メインコンテンツまでスキップ

OpenAIのAPIを使用しています。正確性の保証はできませんので、ご注意ください。

実践で使えるデータセット

このページでは、機械学習プロジェクトで利用できるデータセットをジャンル別に紹介しています。これらのデータセットを使って、あなたの研究やプロジェクトを加速させましょう。

画像認識​

  • COCO：一般物体検出、セグメンテーション、キャプションを学習できるデータセット
  • ImageNet：大規模な画像データセットで、多くの画像認識タスクに適用可能
  • CelebA：セレブの顔画像を収集したデータセット、顔認識タスクに適用可能

食材・レシピ認識​

  • Food-101：101種類の料理画像を収集したデータセット、料理認識タスクに適用可能
  • Recipe1M：画像とテキスト情報が付与された100万件以上のレシピデータセット
  • USDA National Nutrient Database：食材の栄養情報が収録されたデータセット、食材認識や栄養価分析タスクに適用可能
  • Open Food Facts：食品の成分情報や栄養成分を収集したオープンデータセット

自然言語処理​

  • IMDb：映画のレビューを使って、感情分析タスクを学習できるデータセット
  • SQuAD：質問応答タスクを学習できるデータセット
  • Common Crawl：ウェブ上のテキストを収集した大規模データセット、幅広いNLPタスクに適用可能

音声認識​

  • LibriSpeech：英語の朗読データを使って、音声認識タスクを学習できるデータセット
  • Mozilla Common Voice：多言語の音声データを収集したデータセット、音声認識や音声合成タスクに適用可能
  • TIMIT：アメリカ英語の方言データを使って、音声認識タスクを学習できるデータセット

時系列データ​

  • UCI Machine Learning Repository：時系列データを含む様々なデータセットが提供されているリポジトリ
  • Yahoo! Finance：株価や為替レートなどの金融データをダウンロードできるサービス
  • GDELT：世界中のニュース記事を分析したデータセット、時系列分析やイベント予測タスクに適用可能

推薦システム​

  • MovieLens：映画の評価データを使って、推薦システムを学習できるデータセット
  • Amazon Product Data：アマゾンの商品レビューデータを使って、商品推薦タスクを学習できるデータセット
  • Jester：ジョークの評価データを使って、ユーモア推薦システムを学習できるデータセット

グラフデータ​

  • SNAP：ソーシャルネットワークやウェブグラフなどのグラフデータを収集したデータセット
  • aminer：学術ネットワークデータを使って、グラフ解析やリンク予測タスクを学習できるデータセット
  • DBLP：コンピュータサイエンス関連の学術ネットワークデータを提供しているデータベース

医療データ​

  • MIMIC-III：重症患者の医療情報を収集したデータセット、予測モデルや患者分類タスクに適用可能
  • ADNI：アルツハイマー病患者の画像データや遺伝子データを収集したデータセット
  • Cancer Imaging Archive：がん患者の画像データや臨床情報を収集したデータセット

その他のデータセット​

  • Kaggle：様々なジャンルのデータセットが提供されているデータサイエンスプラットフォーム
  • UCI Machine Learning Repository：多様なデータセットを提供する、機械学習研究のためのリポジトリ
  • Google Dataset Search：ウェブ上に存在するデータセットを検索できるサービス