ProHoster > Блог > Новини от интернетa > 52 датасета за тренировъчни проекти

52 датасета за тренировъчни проекти

  1. Набор данных о клиентах магазина — данные посетителей магазина: id, пол, возраст, доход, рейтинг трат. (Вариант применения: Проект сегментации клиентов с применением машинного обучения)
  2. Набор данных Iris — датасет для новичков, содержащий размеры чашелистиков и лепестков для различных цветков.
  3. Набор данных MNIST — датасет рукописных цифр. 60 000 тренировочных изображений и 10 000 тестовых изображений.
  4. Набор данных о жилье в Бостоне — популярный датасет для распознавания паттернов. Содержит информацию о домах в Бостоне: количество квартир, стоимость аренды, индекс преступлений.
  5. Набор данных для определения фейковых новостей — содержит 7796 записей с разметкой новостей: правда или ложь. (Вариант применения с исходником на Python: Проект по определению фейковых новостей на Python )
  6. Набор данных о качестве вина — содержит информацию о вине: 4898 записей с 14 параметрами.
  7. Данные SOCR – набор данных о росте и весе — хороший вариант для старта. Содержит 25 000 записей о росте и весе 18-ти летних людей.

    52 датасета за тренировъчни проекти

    Статья переведена при поддержке компании EDISON Software, которая выполняет «на отлично» заказы из Южного Китая, както и разрабатывает веб-приложения и сайты.

  8. Набор данных о болезни Паркинсона — 195 записей о пациентах с болезнью Паркинсона, с 25 параметрами анализов. Можно использовать для предварительной оценки отличия больных людей от здоровых. (Вариант применения с исходником на Python: Проект по машинному обучению по определению болезни Паркинсона)
  9. Набор данных о Титанике — содержит информацию про пассажиров (возраст, пол, родственники на борту и пр) 891 в тренировочном сете и 418 — в тестовом.
  10. Набор данных о поездках Uber — информация о 4.5 миллионах поездок на Uber 2014 года и 14 млн. 2015 года. (Вариант применения с исходником на R: Проект анализа данных Uber на R)
  11. Набор данных Chars74k — содержит изображения Британских и Канадских символов 64 классов: 0-9, A-Z, a-z. 7700 естественных изображений, 3400 написанных от руки, 62000 синтезированных компьютером шрифтов.
  12. Набор данных для определения мошенничества с кредитными картами — содержит информацию о транзакциях скомпрометированных кредитных картах. (Вариант применения с исходником: Проект машинного обучения по выявлению мошенничества с кредитными картами)
  13. Набор данных о намерениях чат-бота — JSON-файл, который содержит различные тэги: greetings, goodbye, hospital_search, pharmacy_search, и тд. Содержит набор шаблонов «вопрос-ответ». (Вариант применения с исходником на Python: Проект чат-бота на Python)
  14. Набор данных электронной почты Enron — содержит полмиллиона писем от 150 менеджеров Enron.
  15. Набор данных Yelp — содержит 1,2 млн. рекомендаций от 1,6 млн. пользователей про 1,2 млн организаций.
  16. Набор данных Jeopardy — более 200 000 записей «вопрос-ответ» из популярной телевизионной игры.
  17. Набор данных для рекомендательных систем — портал с колекция от датасети от университета UCSD. Съдържа записи за рецензии на популярни сайтове (Goodreads, Amazon). Отлично подходящ за изграждане на системи за препоръки. (Вариант применения с исходником на R: Проект за система за препоръки на филми в R )
  18. UCI Spambase Dataset — датасет за обучение за откриване на спам. Съдържа 4601 имейла с 57 параметъра метаданни.
  19. Flickr 30k Dataset — над 30 000 изображения и техните надписи. (Flickr 8k Dataset — 8000 изображения. Проект с изходен код на Python: Image Caption Generator Python Project)
  20. IMDB рецензии — 25 000 рецензии на филми в тренировъчния набор и 25 000 в тестовия. (Вариант применения с исходником на R: Проект за анализ на настроението в data science)
  21. MS COCO dataset — 1.5 милиона анотирани изображения.
  22. CIFAR-10 и CIFAR-100 датасет — CIFAR-10 съдържа 60,000 малки изображения с размер 32*32 пиксела от цифри 0-9. CIFAR-100 — съответно, 0-100.
  23. GTSRB (Немски бенчмарк за разпознаване на пътни знаци) Датасет — 50 000 изображения на 43 пътни знака. (Вариант применения с исходником на Python: Проект за разпознаване на пътни знаци в Python)
  24. ImageNet dataset — съдържа повече от 100 000 фрази и около 1000 изображения за всяка фраза.
  25. Dataset с изображения на хистопатология на гърдата — датасетът съдържа изображения на образци на рак на гърдата. (Пример за приложение с изходен код на Проект за класификация на рак на гърдата в Python)
  26. Cityscapes Dataset — съдържа висококачествени анотации на видеопоследователности на улици в различни градове.
  27. Kinetics Dataset — съдържа URL връзка за около 6.5 милиона висококачествени видеа.
  28. MPII датасет за човешки позиции — датасетът съдържа 25 000 изображения на човешки пози с анотации на ставите.
  29. 20BN-сomething-something датасет v2 — набор от висококачествени видеа, които показват как човек извършва различни действия.
  30. Object 365 Dataset — датасет с висококачествени изображения с ограничителни рамки на обектите.
  31. Датасет за скици на снимки — съдържа над 1000 изображения с техните контурни чертежи.
  32. CQ500 Dataset — датасетът съдържа 491 КТ сканирания на главата с 193 317 среза.
  33. IMDB-Wiki датасет — датасет с повече от 5 милиона изображения на лица с обозначение пол и възраст. (Пример за приложение с изходен код на Проект за откриване на пол и възраст в Python)
  34. Youtube 8M Dataset — маркиран набор от видео данни, който съдържа 6.1 милиона идентификатора на Youtube видеа
  35. Urban Sound 8K датасет — набор от градски звукови данни (съдържа 8732 градски звука от 10 класа).
  36. LSUN Dataset — набор от данни от милиони цветни изображения на сцени и обекти (около 59 милиона изображения, 10 различни категории сцени и 20 различни категории обекти).
  37. RAVDESS Dataset — аудиовизуална база данни с емоционално изказване. (Пример за приложение с изходен код на Проект за разпознаване на емоции в речта с Python)
  38. Librispeech Dataset Датасет съдържа 1000 часа английска реч с различни акценти.
  39. Baidu Apolloscape Dataset Датасет за развитието на технологии за автономно шофиране.
  40. Quandl Data Portal Хранилище на икономически и финансови данни (има безплатно и платено съдържание).
  41. Портал за открити данни на Световната банка Информация за заемите, предоставени от Световната банка на развиващите се страни.
  42. IMF Data Portal Портал на Международния валутен фонд, който публикува данни за международни финанси, дългови ставки, инвестиции, валутни резерви и стоки.
  43. Портал за данни на Американската икономическа асоциация (AEA) Ресурс за търсене на макроикономически данни от САЩ.
  44. Портал за данни от Google Trends Данните от Google Trends могат да се използват за визуално проучване и анализ на данни.
  45. Портал за пазарни данни на Financial Times Ресурс за получаване на актуална информация за финансовите пазари от цял свят.
  46. Data.gov Portal Портал за открити данни на правителството на САЩ (земеделие, здравеопазване, климат, образование, енергетика, финанси, наука и изследвания и т.н.).
  47. Data Portal: Open government data (India) Открита правителствена платформа за данни в Индия.
  48. Food environment Atlas Data Portal Съдържа данни от проучвания относно храненето в САЩ.
  49. Health Data Portal Това е портал на Министерството на здравеопазването и социалните услуги на САЩ.
  50. Портал за данни на Центровете за контрол и превенция на заболяванията Съдържа широк спектър от данни, свързани със здравето.
  51. Портал за данни за Лондон Данни за живота на хората в Лондон.
  52. Канадски правителствен портал за открити данни Портал за открити данни за канадците (земеделие, изкуство, музика, образование, правителство, здравеопазване и т.н.)

Прочетете още

Източник: habr.com

Купете надежден хостинг за сайтове със защита от DDoS, VPS и VDS сървъри 🔥 Купете надежден хостинг за сайтове със защита от DDoS, VPS и VDS сървъри | ProHoster