52 Datensätze für Trainingsprojekte.

1. Kundendatenbank für Einkaufszentren — Daten der Ladenbesucher: ID, Geschlecht, Alter, Einkommen, Ausgabenbewertung. (Anwendungsbeispiel: Kundenklassifizierungsprojekt mit maschinellem Lernen)
2. Iris-Datensatz — ein Einsteiger-Datensatz, der die Maße der Kelchblätter und Blütenblätter für verschiedene Blumen enthält.
3. MNIST-Datensatz — ein Datensatz handgeschriebener Ziffern. 60.000 Trainingsbilder und 10.000 Testbilder.
4. Der Boston Housing Dataset — ein beliebter Datensatz zur Mustererkennung. Enthält Informationen über Häuser in Boston: Anzahl der Wohnungen, Mietpreise, Kriminalitätsindex.
5. Datensatz zur Fake-News-Erkennung — enthält 7796 Einträge mit Nachrichtenmarkierungen: wahr oder falsch. (Anwendungsbeispiel mit Python-Quellcode: Fake News Detection Python-Projekt )
6. Weinqualitätsdatensatz — enthält Informationen über Wein: 4898 Einträge mit 14 Parametern.
7. SOCR-Daten – Datensatz zu Körpergröße und Gewicht — eine gute Wahl für den Einstieg. Enthält 25.000 Einträge über die Größe und das Gewicht 18-jähriger Personen.
   

   
   
   Der Artikel wurde mit Unterstützung von EDISON Software übersetzt, einem Unternehmen, das führt Bestellungen aus Südchina „ausgezeichnet“ aus, sowie entwickelt Webanwendungen und Webseiten.

8. Parkinson-Datensatz — 195 Einträge über Patienten mit Parkinson-Krankheit, mit 25 Parameteranalysen. Kann zur ersten Einschätzung des Unterschieds zwischen kranken und gesunden Personen verwendet werden. (Anwendungsbeispiel mit Python-Quellcode: Maschinenlernprojekt zur Erkennung von Parkinson-Krankheit)
9. Titanic-Datensatz — enthält Informationen über Passagiere (Alter, Geschlecht, Angehörige an Bord usw.) 891 im Trainingsset und 418 im Testset.
10. Uber Pickups Dataset — enthält Informationen über 4,5 Millionen Fahrten mit Uber im Jahr 2014 und 14 Millionen im Jahr 2015. (Anwendung mit Ausgangscode in R: Uber Datenanalyse-Projekt in R)
11. Chars74k Dataset — enthält Bilder britischer und kanadischer Symbole in 64 Klassen: 0-9, A-Z, a-z. 7700 natürliche Bilder, 7,7k handgeschriebene, 3400k synthetisierte Computer-Schriften.
12. Credit Card Fraud Detection Dataset — enthält Informationen zu Transaktionen mit kompromittierten Kreditkarten. (Anwendung mit Ausgangscode: Credit Card Fraud Detection Machine Learning Projekt)
13. Chatbot Intents Dataset — JSON-Datei, die verschiedene Tags enthält: greetings, goodbye, hospital_search, pharmacy_search usw. Sie enthält eine Sammlung von "Frage-Antwort"-Vorlagen. (Anwendungsbeispiel mit Python-Quellcode: Chatbot Projekt in Python)
14. Enron Email Dataset — enthält eine halbe Million E-Mails von 150 Enron-Managern.
15. The Yelp Dataset — enthält 1,2 Millionen Empfehlungen von 1,6 Millionen Nutzern über 1,2 Millionen Organisationen.
16. Jeopardy Dataset — mehr als 200.000 "Frage-Antwort"-Einträge aus dem beliebten TV-Quiz.
17. Recommender Systems Dataset — ein Portal mit einer Sammlung von Datensätzen der UCSD-Universität. Enthält Aufzeichnungen von Bewertungen auf beliebten Websites (Goodreads, Amazon). Ideal für die Erstellung von Empfehlungssystemen. (Anwendung mit Ausgangscode in R: Projekt zur Filmempfehlung in R )
18. UCI Spambase-Datensatz — ein Datensatz zum Training zur Spam-Erkennung. Enthält 4601 E-Mails mit 57 Metadaten-Parametern.
19. Flickr 30k-Datensatz — über 30.000 Bilder und deren Beschriftungen. (Flickr 8k-Datensatz — 8000 Bilder. Projekt mit Source-Code in Python: Image Caption Generator Python-Projekt)
20. IMDB-Bewertungen — 25.000 Bewertungen zu Filmen im Trainingssatz und 25.000 im Testset. (Anwendung mit Ausgangscode in R: Sentiment-Analyse Data Science-Projekt)
21. MS COCO-Datensatz — 1,5 Millionen annotierte Bilder.
22. CIFAR-10 und CIFAR-100-Datensatz — CIFAR-10 enthält 60.000 kleine Bilder mit 32*32 Pixeln von Ziffern 0-9. CIFAR-100 — entsprechend 0-100.
23. GTSRB (German Traffic Sign Recognition Benchmark) Datensatz — 50.000 Bilder von 43 Verkehrszeichen. (Anwendungsbeispiel mit Python-Quellcode: Projekt zur Verkehrsschildererkennung in Python)
24. ImageNet-Datensatz — enthält mehr als 100.000 Phrasen und ungefähr 1000 Bilder pro Phrase.
25. Datensatz mit histopathologischen Bildern der Brust — der Datensatz enthält Bilder von Brustkrebsproben. (Anwendungsbeispiel mit Source-Code in Python-Projekt zur Brustkrebs-Klassifikation)
26. Cityscapes-Datensatz — enthält qualitativ hochwertige Annotationen von Videoaufzeichnungen in Straßen verschiedener Städte.
27. Kinetics-Datensatz — enthält einen URL-Link zu etwa 6,5 Millionen hochwertigen Videos.
28. MPII menschliches Posedatensatz — der Datensatz enthält 25.000 Bilder menschlicher Posen mit Gelenkannotationen.
29. 20BN-something-something Datensatz v2 — eine Sammlung hochwertiger Videos, die zeigen, wie eine Person bestimmte Handlungen ausführt.
30. Object 365 Datensatz — ein Datensatz hochwertiger Bilder mit begrenzenden Rahmen für Objekte.
31. Photo Sketching Datensatz — enthält über 1000 Bilder mit ihren Umrisszeichnungen.
32. CQ500 Datensatz — der Datensatz enthält 491 Kopf-CT-Scans mit 193.317 Schnitten.
33. IMDB-Wiki Datensatz — ein Datensatz mit über 5 Millionen Bilder von Gesichtern mit Geschlechts- und Altersmarkierungen. (Anwendungsbeispiel mit Source-Code in Gender & Age Detection Python-Projekt)
34. YouTube 8M Datensatz — ein gekennzeichneter Videosatz, der 6,1 Millionen YouTube-Video-IDs enthält.
35. Urban Sound 8K Datensatz — eine Sammlung städtischer Audiodaten (enthält 8732 städtische Geräusche aus 10 Klassen).
36. LSUN Datensatz — ein Datensatz von Millionen farbiger Bilder von Szenen und Objekten (etwa 59 Millionen Bilder, 10 verschiedene Szenenkategorien und 20 verschiedene Objektkategorien).
37. RAVDESS Datensatz — audiovisuelle Datenbank emotionaler Sprache. (Anwendungsbeispiel mit Source-Code in Speech Emotion Recognition Python-Projekt)
38. Librispeech Datensatz — Der Datensatz enthält 1000 Stunden englischer Sprache mit verschiedenen Akzenten.
39. Baidu Apolloscape Dataset — Datensatz zur Entwicklung von Technologien für autonomes Fahren.
40. Quandl Data Portal — Lager für wirtschaftliche und finanzielle Daten (es gibt kostenlose und kostenpflichtige Inhalte).
41. Das Open Data Portal der Weltbank — Informationen über Kredite, die der Weltbank an Entwicklungsländer gewährt wurden.
42. IMF Data Portal — Portal des Internationalen Währungsfonds, das Daten zu internationalen Finanzen, Schuldenzinsen, Investitionen, Währungsreserven und Waren veröffentlicht.
43. Datenportal der American Economic Association (AEA) — Ressource zur Suche nach makroökonomischen Daten der USA.
44. Google Trends Data Portal — Daten zu Google Trends lassen sich für visuelle Studien und Analysen verwenden.
45. Financial Times Market Data Portal — Ressource zur Beschaffung aktueller Informationen über die Finanzmärkte weltweit.
46. Data.gov Portal — Portal für offene Daten der US-Regierung (Landwirtschaft, Gesundheitswesen, Klima, Bildung, Energie, Finanzen, Wissenschaft und Forschung usw.).
47. Datenportal: Offene Regierungsdaten (Indien) — Offene Regierungsdatenplattform von Indien.
48. Food Environment Atlas Data Portal — Enthält Daten aus Studien über Ernährung in den USA.
49. Health Data Portal — ist ein Portal des Ministeriums für Gesundheit und Soziale Dienste der USA.
50. Datenportal der Centers for Disease Control and Prevention — bietet eine breite Palette von gesundheitsbezogenen Daten.
51. Portal des London Datastore — Daten über das Leben der Menschen in London.
52. Regierungsportal für offene Daten Kanadas — ein Portal für offene Daten über Kanadier (Landwirtschaft, Kunst, Musik, Bildung, Regierung, Gesundheitswesen usw.)

Mehr lesen

• 14 Open-Source-Projekte zur Verbesserung der Data Science Fähigkeiten (einfach, normal, schwer)
• Front-end Dōjō: Projekte zur Übung von Entwicklerfähigkeiten (5 neue + 43 alte)
• Top 12 der interessantesten IT-Dynamiken Infografiken

Quelle: habr.com