본 데이터셋은 국내외 언론사에서 발행한 실제 신문 지면 기반 뉴스·광고 이미지에 OCR 및 시각적 위치 정보를 결합한 멀티모달 학습용 데이터셋입니다.지면 뉴스 기사 4,000,000건 이상과 신문 지면 광고 이미지 100,000건으로 구성되어 있으며, 각 이미지에는 텍스트 위치, 기사/광고 영역, OCR 결과가 포함되어 있어, 문서 시각 이해, 기사 분리, 광고 탐지, OCR 기반 정보 추출 AI 모델에 최적화되어 있습니다.
다국어 법률 문서 템플릿 데이터셋
이 데이터셋은 독일어, 스페인어, 프랑스어, 일본어, 브라질 포르투갈어로 작성된 계약서, 합의서, 정책 문서 등 다양한 형식의 법률 문서 템플릿 1,950개로 구성되어 있습니다. 각 문서는 실제 문서 작성에 기반하여 구조화된 양식을 따르고 있으며, 다국어 법률 문서 생성, 분석, 분류 등 법률 특화 AI 모델 학습에 최적화되어 있습니다.
의료 문서 및 임상 노트 데이터셋
본 데이터셋은 실제 보건 전문가가 작성·편집한 영문 기반 의료 문서 및 임상 기록 텍스트로 구성된 고품질 의료 특화 데이터셋입니다.
대규모 코드 데이터셋
이 데이터셋은 다양한 프로그래밍 언어로 작성된 비공개 소스코드와 코드 관련 파일들(.py, .c, .html 등)로 구성된 고품질 코드 학습용 데이터셋입니다. 총 180억 토큰 규모의 코드 텍스트를 포함하고 있으며, 코드 생성, 자동 완성, 오류 탐지, 보안 취약점 분석 등 소프트웨어 개발 특화 AI 모델 학습에 최적화되어 있습니다.
실제 개발 환경에서 작성된 다양한 언어의 실전 코드가 포함되어 있어, 대형 언어 모델(LLM)의 코드 이해 및 생성 능력 향상에 활용할 수 있습니다.
전국 누적 교통량 데이터
전국 누적 교통량 데이터는 약 2,300만 사용자의 차량 이동 정보를 기반으로, 5분 단위, 365일 24시간 동안 전국 도로망에서 수집된 고해상도 교통 데이터셋입니다. 각 도로 구간의 평균 속도, 차량 통과량 등의 핵심 교통지표가 포함되어 있으며, 정밀한 교통 현황 분석과 예측, 정책 수립 및 산업 응용에 활용할 수 있습니다.
국/영/수/사/과 문항·해설 데이터셋
이 데이터셋은 초·중·고등학교 내신 시험 대비를 위한 5개 주요 과목(국어, 영어, 수학, 사회, 과학)의 객관식 및 주관식 문항, 정답, 해설과 관련 삽화 이미지를 포함한 대규모 멀티모달 학습 자료입니다. 2,166,600개의 다양한 유형의 문제와 답안, 상세 해설을 제공하며, 텍스트와 JSON 포맷뿐만 아니라 수식(LaTeX), HTML, 이미지(PNG), PDF 등 다양한 파일 포맷을 지원합니다. 일부 문항에는 시각정보를 이해하고 학습하는 멀티모달 AI 시스템을 위한 VLM(Vision-Language Model)용 삽화 및 도표 이미지가 포함되어 있습니다. 본 데이터셋은 내신 평가 AI, 자동 문제 생성, 지능형 학습 튜터 및 멀티모달 학습모델 개발에 최적화된 고품질 학습 자료입니다.
내신 시험 대비용 개념서/이론서
이 데이터셋은 중·고등학교 내신 시험 대비를 위한 다양한 교과목(국어, 영어, 수학, 사회, 과학) 문제들을 포함하고 있으며, 각 교과목의 이론서와 문제 풀이 자료를 체계적으로 정리하여 학생들이 효과적으로 시험에 대비할 수 있도록 돕는 자료입니다. 문제와 함께 개념 설명, 연습 문제, 실전 문제 등이 포함되어 있어 학생들이 다양한 학습 스타일에 맞춰 활용할 수 있습니다.
국내외 도서 데이터셋
이 데이터셋은 국내 대학출판부, 학술 기관, 전문 협회 및 해외 출판 소스를 기반으로 구축된 고품질 도서 및 텍스트 자료로 구성되어 있습니다. 의료, 법률, 과학기술, 사회과학, 인문학 등 다양한 학문 분야를 포괄하며, 한글·영문·스페인어 등 다국어로 제공됩니다. 기초 학문부터 대학원 수준의 고급 전문서, 교육용 교재, 수험서, 문학작품, 자기개발서까지 포함되어 있으며, AI 언어 모델 학습 및 자연어 처리(NLP), 지능형 교육 시스템 구축 등에 활용 가능한 포괄적 텍스트 자원입니다.
전국 카드 가맹점 및 상권 정보 데이터셋
가맹점 상세 및 상권정보 데이터는 전국에 분포한 XX카드 가맹점 360만 개와 해당 가맹점이 위치한 배후지 상권 분석 정보를 통합한 고품질 데이터셋입니다. 이 데이터셋은 가맹점의 위치, 업종, 매출 패턴, 상권 특성, 소비자 행동 데이터를 포함하며, 상권 분석, 입지 선정, 소비 트렌드 분석, AI 모델 학습 등 다양한 용도로 활용 가능합니다. 모든 데이터는 개인정보 보호법 및 관련 규정을 준수하여 처리되었으며, 구조화된 형태로 제공됩니다.
외국인 국내 소비 이력 데이터셋
외국인 국내 소비 이력 데이터는 해외 글로벌 카드를 국내 카드 가맹점에서 사용한 소비 데이터를 기반으로 구축된 고품질 데이터셋입니다. 이 데이터셋은 외국인의 국내 소비 패턴, 이동 경로, 고객 유형별 소비 비교 분석에 활용 가능하며, 모든 데이터는 개인정보 보호법 및 관련 규정을 준수하여 처리되었습니다.