ChatGPT やその他のチャットボット用の GPU 大規模言語モデルのトレーニングで最もよく知られています。

その他およびその他のデータセット

  • Amazon レビュー - 製品情報や評価を含む、約 3,500 万件の Amazon 製品レビューのデータベース。
  • Waymo オープン データセット – Alphabet の自動運転子会社 Waymo は、カメラや LiDAR センサーからのデータを含む、自動運転車を通じて収集された大量のデータを公開しました。
  • Apolloscape データセット—Baidu のオープンソース Apollo プラットフォームによって、より多くの自動運転データが提供されます。

以上が誰でも AI の構築に使用できる 20 を超える強力な無料データ ソースを確認します。の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

AI Hentai Generator

AI Hentai Generator

AIヘンタイを無料で生成します。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中国語版

SublimeText3 中国語版

中国語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

この記事では、SHAP: 機械学習のモデルの説明について説明します。 この記事では、SHAP: 機械学習のモデルの説明について説明します。 Jun 01, 2024 am 10:58 AM

機械学習とデータ サイエンスの分野では、モデルの解釈可能性が常に研究者や実務家に焦点を当ててきました。深層学習やアンサンブル手法などの複雑なモデルが広く適用されるようになったことで、モデルの意思決定プロセスを理解することが特に重要になってきました。 Explainable AI|XAI は、モデルの透明性を高めることで、機械学習モデルに対する信頼と自信を構築するのに役立ちます。モデルの透明性の向上は、複数の複雑なモデルの普及や、モデルを説明するための意思決定プロセスなどの方法によって実現できます。これらの方法には、特徴重要度分析、モデル予測間隔推定、ローカル解釈可能性アルゴリズムなどが含まれます。特徴重要度分析では、入力特徴に対するモデルの影響度を評価することで、モデルの意思決定プロセスを説明できます。モデルの予測間隔の推定

透明!主要な機械学習モデルの原理を徹底的に分析! 透明!主要な機械学習モデルの原理を徹底的に分析! Apr 12, 2024 pm 05:55 PM

平たく言えば、機械学習モデルは、入力データを予測された出力にマッピングする数学関数です。より具体的には、機械学習モデルは、予測出力と真のラベルの間の誤差を最小限に抑えるために、トレーニング データから学習することによってモデル パラメーターを調整する数学関数です。機械学習には、ロジスティック回帰モデル、デシジョン ツリー モデル、サポート ベクター マシン モデルなど、多くのモデルがあります。各モデルには、適用可能なデータ タイプと問題タイプがあります。同時に、異なるモデル間には多くの共通点があったり、モデル進化の隠れた道が存在したりすることがあります。コネクショニストのパーセプトロンを例にとると、パーセプトロンの隠れ層の数を増やすことで、それをディープ ニューラル ネットワークに変換できます。パーセプトロンにカーネル関数を追加すると、SVM に変換できます。これです

学習曲線を通じて過学習と過小学習を特定する 学習曲線を通じて過学習と過小学習を特定する Apr 29, 2024 pm 06:50 PM

この記事では、学習曲線を通じて機械学習モデルの過学習と過小学習を効果的に特定する方法を紹介します。過小適合と過適合 1. 過適合 モデルがデータからノイズを学習するためにデータ上で過学習されている場合、そのモデルは過適合していると言われます。過学習モデルはすべての例を完璧に学習するため、未確認の新しい例を誤って分類してしまいます。過適合モデルの場合、完璧/ほぼ完璧なトレーニング セット スコアとひどい検証セット/テスト スコアが得られます。若干修正: 「過学習の原因: 複雑なモデルを使用して単純な問題を解決し、データからノイズを抽出します。トレーニング セットとしての小さなデータ セットはすべてのデータを正しく表現できない可能性があるため、2. 過学習の Heru。」

宇宙探査と人類居住工学における人工知能の進化 宇宙探査と人類居住工学における人工知能の進化 Apr 29, 2024 pm 03:25 PM

1950 年代に人工知能 (AI) が誕生しました。そのとき、研究者たちは、機械が思考などの人間と同じようなタスクを実行できることを発見しました。その後、1960 年代に米国国防総省は人工知能に資金を提供し、さらなる開発のために研究所を設立しました。研究者たちは、宇宙探査や極限環境での生存など、多くの分野で人工知能の応用を見出しています。宇宙探査は、地球を超えた宇宙全体を対象とする宇宙の研究です。宇宙は地球とは条件が異なるため、極限環境に分類されます。宇宙で生き残るためには、多くの要素を考慮し、予防策を講じる必要があります。科学者や研究者は、宇宙を探索し、あらゆるものの現状を理解することが、宇宙の仕組みを理解し、潜在的な環境危機に備えるのに役立つと信じています。

C++ での機械学習アルゴリズムの実装: 一般的な課題と解決策 C++ での機械学習アルゴリズムの実装: 一般的な課題と解決策 Jun 03, 2024 pm 01:25 PM

C++ の機械学習アルゴリズムが直面する一般的な課題には、メモリ管理、マルチスレッド、パフォーマンスの最適化、保守性などがあります。解決策には、スマート ポインター、最新のスレッド ライブラリ、SIMD 命令、サードパーティ ライブラリの使用、コーディング スタイル ガイドラインの遵守、自動化ツールの使用が含まれます。実践的な事例では、Eigen ライブラリを使用して線形回帰アルゴリズムを実装し、メモリを効果的に管理し、高性能の行列演算を使用する方法を示します。

説明可能な AI: 複雑な AI/ML モデルの説明 説明可能な AI: 複雑な AI/ML モデルの説明 Jun 03, 2024 pm 10:08 PM

翻訳者 | Li Rui によるレビュー | 今日、人工知能 (AI) および機械学習 (ML) モデルはますます複雑になっており、これらのモデルによって生成される出力はブラックボックスになっており、関係者に説明することができません。 Explainable AI (XAI) は、利害関係者がこれらのモデルがどのように機能するかを理解できるようにし、これらのモデルが実際に意思決定を行う方法を確実に理解できるようにし、AI システムの透明性、信頼性、およびこの問題を解決するための説明責任を確保することで、この問題を解決することを目指しています。この記事では、さまざまな説明可能な人工知能 (XAI) 手法を検討して、その基礎となる原理を説明します。説明可能な AI が重要であるいくつかの理由 信頼と透明性: AI システムが広く受け入れられ、信頼されるためには、ユーザーは意思決定がどのように行われるかを理解する必要があります

あなたが知らない機械学習の 5 つの流派 あなたが知らない機械学習の 5 つの流派 Jun 05, 2024 pm 08:51 PM

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

フラッシュ アテンションは安定していますか?メタとハーバードは、モデルの重みの偏差が桁違いに変動していることを発見しました フラッシュ アテンションは安定していますか?メタとハーバードは、モデルの重みの偏差が桁違いに変動していることを発見しました May 30, 2024 pm 01:24 PM

MetaFAIR はハーバード大学と協力して、大規模な機械学習の実行時に生成されるデータの偏りを最適化するための新しい研究フレームワークを提供しました。大規模な言語モデルのトレーニングには数か月かかることが多く、数百、さらには数千の GPU を使用することが知られています。 LLaMA270B モデルを例にとると、そのトレーニングには合計 1,720,320 GPU 時間が必要です。大規模なモデルのトレーニングには、これらのワークロードの規模と複雑さにより、特有のシステム上の課題が生じます。最近、多くの機関が、SOTA 生成 AI モデルをトレーニングする際のトレーニング プロセスの不安定性を報告しています。これらは通常、損失スパイクの形で現れます。たとえば、Google の PaLM モデルでは、トレーニング プロセス中に最大 20 回の損失スパイクが発生しました。数値的なバイアスがこのトレーニングの不正確さの根本原因です。

See all articles