පටුන[සඟවන්න][පෙන්වන්න]
- 1. CelebFaces Attributes දත්ත කට්ටලය
- 2. DOTA
- 3. Google Facial Expression සංසන්දන දත්ත කට්ටලය
- 4. දෘෂ්ය ජෙනෝමය
- 5. LibriSpeech
- 6. නගර අවකාශය
- 7. චාලක දත්ත කට්ටලය
- 8. CelebAMask-HQ
- 9. Penn Treebank
- 10. VoxCeleb
- 11. SIXray
- 12. එක්සත් ජනපද අනතුරු
- 13. අක්ෂි රෝග හඳුනාගැනීම
- 14. හෘද රෝග
- 15. CLEVR
- 16. විශ්වීය යැපීම්
- 17. කිත්ති - 360
- 18. MOT(බහු වස්තු ලුහුබැඳීම)
- 19. පැස්කල් 3D+
- 20. සතුන්ගේ මුහුණේ විකෘති කළ හැකි ආකෘති
- 21. MPII මානව පශ්චාත් දත්ත කට්ටලය
- 22. UCF101
- 23. ඕඩියෝසෙට්
- 24. Stanford ස්වභාවික භාෂා අනුමානය
- 25. දෘශ්ය ප්රශ්නවලට පිළිතුරු සැපයීම
- නිගමනය
වර්තමානයේ, අපගෙන් බොහෝ දෙනෙක් යන්ත්ර ඉගෙනීම සහ AI ආකෘති සංවර්ධනය කිරීම සහ වත්මන් දත්ත කට්ටල භාවිතයෙන් ගැටළු විසඳීම කෙරෙහි අවධානය යොමු කර ඇත. නමුත් පළමුව, අපි දත්ත කට්ටලයක්, එහි වැදගත්කම සහ ශක්තිමත් AI සහ ML විසඳුම් සංවර්ධනය කිරීමේදී එහි කාර්යභාරය නිර්වචනය කළ යුතුය.
අද, අප සතුව විවිධ අංශවල සැබෑ ලෝකයේ ගැටලු විසඳීමට පර්යේෂණ කිරීමට හෝ යෙදුම් සංවර්ධනය කිරීමට විවෘත මූලාශ්ර දත්ත කට්ටල රාශියක් ඇත.
කෙසේ වෙතත්, උසස් තත්ත්වයේ ප්රමාණාත්මක දත්ත කට්ටලවල හිඟකම කනස්සල්ලට හේතුවකි. දත්ත විශාල ලෙස ඉහළ ගොස් ඇති අතර අනාගතයේදී වේගවත් වේගයකින් ප්රසාරණය වනු ඇත.
මෙම ලිපියෙන්, අපි ඔබට ඔබගේ මීළඟ AI ව්යාපෘතිය සංවර්ධනය කිරීමට භාවිතා කළ හැකි නොමිලේ ලබා ගත හැකි දත්ත කට්ටල ආවරණය කරන්නෙමු.
1. CelebFaces Attributes දත්ත කට්ටලය
CelebFaces Attributes Dataset (CelebA) හි සෑම රූපයක් සඳහාම 200K කීර්තිමත් ඡායාරූප සහ 40 attribute annotations අඩංගු වන අතර, එය වැනි ව්යාපෘති සඳහා විශිෂ්ට ආරම්භක ලක්ෂ්යයක් බවට පත් කරයි. මුහුණ හඳුනා ගැනීම, මුහුණු හඳුනාගැනීම, සන්ධිස්ථානය (හෝ මුහුණේ සංරචක) ප්රාදේශීයකරණය, සහ මුහුණු සංස්කරණය සහ සංස්ලේෂණය. තවද, මෙම එකතුවෙහි ඇති ඡායාරූපවල පුළුල් පරාසයක පිහිටුම් ප්රභේද සහ පසුබිම් අවුල් සහිත වේ.
2. ඩෝටා
DOTA (දත්ත කට්ටලය වස්තුව හඳුනාගැනීම Aerial Photos) යනු පොදු කාණ්ඩ 15ක් (උදා, නැව, ගුවන් යානය, මෝටර් රථය, ආදිය), පුහුණුව සඳහා රූප 1411ක් සහ වලංගු කිරීම සඳහා රූප 458ක් ඇතුළත් වන වස්තු හඳුනාගැනීම සඳහා වන මහා පරිමාණ දත්ත කට්ටලයකි.
3. Google Facial Expression සංසන්දන දත්ත කට්ටලය
Google මුහුණේ ඉරියව් සැසඳීමේ දත්ත කට්ටලයේ මුහුණු ඡායාරූප 500,000ක් ඇතුළුව පින්තූර ත්රිත්ව 156,000ක් පමණ අඩංගු වේ. මෙම දත්ත කට්ටලයේ සෑම ත්රිත්වයක්ම අවම වශයෙන් මානව ශ්රේණිගත කරන්නන් හය දෙනෙකු විසින් සටහන් කර ඇති බව සඳහන් කිරීම වටී.
මෙම දත්ත කට්ටලය ප්රකාශන මත පදනම් වූ පින්තූර ලබා ගැනීම, චිත්තවේග වර්ගීකරණය, ප්රකාශන සංශ්ලේෂණය සහ යනාදී මුහුණු ප්රකාශන විශ්ලේෂණය ඇතුළත් ව්යාපෘති සඳහා ප්රයෝජනවත් වේ. දත්ත කට්ටලයට ප්රවේශය ලබා ගැනීමට, කෙටි පෝරමයක් සම්පූර්ණ කළ යුතුය.
4. දෘශ්ය ජෙනෝමය
බහුවරණ පරිසරයක දෘශ්ය ප්රශ්නවලට පිළිතුරු සැපයීමේ දත්ත Visual Genome හි ඇත. එය සෑදී ඇත්තේ MSCOCO ඡායාරූප 101,174කින් QA යුගල මිලියන 1.7ක් සමඟින්, එක් රූපයකට සාමාන්යයෙන් ප්රශ්න 17ක් ඇත.
දෘශ්ය ප්රශ්න පිළිතුරු දත්ත කට්ටලයට සාපේක්ෂව, දෘෂ්ය ජෙනෝම් දත්ත කට්ටලයට ප්රශ්න වර්ග හයක් හරහා වඩාත් සාධාරණ ව්යාප්තියක් ඇත: කුමක්ද, කොහේද, කවදාද, කවුද, ඇයි සහ කෙසේද.
මීට අමතරව, Visual Genome දත්ත කට්ටලයට වස්තු, ගුණාංග සහ සම්බන්ධතා සමඟ දැඩි ලෙස ටැග් කර ඇති 108K ඡායාරූප ඇතුළත් වේ.
5. LibriSpeech
LibriSpeech corpus යනු LibriVox ව්යාපෘතියෙන් පැය 1,000 ක පමණ ශ්රව්ය පොත් එකතුවකි. ශ්රව්ය පොත්වලින් බහුතරයක් ව්යාපෘතිය Gutenberg වෙතින් ආරම්භ වේ.
පුහුණු දත්ත පැය 100, පැය 360 සහ පැය 500 ක කොටස් තුනකට බෙදා ඇති අතර, dev සහ පරීක්ෂණ දත්ත දළ වශයෙන් පැය 5 ක ශ්රව්ය දිගකින් යුක්ත වේ.
6. නගර අවකාශයන්
නාගරික දර්ශන සහිත ස්ටීරියෝ වීඩියෝවල වඩාත් ප්රකට මහා පරිමාණ දත්ත සමුදායන්ගෙන් එකක් වන නගර දර්ශන ලෙස හැඳින්වේ.
GPS ස්ථාන, එළිමහන් උෂ්ණත්වය, ඊගෝ-චලන දත්ත සහ නිවැරදි ස්ටීරියෝ ඉදිරිදර්ශන ඇතුළත් පික්සල්-නිවැරදි විවරණ සමඟ, එයට වෙනස් ජර්මානු නගර 50 කින් පටිගත කිරීම් ඇතුළත් වේ.
7. චාලක දත්ත කට්ටලය
මානව ක්රියාකාරකම් මහා පරිමාණයෙන් සහ හොඳ ගුණාත්මක බවකින් හඳුනා ගැනීම සඳහා වඩාත් ප්රසිද්ධ වීඩියෝ දත්ත කට්ටලයක් වන්නේ චාලක දත්ත කට්ටලයයි. මිනිස් ක්රියාකාරකම් පන්ති 600ක් සඳහා අවම වශයෙන් වීඩියෝ ක්ලිප් 600ක් ඇත, මුළු එකතුව 500,000කට වඩා වැඩිය.
චිත්රපට යූ ටියුබ් වෙතින් ඉවත් කර ඇත; සෑම එකක්ම තත්පර 10ක් පමණ දිග වන අතර ලැයිස්තුගත කර ඇත්තේ එක් ක්රියාකාරකම් පන්තියක් පමණි.
8. CelebMAsk-HQ
CelebAMask-HQ යනු සම, නාසය, ඇස්, ඇහි බැම, කන්, මුඛය, තොල්, හිසකෙස්, තොප්පිය, ඇස් කණ්නාඩි, කරාබු, මාලය, වැනි මුහුණේ සංරචක ඇතුළත් වන පරිස්සමෙන් සටහන් කරන ලද වෙස් මුහුණු සහ පන්ති 30,000 ක් සහිත අධි-විභේදන මුහුණු ඡායාරූප 19 ක එකතුවකි. බෙල්ල, ද්රව්යය.
මුහුණු හඳුනාගැනීම, මුහුණු විග්රහ කිරීම සහ GANs මුහුණු උත්පාදනය සහ සංස්කරණ ඇල්ගොරිතම පරීක්ෂා කිරීමට සහ පුහුණු කිරීමට දත්ත කට්ටලය භාවිත කළ හැක.
9. පෙන් ට්රීබෑන්ක්
අනුක්රමික ටැග් කිරීම සඳහා ආකෘති තක්සේරු කිරීම සඳහා වඩාත් කැපී පෙනෙන සහ බොහෝ විට භාවිතා වන සංස්ථාපිතයක් වන්නේ ඉංග්රීසි පෙන් ට්රීබෑන්ක් (පීටීබී) කෝපස් ය, විශේෂයෙන් වෝල් ස්ට්රීට් ජර්නල් ලිපිවලට අනුරූප වන කෝපස් කොටසයි.
සෑම වචනයක්ම කාර්යයේ අංගයක් ලෙස එහි කථන කොටස ටැග් කර තිබිය යුතුය. අක්ෂර මට්ටම සහ වචන මට්ටම භාෂා ආකෘති නිර්මාණය නිතර නිතර corpus භාවිතා කරයි.
10. VoxCeleb
VoxCeleb යනු ස්වයංක්රීයව ජනනය වන මහා පරිමාණ කථන හඳුනාගැනීමේ දත්ත කට්ටලයකි විවෘත මූලාශ්ර මාධ්ය. VoxCeleb හට 6k කට අධික කථිකයන්ගෙන් මිලියනයකට වඩා උච්චාරණ ඇත.
දත්ත කට්ටලයට ශ්රව්ය-දෘශ්ය ඇතුළත් වන බැවින්, එය දෘශ්ය කථන සංස්ලේෂණය, කථන වෙන් කිරීම, මුහුණෙන් කටහඬට හරස් මාදිලිය මාරු කිරීම හෝ අනෙක් අතට, සහ වත්මන් මුහුණු හඳුනාගැනීම සඳහා අතිරේකව වීඩියෝ සිට මුහුණු හඳුනාගැනීම ඇතුළු විවිධ අමතර යෙදුම් සඳහා භාවිත කළ හැක. දත්ත කාණ්ඩ.
11. SIXray
SIXray දත්ත කට්ටලයට උමං දුම්රිය ස්ථානවලින් එක්රැස් කරන ලද එක්ස්-රේ පින්තූර 1,059,231 ඇතුළත් වන අතර ප්රධාන තහනම් අයිතම හයක් හඳුනා ගැනීම සඳහා මානව ආරක්ෂක පරීක්ෂකවරුන් විසින් සටහන් කරන ලදී: පිස්තෝල, පිහි, යතුර, ප්ලයර්ස්, කතුරු සහ මිටි. තවද, වස්තු ප්රාදේශීයකරණයේ කාර්ය සාධනය ඇගයීම සඳහා පරීක්ෂණ කට්ටලවලට එක් එක් අවසර නොදෙන අයිතම සඳහා මායිම් පෙට්ටි අතින් එකතු කර ඇත.
12. එක්සත් ජනපද අනතුරු
ව්යාපෘතියේ හරය දැනටමත් දත්ත කට්ටලයේ නම, US Accidents මගින් හෙළිදරව් වී ඇත. රටපුරා වාහන අනතුරු පිළිබඳ මෙම දත්ත කට්ටලයට 2016 පෙබරවාරි සිට 2021 දෙසැම්බර් දක්වා තොරතුරු ඇතුළත් වන අතර ඇමරිකා එක්සත් ජනපදයේ ප්රාන්ත 49ක් ආවරණය කරයි.
ආසන්න වශයෙන් අනතුරු වාර්තා මිලියන 1.5ක් පමණ දැන් මෙම එකතුවේ ඇත. එය රථවාහන API කිහිපයක් භාවිතා කිරීමෙන් තත්ය කාලීනව රැස් කරන ලදී.
මෙම API රථවාහන කැමරා, නීතිය ක්රියාත්මක කරන සංවිධාන, සහ එක්සත් ජනපද සහ රාජ්ය ප්රවාහන දෙපාර්තමේන්තු ඇතුළු විවිධ මූලාශ්රවලින් රැස් කරගත් රථවාහන තොරතුරු සම්ප්රේෂණය කරයි.
13. අක්ෂි රෝග හඳුනාගැනීම
සංවිධානාත්මක අක්ෂි රෝග බුද්ධිමය හඳුනාගැනීමේ (ODIR) දත්ත ගබඩාවෙහි රෝගීන් 5,000ක් පිළිබඳ තොරතුරු අඩංගු වේ, ඔවුන්ගේ වයස, ඔවුන්ගේ වම් සහ දකුණු ඇස්වල ඇති පාදයේ වර්ණය සහ වෛද්ය වෘත්තිකයන්ගේ රෝග විනිශ්චය මූල පද ඇතුළත් වේ.
මෙම දත්ත කට්ටලය Shanggong Medical Technology Co., Ltd විසින් අත්පත් කර ගෙන ඇති චීනයේ විවිධ රෝහල් සහ වෛද්ය පහසුකම් වලින් රෝගීන්ගේ දත්තවල සත්ය එකතුවකි. සමඟ තත්ත්ව පාලන කළමනාකරණය, දක්ෂ මානව පාඨකයින් විසින් විවරණ ටැග් කර ඇත.
14. හදවත් රෝග
මෙම හෘද රෝග දත්ත කට්ටලය වයස, ස්ත්රී පුරුෂ භාවය, පපුවේ වේදනාව, විවේක රුධිර පීඩනය යනාදී පරාමිති 76 ක් මත පදනම්ව රෝගියෙකුගේ හෘද රෝග පැවැත්ම හඳුනා ගැනීමට උපකාරී වේ.
අවස්ථා 303 ක් සමඟ, දත්ත සමුදාය රෝගයක පැවැත්ම (අගය 1,2,3,4) එහි නොපැවතීමෙන් (අගය 0) සරලව වෙනස් කිරීමට උත්සාහ කරයි.
15. CLEVR
CLEVR දත්ත කට්ටලය (සංයුති භාෂාව සහ මූලික දෘශ්ය තර්කනය) දෘශ්ය ප්රශ්නවලට පිළිතුරු අනුකරණය කරයි. එය ත්රිමාණ-විදැහුම් කරන ලද වස්තූන්ගේ ඡායාරූප වලින් සමන්විත වන අතර, සෑම ඡායාරූපයක්ම වර්ග කිහිපයකට බෙදා ඇති අතිශයින් සංයුති ප්රශ්න මාලාවක් සමඟින් සමන්විත වේ.
සියලුම දුම්රිය සහ වලංගු කිරීමේ පින්තූර සහ ප්රශ්න සඳහා, දත්ත කට්ටලය ඡායාරූප 70,000 ක් සහ පුහුණුව සඳහා ප්රශ්න 700,000 ක්, රූප 15,000 ක් සහ වලංගු කිරීම සඳහා ප්රශ්න 150,000 ක් සහ වස්තු, පිළිතුරු, ප්රස්තාර සහ දර්ශන වැඩසටහන් ඇතුළත් පරීක්ෂණ සඳහා රූප 15,000 ක් සහ ප්රශ්න 150,000 කින් සමන්විත වේ.
16. විශ්වීය යැපීම්
Universal Dependencies (UD) ව්යාපෘතිය බොහෝ භාෂා සඳහා හරස් භාෂාමය වශයෙන් ඒකාකාර රූප විද්යාව සහ වාක්ය ඛණ්ඩ ගස්බැංක් විවරණ නිර්මාණය කිරීම අරමුණු කරයි. 2.7 දී නිකුත් කරන ලද 2020 අනුවාදයේ භාෂා 183 කින් ගස්බැං 104 ක් ඇත.
විවරණය සෑදී ඇත්තේ විශ්ව POW ටැග්, යැපුම් ශීර්ෂ සහ විශ්ව පරායත්ත ලේබල වලින්.
17. කිට්ටි - 360
ජංගම රොබෝවරුන් සඳහා බහුලව භාවිතා වන දත්ත කට්ටල වලින් එකක් සහ ස්වයංක්රීය රිය පැදවීම KITTI (Karlsruhe තාක්ෂණ ආයතනය සහ Toyota තාක්ෂණ ආයතනය) වේ.
එය සෑදී ඇත්තේ අධි-විභේදන RGB, ග්රේස්කේල් ස්ටීරියෝ සහ 3D ලේසර් ස්කෑනර් කැමරා වැනි සංවේදක ක්රම මාලාවක් භාවිතයෙන් ග්රහණය කර ගන්නා ලද පැය ගණනක ගමනාගමන අවස්ථා වලිනි. දත්ත කට්ටලය පර්යේෂකයන් කිහිප දෙනෙකු විසින් වැඩි දියුණු කර ඇති අතර ඔවුන්ගේ අවශ්යතා වලට ගැලපෙන පරිදි එහි විවිධ කොටස් අතින් සටහන් කර ඇත.
18. MOT (බහු වස්තු ලුහුබැඳීම)
MOT (Multiple Object Tracking) යනු පදිකයින් උනන්දුවක් දක්වන වස්තු ලෙස ඇතුළත් වන පොදු ස්ථානවල ගෘහස්ථ සහ එළිමහන් දර්ශන ඇතුළත් බහු වස්තු ලුහුබැඳීම සඳහා වන දත්ත කට්ටලයකි. සෑම දර්ශනයකම වීඩියෝ කොටස් දෙකකට කැඩී ඇත, එකක් පුහුණු කිරීම සඳහා සහ අනෙක පරීක්ෂා කිරීම සඳහා.
දත්ත කට්ටලයට ඇතුළත් වේ වස්තුව හඳුනාගැනීම් වීඩියෝ රාමු තුළ අනාවරක තුනක් භාවිතා කරයි: SDP, Faster-RCNN, සහ DPM.
19. පැස්කල් 3D+
Pascal3D+ බහු-දර්ශන දත්ත කට්ටලය සෑදී ඇත්තේ වනයේ එකතු කරන ලද ඡායාරූප වලින්, එනම්, ඉහළ විචල්යතාවයකින් යුත් අයිතම කාණ්ඩවල පින්තූර, පාලනය නොකළ අවස්ථාවන්හිදී, ජනාකීර්ණ පරිසරවල සහ විවිධ ස්ථානවල ග්රහණය කර ඇත. Pascal3D+ හි PASCAL VOC 12 දත්ත කට්ටලයෙන් ලබාගත් දෘඩ වස්තු කාණ්ඩ 2012ක් ඇතුළත් වේ.
මෙම අයිතමවල ඉරියව් තොරතුරු සලකුණු කර ඇත (අසිමුත්, උන්නතාංශය සහ කැමරාවට ඇති දුර). Pascal3D+ හි මෙම කාණ්ඩ 12 තුළ ImageNet එකතුවෙන් ඉරියව්-විවරණය කළ ඡායාරූප ඇතුළත් වේ.
20. සතුන්ගේ මුහුණේ විකෘති කළ හැකි ආකෘති
Facial Deformable Models of Animals (FDMA) ව්යාපෘතියේ පරමාර්ථය වන්නේ මානව මුහුණේ සන්ධිස්ථාන හඳුනාගැනීමේ සහ ලුහුබැඳීමේ වත්මන් ක්රමවේදවලට අභියෝග කිරීම සහ සත්ව මුහුණේ ලක්ෂණවල ලක්ෂණයක් වන සැලකිය යුතු විශාල විචල්යතාවයක් සමඟ කටයුතු කළ හැකි නව ඇල්ගොරිතම සංවර්ධනය කිරීමයි.
ව්යාපෘතියේ ඇල්ගොරිතම මගින් මුහුණේ හැඟීම් හෝ ඉරියව් වෙනස්වීම්, අර්ධ අවහිරතා සහ ආලෝකකරණය මගින් ඇතිවන විචලනයන් සමඟ කටයුතු කරන අතරම මිනිස් මුහුණුවල බිම් සලකුණු හඳුනා ගැනීමට සහ නිරීක්ෂණය කිරීමට ඇති හැකියාව පෙන්නුම් කරයි.
21. MPII මානව පශ්චාත් දත්ත කට්ටලය
MPII Human Pose Dataset හි ඡායාරූප 25K පමණ අඩංගු වන අතර, එයින් 15K පුහුණු සාම්පල, 3K වලංගු කිරීමේ සාම්පල වන අතර, 7K පරීක්ෂණ සාම්පල වේ.
ස්ථාන 16ක් දක්වා ශරීර සන්ධි සමඟ අතින් ලේබල් කර ඇති අතර, විවිධ මානව ක්රියාකාරකම් 410ක් ආවරණය වන පරිදි ඡායාරූප යූ ටියුබ් චිත්රපටවලින් ලබාගෙන ඇත.
22. යූසීඑෆ් 101
UCF101 දත්ත කට්ටලයේ කාණ්ඩ 13,320කට සංවිධානය කර ඇති වීඩියෝ ක්ලිප් 101ක් අඩංගු වේ. මෙම කාණ්ඩ 101 කාණ්ඩ පහකට බෙදා ඇත: ශරීර චලනයන්, මිනිස්-මිනිස් අන්තර්ක්රියා, මානව-වස්තු අන්තර්ක්රියා, සංගීත භාණ්ඩ වාදනය සහ ක්රීඩා.
වීඩියෝ YouTube වෙතින් වන අතර කාලසීමාව තුළ පැය 27 කින් සමන්විත වේ.
23. ශ්රව්ය උපකරණ
Audioset යනු මිලියන 2කට අධික මානව-විවරණය කළ තත්පර 10ක වීඩියෝ කොටස් වලින් සැදුම්ලත් ශ්රව්ය සිදුවීම් දත්ත කට්ටලයකි. මෙම දත්ත සටහන් කිරීම සඳහා, සිදුවීම් වර්ග 632 කින් සමන්විත ධූරාවලි ඔන්ටොලොජි භාවිතා කරනු ලැබේ, එයින් ඇඟවෙන්නේ එකම ශබ්දය වෙනස් ලෙස ලේබල් කළ හැකි බවයි.
24. ස්ටැන්ෆර්ඩ් ස්වභාවික භාෂා අනුමානය
SNLI දත්ත කට්ටලය (Stanford Natural Language Inference) හි 570k වාක්ය යුගල අඩංගු වන අතර ඒවා අත්යවශ්ය, ප්රතිවිරෝධතා හෝ මධ්යස්ථ ලෙස වර්ගීකරණය කර ඇත.
පරිශ්රය යනු Flickr30k පින්තූර විස්තර වන අතර, උපකල්පන සංවර්ධනය කරන ලද්දේ සමූහයා-මූලාශ්ර විවරණකරුවන් විසින් පරිශ්රයක් සපයා ඇති අතර ඒවාට අදාළ, පරස්පර විරෝධී සහ මධ්යස්ථ ප්රකාශ ජනනය කිරීමට උපදෙස් දෙන ලදී.
25. දෘශ්ය ප්රශ්නවලට පිළිතුරු දීම
දෘශ්ය ප්රශ්නවලට පිළිතුරු සැපයීම (VQA) යනු පින්තූර සම්බන්ධයෙන් විවෘත ප්රශ්න අඩංගු දත්ත කට්ටලයකි. මෙම ප්රශ්නවලට පිළිතුරු දීමට, ඔබ දර්ශනය, භාෂාව සහ සාමාන්ය බුද්ධිය ග්රහණය කර ගත යුතුය.
නිගමනය
යන්ත්ර ඉගෙනීම සහ කෘත්රිම බුද්ධිය (AI) ප්රායෝගිකව සෑම ව්යාපාරයකම සහ අපගේ දෛනික ජීවිතය තුළ වඩාත් ප්රචලිත වන බැවින්, විෂය පිළිබඳ පවතින සම්පත් සහ තොරතුරු සංඛ්යාව ද වැඩි වේ.
කෘත්රිම ML ක්රමලේඛකයින්ට කාලය ඉතිරි කර ගැනීමට සහ ඔවුන්ගේ ව්යාපෘතිවල අනෙකුත් අංග කෙරෙහි අවධානය යොමු කිරීමට ඉඩ සලසන අතරම, සූදානම් කළ පොදු දත්ත කට්ටල AI ආකෘති සංවර්ධනය කිරීමට විශිෂ්ට ආරම්භක ලක්ෂ්යයක් සපයයි.
ඔබමයි