В этом вопросе собираются списки датасетов и утилит для разметки данных. Просьба редактировать существующий ответ
1 ответ
- Русско-китайские параллельные тексты. ~8млн строк
- Древняя коллекция репозиториев с данными. Очень много старых и неактуальных данных
- Коллекция датасаетов сообщества ODS
- Данные с фотографиями лиц людей по национальностям
- Инструменты для разметки данных
- kaggle datasets
- Коллекция датасетов по саммаризации текстов
- Компания Apple показывает статистику мобильности своих пользователей в связи с COVID-19
- CSSEGISandData COVID-19
- Утилита для ручной разметки данных
- Фотографии крыш домов 1
- Similarwed dataset. Категоризатор доменов
- 1941-1945 Данные с сайта министерства обороны о ветеранах. Содержат примерно миллион записей.
- The corpus is a 12.9 billion tokens sample of the lib.rus.ec book collection (150GB of raw text)
- Коллекция книг на русском языке
- toxic dataset на русском языке
- Russian Language Toxic Comments
- Коллекция фотографий людей в масках (китайцы)
- Коллекция данных по COVID-19 в России
- Коллекция данных по COVID-19 в России, созданная при поддержке INVITRO
- Изображения и описания к ним
- Корпусы текстов на португальском языке