Datová sada vznikla v rámci projektu RTIdigi a souvisí s dílčím úkolem 1 zaměřeným na predikci mechanických, resp. únavových vlastností svařenců s využitím metod strojového učení. Dataset obsahuje experimentální a odvozené parametry používané pro analýzu vztahu mezi zatěžovacím stavem, vlastnostmi svařenců a dosaženou únavovou životností. Data slouží jako vstup pro předzpracování, modelování a vyhodnocení predikčních přístupů v oblasti únavy svařovaných konstrukcí. Studie proveditelnosti popisuje dílčí úkol 1 právě jako rozšíření modelů pro predikci únavové životnosti svařenců pomocí ML na další parametry zkušebních svařenců.

Dotazník zkoumající zkušenosti učitelů s netradičními formami výuky. Dotazníkové šetření provedené v rámci I. fáze projektu TAČR TQ23000343. Cílem dotazníku bylo zjistit současný stav terénní výuky a využití virtuálních nástrojů na školách. Data obsahují 439 odpovědí, přičemž všichni respondenti souhlasili s účastní na anonymním sběru dat.

The YouTube-ASL Clip Keypoint Dataset is a curated collection of sentence-level American Sign Language (ASL) keypoint sequences derived from publicly available YouTube videos. Rather than providing raw video files, the dataset consists solely of JSON files containing frame-by-frame 2D keypoints extracted from segmented clips of individual signed sentences. Each frame has been processed using MediaPipe, which generates 208 2D keypoints representing body, face, hands, and pose landmarks. These keypoint sequences provide a compact, privacy-preserving representation of ASL visual-linguistic content, enabling research in sign language recognition, gesture analysis, and multimodal communication. The dataset consists of 390 547 json files zipped in 10 separate zip files for easier manipulation. Beside the keypoint files, we also provide the annotation json files.