- — údaje o návštěvnících obchodu: id, pohlaví, věk, příjem, hodnocení útraty. (Možnost aplikace: )
- — soubor dat pro začátečníky, obsahující velikosti sepalů a okvětních lístků pro různé květiny.
- — datový soubor ručně psaných čísel. 60 000 tréninkových snímků a 10 000 testovacích snímků.
- je populární datová sada pro rozpoznávání vzorů. Obsahuje informace o domech v Bostonu: počet bytů, ceny pronájmu, index kriminality.
- — obsahuje 7796 záznamů s označením zpráv: true nebo false. (Možnost aplikace se zdrojovým kódem v Pythonu: )
- — obsahuje informace o víně: 4898 záznamů se 14 parametry.
- - dobrá volba pro začátek. Obsahuje 25 000 záznamů o výšce a váze 18letých lidí.
Článek byl přeložen s podporou EDISON Software, která a . - — 195 záznamů pacientů s Parkinsonovou nemocí s 25 parametry analýzy. Může být použit pro předběžné posouzení rozdílu mezi nemocnými a zdravými lidmi. (Možnost aplikace se zdrojovým kódem v Pythonu: )
- — obsahuje informace o cestujících (věk, pohlaví, příbuzní na palubě atd.) 891 ve výcvikové sadě a 418 v testovací sadě.
- — informace o 4.5 milionu cest na Uber v roce 2014 a 14 milionech v roce 2015. (Možnost aplikace se zdrojovým kódem v R: )
- — obsahuje obrázky britských a kanadských symbolů 64 tříd: 0-9, AZ, az. 7700 7.7k přirozených obrázků, 3400k ručně psaných, 62000 počítačově syntetizovaných písem.
- — obsahuje informace o transakcích kompromitovaných kreditních karet. (Možnost aplikace se zdrojem: )
- — soubor JSON, který obsahuje různé značky: pozdravy, sbohem, hospital_search, pharmaceutical_search atd. Obsahuje sadu šablon otázek a odpovědí. (Možnost aplikace se zdrojovým kódem v Pythonu: )
- — obsahuje půl milionu dopisů od 150 manažerů Enronu.
- — obsahuje 1,2 milionu doporučení od 1,6 milionu uživatelů asi 1,2 milionu organizací.
- — více než 200 000 nahrávek otázek a odpovědí z populární televizní hry.
- — portál se sbírkou datových souborů z UCSD University. Obsahuje záznamy recenzí na oblíbených stránkách (Goodreads, Amazon). Skvělé pro vytváření doporučovacích systémů. (Možnost aplikace se zdrojovým kódem v R: )
- — trénovací datový soubor pro detekci spamu. Obsahuje 4601 písmen s 57 parametry metadat.
- — více než 30 000 obrázků a popisků. ( — 8000 snímků. Zdrojový projekt Pythonu: )
- — 25 000 filmových recenzí v tréninkové sadě a 25 000 v testovací sadě. (Možnost aplikace se zdrojovým kódem v R: )
- — 1,5 milionu označených obrázků.
- — CIFAR-10 obsahuje 60,000 32 malých obrázků 32*0 pixelů s čísly 9-100. CIFAR-0 - respektive 100-XNUMX.
- — 50 000 obrázků 43 dopravních značek. (Možnost aplikace se zdrojovým kódem v Pythonu: )
- — obsahuje více než 100 000 frází a asi 1000 obrázků na frázi.
- — datový soubor obsahuje obrázky vzorků rakoviny prsu. (Možnost aplikace se zapnutým zdrojovým kódem )
- — obsahuje vysoce kvalitní anotace videosekvencí ulic v různých městech.
- - obsahuje URL odkaz na asi 6,5 milionu vysoce kvalitních videí.
- — datový soubor obsahuje 25 000 snímků lidských pozic se společnými anotacemi.
- - soubor vysoce kvalitních videí, která ukazují, jak člověk provádí nějakou akci.
- — datová sada vysoce kvalitních obrázků s rámečky ohraničujícími objekty.
- — obsahuje více než 1000 obrázků s jejich obrysovými kresbami.
- — datový soubor obsahuje 491 CT skenů hlavy se 193 317 řezy.
- — soubor dat s více než 5 miliony snímků tváří označených pohlavím a věkem. (Možnost aplikace se zapnutým zdrojovým kódem )
- - Označená datová sada videa, která obsahuje 6,1 milionu ID videí YouTube
- — soubor městských zvukových dat (obsahuje 8732 městských zvuků z 10 tříd).
- - datový soubor milionů barevných obrázků scén a objektů (asi 59 milionů obrázků, 10 různých kategorií scén a 20 různých kategorií objektů).
- — audiovizuální databáze emocionální řeči. (Možnost aplikace se zapnutým zdrojovým kódem )
- — datová sada obsahuje 1000 hodin anglické řeči s různými přízvuky.
- — soubor dat pro vývoj technologií pro autonomní řízení.
- — úložiště ekonomických a finančních dat (existuje bezplatný i placený obsah).
- — informace o půjčkách poskytnutých Světovou bankou rozvojovým zemím.
- je portál mezinárodního měnového fondu, který publikuje údaje o mezinárodních financích, míře zadlužení, investicích, devizových rezervách a komoditách.
- - Zdroj pro vyhledávání amerických makroekonomických dat.
- - Data trendů Google lze použít k vizuálnímu zkoumání a analýze dat.
- je zdrojem aktuálních informací o finančních trzích z celého světa.
- - Portál otevřených dat vlády USA (zemědělství, zdravotnictví, klima, vzdělávání, energetika, finance, věda a výzkum atd.).
- je indická otevřená vládní datová platforma.
- — obsahuje výzkumná data o výživě ve Spojených státech.
- je portál amerického ministerstva zdravotnictví a sociálních služeb.
- - obsahuje širokou škálu údajů týkajících se zdraví.
- - údaje o životě lidí v Londýně.
- - portál otevřených dat o Kanaďanech (zemědělství, umění, hudba, vzdělávání, vláda, zdravotnictví atd.)
Přečtěte si více
Zdroj: www.habr.com