SpatialVID：突破视频空间理解瓶颈的超大规模、多维度数据集
| #数据集

• 收录21000+小时野外视频，经过层级筛选提纯，生成270万片段，涵盖7089小时动态内容，规模远超现有公开数据集。
• 每帧视频均含详尽空间标注：相机位姿、深度图、动态遮罩、结构化描述及运动指令，助力动态场景的三维重建与理解。
• 精细注释丰富真实世界多样性，提升模型泛化能力与实际应用效果，填补真实动态场景高质量大规模数据空白。
• 提供完整开源代码与训练权重，支持一键环境搭建与全流程自动化：评分、注释、描述生成，方便研究复现与二次开发。
• 兼容多款主流3D视觉模型与分割工具，基于Apache-2.0协议，科研与商业均可灵活使用。
• 配套下载脚本支持HuggingFace及YouTube原始视频获取，方便快速构建定制训练集。
数据集
LAB-Bench：面向生物科学研究的 AI 能力基准评测数据集，助力科学智能的系统化验证与提升。| #数据集

• 覆盖8大类30个细分任务，涵盖文献抽取（LitQA2）、数据库检索（DbQA）、补充信息（SuppQA）、科学图表推理（FigQA/TableQA）、实验协议排错（ProtocolQA）、生物序列操作（SeqQA）及分子克隆复杂场景。
• 公开约80%数据，保留20%私有测试集防止训练污染，内置canary字符串便于模型训练过滤。
• 支持Python 3.10+，提供异步agent接口，便于并行评测与多模型对比。
• 详尽文档和示例代码包含多种基线测试，助力快速上手与复现。
• 数据集开放获取，支持Hugging Face平台同步调用，推动AI在生物研究中的实用转化。
• 论文详述数据集设计与评测方法，具备长期参考价值，为科研AI能力构建提供方法论支撑。
数据集
用Llama3和distilabel端到端构建语言模型微调数据集 | link | #数据集
数据集
一个超快速、实时、专业、开发者友好、零代码的数据库，使用类似于电子表格的界面来创建复杂的企业级数据库应用，通过无代码开发，解锁高效的应用程序开发，摆脱数据安全和可扩展性的障碍。

Teable具有电子表格的界面，支持单元格编辑、公式支持、数据排序和筛选、聚合函数、数据格式化等功能，同时还支持多种视图模式和数据可视化工具。

它还具有超快的响应速度和数据容量，完整的SQL支持，隐私优先和实时协作等特点。此外，Teable还支持扩展、自动化和AI集成。

Teable | #数据库
数据库
数据科学项目模板，重点是易复现和易维护

该模板允许你：

✅给你的项目创建一个可读的结构
✅提交代码时自动运行测试
✅在运行时强制执行类型提示
✅提交前检查代码中的问题
✅有效地管理项目中的依赖关系
✅为可重复的任务创建简短易读的命令
✅仅重新运行管道的修改组件
✅自动记录你的代码
✅观察并自动化你的代码

项目地址 | #模板 #数据科学
模板 数据科学
一个用于传输中的嵌套、非结构化、多模态数据的库，包括文本、图像、音频、视频、3D 网格等。它允许深度学习工程师使用 Pythonic API 高效地处理、嵌入、搜索、推荐、存储和传输多模态数据。

🚪 跨/多模态世界的大门：用于表示复杂/混合/嵌套文本、图像、视频、音频、3D 网格数据的超表现力数据结构。吉娜的基础数据结构，CLIP-即服务，DALL·E流，迪斯科艺术等

🧑‍🔬 数据科学强国：通过CPU/GPU上的Torch/TensorFlow/ONNX/PaddlePaddle，大大加快数据科学家在嵌入、k-NN匹配、查询、可视化和评估方面的工作。

🚡 传输中的数据：针对网络通信进行了优化，随时可以在线连接，在 Protobuf、bytes、base64、JSON、CSV、DataFrame 中进行快速和压缩的序列化。非常适合流式传输和内存不足数据。

🔎 一站式k-NN：主流矢量数据库的统一一致的API，允许最近的邻居搜索，包括Elasticsearch，Redis，ANNLite，Qdrant，Weaviate。

👒 对于现代应用程序：GraphQL 支持使您的服务器在请求和响应时具有多功能性;内置的数据验证和 JSON 架构 （OpenAPI） 可帮助您构建可靠的 Web 服务。

🐍 Pythonic 体验：设计得像 Python 列表一样简单。如果你知道如何Python，你就知道如何DocArray。直观的习语和类型注释简化了您编写的代码。

🛸 与IDE集成：在Jupyter笔记本和Google Colab上实现漂亮的打印和可视化;PyCharm & VS Code 中的全面自动完成和类型提示。

DocArray由三个简单的概念组成：

文档：一种数据结构，用于轻松表示嵌套的非结构化数据。
DocumentArray：用于高效访问、操作和理解多个文档的容器。
数据类：用于直观地表示多模态数据的高级 API。

DocArray | #数据库
数据库
ETH Zürich《数据建模与数据库》课程(2022)

课程地址 | #数据库
数据库
TerminusDB 具有协作模型的分布式 #数据库 - 用于数据的 Git

TerminusDB 是一个强大的内存图形数据库，让你能够最大限度地提高生产力和数据的价值。 它具有众多功能和多个接口，能创建具有内置版本控制和其他类似 Git 操作的数据密集型、不可变和同步的数据库。
数据库
#数据建模 #机器学习 #数据集
1.阿里天池 国内互联网龙头阿里巴巴旗下的大数据竞赛网站
2.Kaggle 多项机器学习竞赛的数据科学社区
3.科赛网 单纯用来获取数据集很不错 ​​​
数据建模 机器学习 数据集
 
 
Back to Top