카테고리
용어 사전
찜장바구니

장바구니 0개

뒤로

AI 학습 데이터셋

출처Hugging Face 데이터셋 2,463

상품 2,463개1–60번째 / 2,463개

  • huggingface/documentation-images

    Hugging Face 라이브러리 문서에 쓰인 이미지를 모은 데이터셋이다.

    • n<1K
    • imagefolder

    Hugging Face Datasets236CC-BY-NC-SA-4.0

  • m-a-p/FineFineWeb

    세부 분야별로 나눈 웹 말뭉치 FineFineWeb 데이터셋이다.

    • 1B<n<10B

    Hugging Face Datasets232Apache-2.0

  • openai/gsm8k

    여러 단계 추론이 필요한 초등 수학 문장제 8,500개를 담은 GSM8K 데이터셋이다.

    • 10K<n<100K
    • parquet

    Hugging Face Datasets1,993MIT

  • XiaomiMiMo/MiMo-V2.6-RL-oss

    LLM 에이전트를 위한 강화학습(RL) 학습 환경 모음이다.

    • 1K<n<10K
    • parquet

    Hugging Face Datasets980Apache-2.0

  • nyu-mll/glue

    자연어 이해 시스템을 학습·평가하는 GLUE 벤치마크 데이터다.

    • 1M<n<10M
    • parquet

    Hugging Face Datasets775

  • Lichess/standard-chess-games

    Lichess의 표준 체스 대국 기록 데이터셋이다. 아직 작업 중이다.

    • 1B<n<10B
    • parquet

    Hugging Face Datasets119CC0-1.0

  • HuggingFaceFW/fineweb-edu

    웹에서 고른 교육용 데이터 1.3조 토큰을 담은 FineWeb-Edu다.

    • 1B<n<10B
    • parquet

    Hugging Face Datasets1,363ODC-By-1.0

  • wikimedia/wikipedia

    모든 언어 위키백과 글을 정제한 데이터셋이다.

    • 10M<n<100M
    • parquet

    Hugging Face Datasets1,683CC-BY-SA-3.0

  • HuggingFaceFW/fineweb

    웹에서 고른 데이터 15조 토큰을 담은 사전학습 데이터셋 FineWeb이다.

    • 10B<n<100B

    Hugging Face Datasets3,684ODC-By-1.0

  • epfml/FineWeb-HQ

    FineWeb에서 분류 모델로 상위 10% 문서만 골라 만든 고품질 사전학습 데이터셋이다.

    • 1B<n<10B
    • parquet

    Hugging Face Datasets29ODC-By-1.0

  • markov-ai/cad-1000-hours

    CAD 소프트웨어 7종의 Windows 작업 화면 녹화 509개 데이터셋이다.

    Hugging Face Datasets577

  • pulmo/ncbi-genbank-complete

    공개된 모든 DNA 서열에 주석을 단 NIH 유전 서열 데이터베이스 GenBank 데이터다.

    • n>1T

    Hugging Face Datasets20Apache-2.0

  • Salesforce/wikitext

    검증된 위키백과 문서에서 뽑은 1억 개 넘는 토큰의 언어 모델링 데이터셋 WikiText다.

    • 1M<n<10M
    • parquet

    Hugging Face Datasets840CC-BY-SA-3.0

  • nvidia/simready-assets

    이미지 데이터셋이다. simready-assets dataset by nvidia on Hugging Face.

    • n<1K

    Hugging Face Datasets36

  • allenai/c4

    Common Crawl 웹 데이터를 크게 정제한 C4 말뭉치다.

    • 10B<n<100B

    Hugging Face Datasets684ODC-By-1.0

  • allenai/ai2_arc

    초등 수준 과학 객관식 문제 7,787개를 담은 ARC 데이터셋이다.

    • 1K<n<10K
    • parquet

    Hugging Face Datasets423CC-BY-SA-4.0

  • hallucinations-leaderboard/results

    Hugging Face 환각(hallucination) 리더보드의 결과 데이터셋이다.

    Hugging Face Datasets23Apache-2.0

  • secemp9/arxiv-complete

    arXiv의 메타데이터, 버전 기록, 제출 파일 스냅숏이다.

    • 100M<n<1B
    • parquet

    Hugging Face Datasets708

  • espnet/yodas3

    100개 넘는 언어의 웹 오디오 110만 시간 이상을 모은 YODAS v3 데이터셋이다.

    • 1M<n<10M
    • parquet

    Hugging Face Datasets251CC-BY-3.0

  • ksolovev/fine-news

    뉴스 문서 6억 3,500만여 건을 담은 다국어 말뭉치다.

    • 100M<n<1B

    Hugging Face Datasets44

  • nvidia/PhysicalAI-Autonomous-Vehicles

    자율주행 연구용 다중 센서 데이터를 지역별로 폭넓게 모은 대규모 데이터셋이다.

    Hugging Face Datasets1,156

  • Sharpa-Robotics/SharpaDex-v1.0

    사람이 원격 조종해 두 손으로 정교하게 물건을 다루는 실제 시연을 담은 멀티모달 데이터셋이다.

    • 100K<n<1M

    Hugging Face Datasets45CC-BY-NC-4.0

  • evaleval/EEE_datastore

    AI 평가 결과를 하나의 스키마로 모은 커뮤니티 데이터베이스다.

    • 1K<n<10K

    Hugging Face Datasets57MIT

  • hf-doc-build/doc-build-dev

    huggingface.co/docs 문서를 고치는 PR들의 빌드된 문서를 모은 데이터셋이다.

    Hugging Face Datasets69MIT

  • datasocial/tiktok-5.6B-videos

    TikTok 영상 56억 개를 모은 데이터셋과 이를 수집한 코드다.

    • 1B<n<10B
    • parquet

    Hugging Face Datasets411CC-BY-NC-4.0

  • mlfoundations/MINT-1T-HTML

    1조 토큰 규모의 오픈소스 멀티모달 데이터셋 MINT-1T의 HTML 부분이다.

    • 100M<n<1B
    • parquet

    Hugging Face Datasets117CC-BY-4.0

  • xlangai/ubuntu_osworld_file_cache

    OSWorld 프로젝트 평가 파일을 빠르게 받게 해 주는 파일 캐시다.

    Hugging Face Datasets67Apache-2.0

  • open-index/hacker-news

    2006년부터 올라온 Hacker News 글을 모두 담아 5분마다 갱신하는 데이터셋이다.

    • 10M<n<100M

    Hugging Face Datasets354ODC-By-1.0

  • cais/mmlu

    여러 분야 지식을 재는 대규모 다중 과제 벤치마크 MMLU다.

    • 100K<n<1M
    • parquet

    Hugging Face Datasets879MIT

  • wei82/precancer-omics-data

    전암에서 종양, 전이로 진행하는 단계의 멀티오믹스 데이터다.

    • n>1T

    Hugging Face Datasets19

  • genrobot2025/Gen-HumanEgo

    임바디드 AI와 로봇 학습용 1인칭 사람 시연 영상 1,800시간 이상의 데이터셋이다.

    • n>1T

    Hugging Face Datasets80CC-BY-SA-4.0

  • LocalLLaMA/typed-decisions

    모델의 유형별 확률 판단을 평가하는 벤치마크 데이터셋이다.

    • 1K<n<10K
    • parquet

    Hugging Face Datasets239Apache-2.0

  • nvidia/Nemotron-Personas-Vietnam

    베트남의 실제 분포를 바탕으로 만든 합성 페르소나 데이터셋이다.

    • 1M<n<10M
    • parquet

    Hugging Face Datasets203CC-BY-4.0

  • roneneldan/TinyStories

    GPT-3.5·GPT-4가 쉬운 낱말만으로 쓴 짧은 이야기 데이터셋 TinyStories다.

    • 1M<n<10M
    • parquet

    Hugging Face Datasets1,207cdla-sharing-1.0

  • HuggingFaceM4/the_cauldron

    Idefics2와 함께 공개된 멀티모달 데이터셋 모음 The Cauldron이다.

    • 1M<n<10M
    • parquet

    Hugging Face Datasets567

  • ayuo/hd_tmp

    Hugging Face에 올라온 hd_tmp 데이터셋이다.

    Hugging Face Datasets44

  • k9cli/video-vec2wav2-tokenizer-2

    영상을 AI 데이터셋으로 바꾸는 토크나이저 프로젝트의 두 번째 조각이다.

    Hugging Face Datasets26

  • google-research-datasets/mbpp

    기초 Python 프로그래밍 문제 모음 MBPP다.

    • 1K<n<10K
    • parquet

    Hugging Face Datasets271CC-BY-4.0

  • mlfoundations/dclm-baseline-1.0

    4T 토큰, 30억 문서로 된 사전학습 데이터셋 DCLM-baseline이다.

    • 1B<n<10B
    • json

    Hugging Face Datasets326CC-BY-4.0

  • sunblaze-ucb/cybergym

    사이버보안 AI 평가용 cybergym 데이터셋이다.

    • 1K<n<10K
    • json

    Hugging Face Datasets62

  • jasperai/monet

    텍스트-이미지 생성 모델 학습용 대규모 이미지-텍스트 데이터셋 MONET이다.

    • 100M<n<1B

    Hugging Face Datasets182Apache-2.0

  • ieasybooks-org/prophet-mosque-library

    70개 넘는 분류의 이슬람 서적 PDF 48,000권 이상을 담은 도서관 데이터셋이다.

    • 10K<n<100K
    • csv

    Hugging Face Datasets17MIT

  • hf-doc-build/doc-build

    huggingface.co/docs에 게시된 모든 문서를 담은 저장소다.

    Hugging Face Datasets44MIT

  • stanfordnlp/imdb

    긍정·부정이 뚜렷한 영화 리뷰 5만 개로 감성 분류를 하는 IMDB 데이터셋이다.

    • 100K<n<1M
    • parquet

    Hugging Face Datasets938

  • openai/gdpval

    경제적 가치가 있는 실제 업무에서 AI 모델 성능을 평가하는 GDPval 데이터셋이다.

    • n<1K
    • parquet

    Hugging Face Datasets564

  • TIGER-Lab/MMLU-Pro

    여러 분야의 어려운 문제 12,000개로 LLM을 더 엄격하게 평가하는 MMLU-Pro 데이터셋이다.

    • 10K<n<100K
    • parquet

    Hugging Face Datasets582MIT

  • google/fleurs

    FLoRes 기계 번역 벤치마크의 음성판 Fleurs다.

    • 100K<n<1M
    • parquet

    Hugging Face Datasets488CC-BY-4.0

  • allenai/objaverse

    주석이 달린 3D 물체 80만 개 이상을 담은 Objaverse 데이터셋이다.

    Hugging Face Datasets478ODC-By-1.0

  • ibrahimhamamci/CT-RATE

    흉부 CT와 판독문으로 된 CT-RATE 데이터셋이다.

    • 10K<n<100K

    Hugging Face Datasets361CC-BY-NC-SA-4.0

  • SWE-bench/SWE-bench_Verified

    GitHub 이슈 해결 능력을 재는 SWE-bench에서 사람이 검증한 500개 문제다.

    • n<1K
    • parquet

    Hugging Face Datasets189

  • willi19/autodex-gallery

    실제 환경에서 정교하게 물체를 잡은 경험을 담은 AutoDex 데이터셋이다.

    Hugging Face Datasets4

필터

라이선스
작업
데이터 형태
언어
형식
태그