52 מערכי נתונים לפרויקטי הדרכה

1. מערך נתונים של לקוחות קניון - נתונים של מבקרים בחנות: מזהה, מין, גיל, הכנסה, דירוג הוצאות. (אפשרות יישום: פרויקט פילוח לקוחות עם למידת מכונה)
2. מערך הנתונים של איריס - מערך נתונים למתחילים, המכיל את הגדלים של עלי גביע ועלי כותרת עבור פרחים שונים.
3. ערכת נתונים של MNIST - מערך נתונים של מספרים בכתב יד. 60 תמונות אימון ו-000 תמונות מבחן.
4. מערך הנתונים של בוסטון דיור הוא מערך נתונים פופולרי לזיהוי תבניות. מכיל מידע על בתים בבוסטון: מספר דירות, מחירי שכירות, מדד פשע.
5. ערכת נתונים לזיהוי חדשות מזויפות - מכיל 7796 ערכים עם סימוני חדשות: נכון או לא נכון. (אפשרות יישום עם קוד מקור ב-Python: פרויקט פייתון לגילוי חדשות מזויפות )
6. מערך נתונים באיכות יין - מכיל מידע על יין: 4898 רשומות עם 14 פרמטרים.
7. נתוני SOCR - ערכת נתונים של Heights and Weights - אפשרות טובה להתחיל איתה. מכיל 25 תיעודים של גובה ומשקל של אנשים בני 000.
   

   
   
   המאמר תורגם בתמיכת EDISON Software, אשר ממלא הזמנות מדרום סין "מעולה"ו - מפתחת אפליקציות ואתרי אינטרנט.

8. ערכת נתונים של פרקינסון - 195 רשומות של חולים עם מחלת פרקינסון, עם 25 פרמטרים של אנליזה. יכול לשמש להערכה ראשונית של ההבדל בין אנשים חולים לאנשים בריאים. (אפשרות יישום עם קוד מקור ב-Python: פרויקט למידת מכונה על איתור מחלת פרקינסון)
9. מערך הנתונים של טיטאניק - מכיל מידע על נוסעים (גיל, מין, קרובי משפחה על הסיפון וכו') 891 במערך האימונים ו-418 במערך המבחנים.
10. ערכת נתונים של Uber Pickups - מידע על 4.5 מיליון נסיעות ב-Uber ב-2014 ו-14 מיליון ב-2015. (אפשרות יישום עם קוד מקור ב-R: פרויקט ניתוח נתונים של אובר ב-R)
11. ערכת נתונים של Chars74k - מכיל תמונות של סמלים בריטיים וקנדיים של 64 כיתות: 0-9, AZ, az. 7700 7.7k תמונות טבעיות, 3400k בכתב יד, 62000 גופנים מסונתזים במחשב.
12. ערכת נתונים לגילוי הונאה בכרטיס אשראי - מכיל מידע על עסקאות של כרטיסי אשראי שנפגעו. (אפשרות יישום עם מקור: פרויקט למידת מכונה לזיהוי הונאה בכרטיס אשראי)
13. ערכת נתונים של Chatbot Intents — קובץ JSON המכיל תגיות שונות: ברכות, להתראות, חיפוש_בית חולים, חיפוש_מרקחת וכו'. מכיל קבוצה של תבניות שאלות ותשובות. (אפשרות יישום עם קוד מקור ב-Python: פרויקט צ'טבוט בפייתון)
14. מערך נתונים של אימייל של אנרון - מכיל חצי מיליון מכתבים מ-150 מנהלי אנרון.
15. מערך הנתונים של Yelp - מכיל 1,2 מיליון המלצות מ-1,6 מיליון משתמשים כ-1,2 מיליון ארגונים.
16. ערכת נתונים בסכנה - יותר מ-200 הקלטות שאלות ותשובות ממשחק הטלוויזיה הפופולרי.
17. מערך נתונים של מערכות ממליץ - פורטל עם אוסף של מערכי נתונים מאוניברסיטת UCSD. מכיל תיעוד של ביקורות באתרים פופולריים (Goodreads, Amazon). מעולה ליצירת מערכות ממליצים. (אפשרות יישום עם קוד מקור ב-R: פרויקט מערכת המלצות על סרטים ב-R )
18. ערכת נתונים של UCI Spambase - מערך הדרכה לאיתור דואר זבל. מכיל 4601 אותיות עם 57 פרמטרים של מטא נתונים.
19. מערך נתונים פליקר 30k - יותר מ-30 תמונות וכיתובים. (מערך נתונים פליקר 8k - 8000 תמונות. פרויקט מקור Python: פרויקט Python Generator של כיתוב תמונה)
20. ביקורות IMDB - 25 ביקורות סרטים בסט האימונים ו-000 בסט המבחן. (אפשרות יישום עם קוד מקור ב-R: פרויקט מדעי נתונים לניתוח סנטימנטים)
21. מערך הנתונים של MS COCO - 1,5 מיליון תמונות מתויגות.
22. מערך הנתונים CIFAR-10 ו-CIFAR-100 — CIFAR-10 מכיל 60,000 תמונות קטנות של 32*32 פיקסלים מספרים 0-9. CIFAR-100 - בהתאמה, 0-100.
23. ערכת נתונים של GTSRB (בנצ'מרק לזיהוי תמרורים גרמניים). - 50 תמונות של 000 תמרורים. (אפשרות יישום עם קוד מקור ב-Python: פרויקט פייתון לזיהוי תמרורים)
24. מערך ImageNet - מכיל יותר מ-100 ביטויים וכ-000 תמונות לכל ביטוי.
25. סט נתונים של תמונות היסטופתולוגיה של השד - מערך הנתונים מכיל תמונות של דגימות סרטן השד. (אפשרות יישום עם קוד מקור מופעל פרויקט פייתון סיווג סרטן השד)
26. מערך נתונים של נופי עיר - מכיל הערות באיכות גבוהה של רצפי וידאו של רחובות בערים שונות.
27. מערך נתונים של קינטיקה - מכיל קישור URL לכ-6,5 מיליון סרטונים באיכות גבוהה.
28. מאגר נתונים של תנוחות אנושיות MPII - מערך הנתונים מכיל 25 תמונות של תנוחות אנושיות עם הערות משותפות.
29. מערך נתונים של 20BN-משהו-משהו v2 - קבוצה של סרטונים באיכות גבוהה שמראים כיצד אדם מבצע פעולה כלשהי.
30. מערך נתונים של אובייקט 365 - מערך נתונים של תמונות באיכות גבוהה עם תיבות תוחמות אובייקט.
31. מערך נתונים לשרטוט תמונות - מכיל יותר מ-1000 תמונות עם ציורי המתאר שלהן.
32. מערך נתונים של CQ500 - מערך הנתונים מכיל 491 סריקות CT של הראש עם 193 פרוסות.
33. מערך נתונים של IMDB-Wiki - מערך נתונים עם יותר מ-5 מיליון תמונות של פרצופים המסומנים לפי מין וגיל. (אפשרות יישום עם קוד מקור מופעל פרויקט פייתון לזיהוי מגדר וגיל)
34. ערכת נתונים של YouTube 8M - מערך וידאו שכותרתו מכיל 6,1 מיליון מזהי וידאו של YouTube
35. מערך נתונים של אורבן סאונד 8K - סט של נתוני סאונד עירוניים (מכיל 8732 צלילים עירוניים מ-10 כיתות).
36. מערך נתונים של LSUN - מערך נתונים של מיליוני תמונות צבע של סצנות ואובייקטים (כ-59 מיליון תמונות, 10 קטגוריות סצנות שונות ו-20 קטגוריות אובייקטים שונות).
37. מערך נתונים של RAVDESS - מאגר אורקולי של דיבור רגשי. (אפשרות יישום עם קוד מקור מופעל פרויקט פייתון לזיהוי רגשי דיבור)
38. ערכת נתונים של Librispeech - מערך הנתונים מכיל 1000 שעות דיבור באנגלית עם מבטאים שונים.
39. מערך הנתונים של Baidu Apolloscape - מערך נתונים לפיתוח טכנולוגיות לנהיגה עצמית.
40. פורטל נתונים Quandl - מאגר נתונים כלכליים ופיננסיים (יש תוכן חינמי ותשלום).
41. פורטל הנתונים הפתוח של הבנק העולמי - מידע על הלוואות שהנפיק הבנק העולמי למדינות מתפתחות.
42. פורטל הנתונים של IMF הוא פורטל קרן מוניטרית בינלאומית המפרסם נתונים על פיננסים בינלאומיים, שיעורי חוב, השקעות, יתרות מטבע חוץ וסחורות.
43. פורטל הנתונים של האגודה הכלכלית האמריקאית (AEA). - משאב לחיפוש נתונים מאקרו-כלכליים בארה"ב.
44. פורטל הנתונים של Google Trends - ניתן להשתמש בנתוני מגמות של גוגל כדי לחקור ולנתח נתונים באופן חזותי.
45. פורטל הנתונים של הפייננשל טיימס הוא משאב למידע עדכני על שווקים פיננסיים מרחבי העולם.
46. פורטל Data.gov - פורטל נתונים פתוח של ממשלת ארה"ב (חקלאות, בריאות, אקלים, חינוך, אנרגיה, מימון, מדע ומחקר וכו').
47. פורטל נתונים: נתונים ממשלתיים פתוחים (הודו) היא פלטפורמת הנתונים הממשלתית הפתוחה של הודו.
48. סביבת מזון פורטל נתונים אטלס - מכיל נתוני מחקר על תזונה בארצות הברית.
49. פורטל נתוני בריאות הוא פורטל של משרד הבריאות ושירותי האנוש האמריקאי.
50. פורטל הנתונים המרכזים לבקרת מחלות ומניעתן - מכיל מגוון רחב של נתונים הקשורים לבריאות.
51. פורטל חנות הנתונים של לונדון - נתונים על חייהם של אנשים בלונדון.
52. פורטל נתונים פתוח של ממשלת קנדה - פורטל של נתונים פתוחים על קנדים (חקלאות, אמנות, מוזיקה, חינוך, ממשלה, שירותי בריאות וכו')

קרא עוד

• 14 פרויקטים בקוד פתוח לשיפור מיומנויות מדעי הנתונים (קל, רגיל, קשה)
• דוג'ו חזיתי: פרויקטים להכשרת מיומנויות מפתחים (5 חדשים + 43 ישנים)
• 12 אינפוגרפיקות דינמיות של IT המעניינים ביותר

מקור: www.habr.com