name-dataset

跨国姓名数据库提供全面的名字和姓氏信息分析

名字数据库 Python库个人信息数据分析 Facebook数据 Github 开源项目

names-dataset是一个大型姓名数据库项目，涵盖105个国家的730K个名字和983K个姓氏。项目提供姓名的流行度、国家分布和性别信息，支持多语言和多地区查询。用户可借此了解特定姓名在不同国家的使用情况，有助于人名分析和跨文化研究。该项目为姓名研究提供了丰富的数据资源，包括姓名的流行度排名、地理分布和性别关联。通过简单的Python接口，研究人员和开发者可以轻松获取和分析这些信息，为人名学、人口统计学和社会学研究提供数据支持。数据基于Facebook用户信息。

Github

介绍相关项目

facescape - 大规模3D人脸数据集及重建基准

3D人脸数据集FaceScapeGithub三维模型人脸重建开源项目生物识别

FaceScape是一个开源项目,提供大规模3D人脸数据集和相关工具。数据包括16940个3D人脸模型、40万多张多视图图像和生物线性模型。项目还包含单视图3D重建基准测试和Python工具包,支持模型生成、拟合等任务。数据仅供非商业研究使用,采用严格许可保护隐私。

entity-recognition-datasets - 多领域实体识别和命名实体识别任务数据集

AnnotationsDatasetsEntity RecognitionGithubNERNamed Entity Recognition开源项目

此库包含多个领域的实体识别和命名实体识别（NER）任务数据集，包括新闻、社交媒体、医学等。项目提供数据目录和转换代码，部分数据因许可证限制无法直接共享。虽然自2020年起更新较少，但仍接受通过issue或pull request添加的数据集，并支持多种语言的NER数据，如德语、西班牙语和荷兰语等。

dataset - 摩洛哥方言Darija与英语双语开源数据集DODa

DODaDarijaGithub开源数据集开源项目摩洛哥方言自然语言处理

Darija Open Dataset (DODa)是一个专注于摩洛哥方言的开源项目，包含约15万条条目。该数据集提供语义和语法分类、多种拼写形式、词形变化以及大量翻译句子。DODa采用拉丁字母和阿拉伯字母，反映了Darija拼写的多样性，为自然语言处理应用提供了丰富资源。项目目标是成为Darija NLP的重要参考，并鼓励社区贡献。

speech_dataset - 多语言语音识别与合成数据集详细介绍及应用

Github多人语音识别开源开源项目数据集语音合成语音识别

此页面总结了多语言语音数据集，包括中文、英文、日语、韩语、俄语等。涵盖了语音识别、语音合成、说话人识别和分离等应用领域，详细描述了每个数据集的时长、下载地址及其具体用途，帮助用户快速找到符合科研或项目需求的语音数据。

datasets - 公共数据集下载和准备的实用库

GithubMNISTTensorFlow Datasetstf.data.Dataset定制化开源项目性能

TensorFlow Datasets是一个公共数据集下载和准备的实用库，简化数据集加载与处理。通过其API，用户可以访问和使用多个预构建数据集，优化训练管道性能，并确保数据的确定性与可重复性。详情请参考官方教程、指南及API文档，支持在Colab笔记本中交互式操作。此工具适合快速集成数据集与进行机器学习模型训练的开发者。

dataset-viewer - 全面的数据集浏览支持与管理工具

APIGitHubGithubHugging Facebugsdataset viewer开源项目

Dataset viewer 通过 API 提供预处理数据，方便用户浏览和管理 Hugging Face Hub 上的所有数据集。用户可分页查看数据，每页包含 100 行，并通过底部按钮进行导航、过滤、搜索数据和查看基本统计信息。前端组件未开源，遇到问题或需要新功能，可以通过 GitHub 反馈。用户还可通过贡献想法、回答问题、报告错误与改进建议来支持项目改进。

awesome-public-datasets - 多领域高质量公共数据集资源汇总

Github基因组学开源数据集开源项目微阵列数据生物学蛋白质数据库

Awesome Public Datasets汇集了农业、生物学、计算机科学等多个领域的高质量公共数据集。该项目源于上海交通大学OMNILab,现隶属于BaiYuLan开放AI社区。它为研究人员和数据科学家提供了便捷获取开放数据资源的途径,支持各类分析和研究工作。资源列表涵盖广泛,质量可靠,是数据科学工作的重要参考。

hatespeechdata - 多语言仇恨言论数据集汇总与研究资源

Github仇恨言论在线辱骂多语言开源项目数据集社交媒体

该项目汇集了涵盖多种语言的仇恨言论、在线辱骂和攻击性语言数据集。收录内容包括来自不同平台的文本、图像和音频数据。项目旨在为自然语言处理系统提供训练资源，以提升有害内容检测能力。此外，项目还提供关键词列表和贡献指南，为研究人员和开发者改进在线内容审核和仇恨言论检测技术提供支持。

webdataset - 大规模深度学习数据集的管理工具

GithubPyTorchWebDatasettar文件开源项目数据管道深度学习

WebDataset是一种高性能的数据管理工具，专为大规模深度学习任务设计。它支持从本地存储和云对象存储读取数据，兼容PyTorch、TensorFlow和JAX。WebDataset能高效处理和读取多种格式的数据集，如图像、音频和视频，极大地提升I/O性能并简化数据预处理。其优势包括低延迟、无需本地存储及并行数据访问，适用于不同规模的深度学习任务。

ngram - N元语言模型实践：机器学习基础与自然语言处理入门

Githubn-gramtokenization开源项目机器学习自回归语言模型

ngram项目是一个构建N元语言模型的开源工具，通过实践演示机器学习和自然语言处理的基础概念。项目使用32,032个名字作为数据集，实现字符级语言模型，涵盖训练、评估、数据分割等核心环节。提供Python和C语言双版本实现，便于深入理解N元模型原理及性能比较。适合入门者学习自回归语言建模和机器学习基础知识。

相关项目

项目侧边栏1

项目侧边栏2

推荐项目

Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com

@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号