- — data o návštěvnících obchodu: id, pohlaví, věk, příjem, hodnocení výdajů. (Možnost použití: )
- — dataset pro začátečníky, obsahující velikosti kališních a okvětních lístků různých květin.
- — dataset rukopisných číslic. 60 000 tréninkových obrázků a 10 000 testovacích obrázků.
- — populární dataset pro rozpoznávání vzorů. Obsahuje informace o domech v Bostonu: počet bytů, cena pronájmu, index kriminality.
- — obsahuje 7796 záznamů s označením zpráv: pravda nebo lež. (Možnost použití s kódem v Pythonu: )
- — obsahuje informace o víně: 4898 záznamů s 14 parametry.
- — dobrá volba pro začátek. Obsahuje 25 000 záznamů o výšce a váze osmnáctiletých lidí.
Článek byl přeložen s podporou společnosti EDISON Software, která , a také . - — 195 záznamů o pacientech s Parkinsonovou chorobou, s 25 parametry testů. Může být použito pro předběžné hodnocení rozdílu mezi nemocnými a zdravými lidmi. (Možnost použití s kódem v Pythonu: )
- — obsahuje informace o pasažérech (věk, pohlaví, příbuzní na palubě atd.) 891 v tréninkovém setu a 418 v testovacím.
- — informace o 4,5 milionu jízd Uber z roku 2014 a 14 milionů z roku 2015. (Možnost použití s kódem v R: )
- — obsahuje obrázky britských a kanadských symbolů 64 tříd: 0-9, A-Z, a-z. 7700 7,7k přirozených obrázků, 3400k ručně psaných, 62000 syntetizovaných počítačovým písmem.
- — obsahuje informace o transakcích s kompromitovanými kreditními kartami. (Možnost použití s kódem: )
- — JSON soubor, který obsahuje různé tagy: pozdravy, sbohem, hledání nemocnic, hledání lékáren atd. Obsahuje sadu šablon pro "otázka-odpověď". (Možnost použití s kódem v Pythonu: )
- — obsahuje půl milionu e-mailů od 150 manažerů společnosti Enron.
- — obsahuje 1,2 milionu recenzí od 1,6 milionu uživatelů o 1,2 milionu organizací.
- — více než 200 000 záznamů "otázka-odpověď" z populární televizní hry.
- — portál s kolekcí datových sad od univerzity UCSD. Obsahuje záznamy o recenzích z populárních webů (Goodreads, Amazon). Skvělé pro tvorbu doporučovacích systémů. (Možnost použití s kódem v R: )
- — datová sada pro trénink detekce spamu. Obsahuje 4601 e-mailů s 57 parametry metadat.
- — více než 30 000 obrázků a jejich popisů. ( — 8000 obrázků. Projekt se zdrojovým kódem v Pythonu: )
- — 25 000 recenzí filmů v tréninkové sadě a 25 000 v testovací. (Možnost použití s kódem v R: )
- — 1,5 milionu anotovaných obrázků.
- — CIFAR-10 obsahuje 60 000 malých obrázků o rozměrech 32*32 pixelů s čísly 0-9. CIFAR-100 — соответственно, 0-100.
- — 50 000 obrázků 43 dopravních značek. (Možnost použití s kódem v Pythonu: )
- — obsahuje více než 100 000 frází a přibližně 1000 obrázků na frázi.
- — datová sada obsahuje obrázky vzorků rakoviny prsu. (Varianta použití se zdrojovým kódem na )
- — obsahuje vysoce kvalitní anotace videosekvencí ulic různých měst.
- — obsahuje URL-link na přibližně 6,5 milionu vysoce kvalitních videí.
- — datová sada obsahuje 25 000 obrázků lidských póz s anotacemi kloubů.
- — sada vysoce kvalitních videí, která ukazují, jak člověk vykonává různé činnosti.
- — datová sada vysoce kvalitních obrázků s ohraničujícími rámy objektů.
- — obsahuje více než 1000 obrázků s jejich konturovými náčrty.
- — datová sada obsahuje 491 CT skenování hlavy s 193 317 řezy.
- — datová sada obsahující více než 5 milionů obrázků tváří s označením pohlaví a věku. (Varianta použití se zdrojovým kódem na )
- — označená datová sada videí, která obsahuje 6,1 milionu ID videí Youtube
- — sada městských zvukových dat (obsahuje 8732 městských zvuků ze 10 tříd).
- — datová sada milionů barevných obrázků scén a objektů (přibližně 59 milionů obrázků, 10 různých kategorií scén a 20 různých kategorií objektů).
- — audiovizuální databáze emocionální řeči. (Varianta použití se zdrojovým kódem na )
- — dataset obsahuje 1000 hodin anglické řeči s různými akcenty.
- — dataset pro rozvoj technologií autonomního řízení.
- — sklad ekonomických a finančních dat (obsahuje bezplatný a placený obsah).
- — informace o půjčkách poskytnutých Světovou bankou rozvojovým zemím.
- — portál Mezinárodního měnového fondu, který zveřejňuje údaje o mezinárodních financích, úrokových sazbách, investicích, devizových rezervách a komoditách.
- — zdroj pro hledání makroekonomických dat USA.
- — údaje o trendech Google lze použít pro vizuální studium a analýzu dat.
- — zdroj pro získání aktuálních informací o finančních trzích po celém světě.
- — portál otevřených dat vlády USA (zemědělství, zdravotnictví, klima, vzdělání, energie, finance, věda a výzkum atd.).
- — otevřená vládní platforma dat Indie.
- — obsahuje údaje o výživových studiích v USA.
- — toto je portál Ministerstva zdravotnictví a sociálních služeb USA.
- — obsahuje širokou škálu údajů souvisejících se zdravím.
- — údaje o životě lidí v Londýně.
- — portál otevřených dat o Kanadě (zemědělství, umění, hudba, vzdělání, vláda, zdravotnictví atd.)
Číst dál
Zdroj: habr.com
