Los conjuntos de datos son una parte muy importante de la inteligencia artificial. A partir de ellos se entrenan los modelos que predecirán un resultado ante la entrada correspondiente.

Por otro lado son importantes para comparar métodos dado que se comparten las mismas condiciones.

Omar del Tejo Catalá. (2023).
Conjunto de datos para estimación de pose y domain adaptation.
Kaggle, 54 Mb.
https://doi.org/10.34740/kaggle/ds/2947388
Andrés Larroza, Francisco Javier Pérez-Benito, Rafael Llobet Azpitarte. (2022).
Conjunto de datos con las máscaras de tejido denso del dataset INBreast.
Kaggle, 13 MiB.
https://doi.org/10.34740/kaggle/ds/2207184
François Signol, Laura Arnal Benedicto, Joaquim Arlandis Navarro, Rafael Llobet Azpitarte, Juan Carlos Pérez Cortés, José Ramón Navarro Cerdán. (2022).
Conjunto de datos para experimentación con identificación de variables relevantes.
Kaggle, 10 MiB.
https://doi.org/10.34740/kaggle/ds/1917990
Omar del Tejo Catalá. (2022).
Conjunto de datos para estimación de pose.
Kaggle, 11GiB.
https://doi.org/10.34740/kaggle/dsv/2661145
Javier Pérez Soler, Omar del Tejo Catalá, Pau Garrigues Carbó, Ismael Salvador Igual. (2020).
Conjunto de datos de anomalías en madera.
Kaggle, 613 Mib.
https://doi.org/10.34740/kaggle/dsv/2243629