52 მონაცემთა ნაკრები სასწავლო პროექტებისთვის

1. სავაჭრო ცენტრის მომხმარებელთა მონაცემთა ნაკრები — მაღაზიის ვიზიტორების მონაცემები: ID, სქესი, ასაკი, შემოსავალი, ხარჯვის რეიტინგი. (განაცხადის ვარიანტი: მომხმარებელთა სეგმენტაციის პროექტი მანქანური სწავლებით)
2. ირის მონაცემთა ნაკრები - მონაცემთა ნაკრები დამწყებთათვის, რომელიც შეიცავს სეპალების და ფურცლების ზომებს სხვადასხვა ყვავილებისთვის.
3. MNIST მონაცემთა ნაკრები - ხელნაწერი ნომრების ნაკრები. 60 სასწავლო სურათი და 000 ტესტის სურათი.
4. ბოსტონის საბინაო მონაცემთა ნაკრები არის პოპულარული მონაცემთა ნაკრები ნიმუშის ამოცნობისთვის. შეიცავს ინფორმაციას ბოსტონში მდებარე სახლების შესახებ: ბინების რაოდენობა, გაქირავების ფასები, დანაშაულის ინდექსი.
5. ყალბი ამბების გამოვლენის მონაცემთა ნაკრები — შეიცავს 7796 ჩანაწერს ახალი ამბების ნიშნებით: ჭეშმარიტი ან მცდარი. (აპლიკაციის ვარიანტი წყარო კოდით Python-ში: ყალბი ამბების გამოვლენის პითონის პროექტი )
6. ღვინის ხარისხის მონაცემთა ნაკრები — შეიცავს ინფორმაციას ღვინის შესახებ: 4898 ჩანაწერი 14 პარამეტრით.
7. SOCR მონაცემები – სიმაღლეების და წონების მონაცემთა ნაკრები - დასაწყისისთვის კარგი ვარიანტია. შეიცავს 25 ჩანაწერს 000 წლის ასაკის ადამიანების სიმაღლისა და წონის შესახებ.
   

   
   
   სტატია ითარგმნა EDISON Software-ის მხარდაჭერით, რომელიც "შესანიშნავად" ასრულებს შეკვეთებს სამხრეთ ჩინეთიდანდა ავითარებს ვებ აპლიკაციებსა და ვებგვერდებს.

8. პარკინსონის მონაცემთა ნაკრები - პარკინსონის დაავადებით დაავადებულთა 195 ჩანაწერი, 25 საანალიზო პარამეტრით. შეიძლება გამოყენებულ იქნას ავადმყოფებსა და ჯანმრთელ ადამიანებს შორის განსხვავების წინასწარი შეფასებისთვის. (აპლიკაციის ვარიანტი წყარო კოდით Python-ში: მანქანათმცოდნეობის პროექტი პარკინსონის დაავადების გამოვლენის შესახებ)
9. ტიტანიკის მონაცემთა ნაკრები — შეიცავს ინფორმაციას მგზავრების შესახებ (ასაკი, სქესი, ნათესავები ბორტზე და ა.შ.) 891 სავარჯიშო კომპლექტში და 418 სატესტო კომპლექტში.
10. Uber Pickups მონაცემთა ნაკრები — ინფორმაცია Uber-ზე 4.5 მილიონი მოგზაურობის შესახებ 2014 წელს და 14 მილიონი 2015 წელს. (აპლიკაციის ვარიანტი წყაროს კოდით R-ში: Uber მონაცემთა ანალიზის პროექტი რ)
11. Chars74k მონაცემთა ნაკრები — შეიცავს 64 კლასის ბრიტანული და კანადური სიმბოლოების გამოსახულებებს: 0-9, AZ, az. 7700 7.7k ბუნებრივი სურათები, 3400k ხელნაწერი, 62000 კომპიუტერული სინთეზირებული შრიფტები.
12. საკრედიტო ბარათის თაღლითობის გამოვლენის მონაცემთა ნაკრები — შეიცავს ინფორმაციას გატეხილი საკრედიტო ბარათების ტრანზაქციების შესახებ. (განაცხადის ვარიანტი წყაროსთან ერთად: საკრედიტო ბარათის თაღლითობის გამოვლენის მანქანათმცოდნეობის პროექტი)
13. Chatbot Intents მონაცემთა ნაკრები — JSON ფაილი, რომელიც შეიცავს სხვადასხვა ტეგებს: მისალმებები, ნახვამდის, საავადმყოფო_ძიება, აფთიაქის_ძიება და ა.შ. შეიცავს კითხვა-პასუხის შაბლონების კომპლექტს. (აპლიკაციის ვარიანტი წყარო კოდით Python-ში: ჩატბოტის პროექტი პითონში)
14. Enron Email Dataset - შეიცავს ნახევარ მილიონ წერილს Enron-ის 150 მენეჯერისგან.
15. Yelp მონაცემთა ნაკრები — შეიცავს 1,2 მილიონ რეკომენდაციას 1,6 მილიონი მომხმარებლისგან, დაახლოებით 1,2 მილიონი ორგანიზაცია.
16. საფრთხის მონაცემთა ნაკრები — 200-ზე მეტი კითხვა-პასუხის ჩანაწერი პოპულარული სატელევიზიო თამაშიდან.
17. Recommender Systems Dataset — პორტალი მონაცემთა ნაკრების კოლექციით UCSD უნივერსიტეტიდან. შეიცავს პოპულარულ საიტებზე (Goodreads, Amazon) მიმოხილვების ჩანაწერებს. შესანიშნავია სარეკომენდაციო სისტემების შესაქმნელად. (აპლიკაციის ვარიანტი წყაროს კოდით R-ში: ფილმის რეკომენდაციების სისტემის პროექტი რ )
18. UCI Spambase მონაცემთა ნაკრები - სასწავლო მონაცემთა ნაკრები სპამის აღმოჩენისთვის. შეიცავს 4601 ასოს 57 მეტამონაცემების პარამეტრით.
19. Flickr 30k მონაცემთა ნაკრები - 30-ზე მეტი სურათი და წარწერა. (Flickr 8k მონაცემთა ნაკრები - 8000 სურათი. პითონის წყაროს პროექტი: სურათის წარწერების გენერატორი პითონის პროექტი)
20. IMDB მიმოხილვები — 25 ფილმის მიმოხილვა სავარჯიშო კომპლექტში და 000 სატესტო კომპლექტში. (აპლიკაციის ვარიანტი წყაროს კოდით R-ში: განწყობის ანალიზი მონაცემთა მეცნიერების პროექტი)
21. MS COCO მონაცემთა ნაკრები — 1,5 მილიონი მონიშნული სურათი.
22. CIFAR-10 და CIFAR-100 მონაცემთა ბაზა — CIFAR-10 შეიცავს 60,000 პატარა სურათს 32*32 პიქსელიანი ნომრები 0-9. CIFAR-100 - შესაბამისად, 0-100.
23. GTSRB (გერმანული საგზაო ნიშნების ამოცნობის ნიშნული) მონაცემთა ნაკრები — 50 საგზაო ნიშნის 000 სურათი. (აპლიკაციის ვარიანტი წყარო კოდით Python-ში: საგზაო ნიშნების ამოცნობის პითონის პროექტი)
24. ImageNet მონაცემთა ნაკრები - შეიცავს 100-ზე მეტ ფრაზას და დაახლოებით 000 სურათს თითო ფრაზაზე.
25. სარძევე ჯირკვლის ჰისტოპათოლოგიის სურათების მონაცემთა ნაკრები — მონაცემთა ნაკრები შეიცავს ძუძუს კიბოს ნიმუშების სურათებს. (აპლიკაციის ვარიანტი ჩართული წყაროს კოდით ძუძუს კიბოს კლასიფიკაციის პითონის პროექტი)
26. Cityscapes მონაცემთა ნაკრები — შეიცავს სხვადასხვა ქალაქების ქუჩების ვიდეო თანმიმდევრობის მაღალი ხარისხის ანოტაციებს.
27. კინეტიკის მონაცემთა ნაკრები - შეიცავს URL ბმულს დაახლოებით 6,5 მილიონი მაღალი ხარისხის ვიდეოსთვის.
28. MPII ადამიანის პოზების მონაცემთა ნაკრები — მონაცემთა ნაკრები შეიცავს ადამიანის პოზების 25 სურათს ერთობლივი ანოტაციებით.
29. 20BN-something-something მონაცემთა ნაკრები v2 - მაღალი ხარისხის ვიდეოების ნაკრები, რომელიც აჩვენებს, თუ როგორ ასრულებს ადამიანი გარკვეულ მოქმედებას.
30. ობიექტი 365 მონაცემთა ნაკრები - მაღალი ხარისხის სურათების ნაკრები ობიექტების შესაზღუდი ყუთებით.
31. ფოტო ესკიზის მონაცემთა ნაკრები - შეიცავს 1000-ზე მეტ სურათს მათი კონტურის ნახატებით.
32. CQ500 მონაცემთა ნაკრები — მონაცემთა ნაკრები შეიცავს თავის 491 CT სკანირებას 193 ნაჭრით.
33. IMDB-Wiki მონაცემთა ნაკრები - მონაცემთა ნაკრები 5 მილიონზე მეტი სახეების გამოსახულებით, რომლებიც აღინიშნება სქესისა და ასაკის მიხედვით. (აპლიკაციის ვარიანტი ჩართული წყაროს კოდით სქესის და ასაკის გამოვლენის პითონის პროექტი)
34. Youtube 8M მონაცემთა ნაკრები - ლეიბლირებული ვიდეო ნაკრები, რომელიც შეიცავს 6,1 მილიონ Youtube ვიდეოს ID-ს
35. Urban Sound 8K მონაცემთა ნაკრები — ქალაქური ხმის მონაცემების ნაკრები (შეიცავს 8732 ქალაქურ ბგერს 10 კლასიდან).
36. LSUN მონაცემთა ნაკრები - სცენებისა და ობიექტების მილიონობით ფერადი გამოსახულების ნაკრები (დაახლოებით 59 მილიონი სურათი, 10 სხვადასხვა სცენის კატეგორია და 20 სხვადასხვა ობიექტის კატეგორია).
37. RAVDESS მონაცემთა ნაკრები — ემოციური მეტყველების აუდიოვიზუალური მონაცემთა ბაზა. (აპლიკაციის ვარიანტი ჩართული წყაროს კოდით მეტყველების ემოციების ამოცნობის პითონის პროექტი)
38. Librispeech მონაცემთა ნაკრები — მონაცემთა ნაკრები შეიცავს 1000 საათს ინგლისურ მეტყველებას სხვადასხვა აქცენტით.
39. Baidu Apolloscape მონაცემთა ნაკრები - მონაცემთა ნაკრები თვითმართვის ტექნოლოგიების განვითარებისთვის.
40. Quandl მონაცემთა პორტალი — ეკონომიკური და ფინანსური მონაცემების საცავი (არსებობს უფასო და ფასიანი შინაარსი).
41. მსოფლიო ბანკის ღია მონაცემთა პორტალი — ინფორმაცია მსოფლიო ბანკის მიერ განვითარებად ქვეყნებზე გაცემული სესხების შესახებ.
42. IMF მონაცემთა პორტალი არის საერთაშორისო სავალუტო ფონდის პორტალი, რომელიც აქვეყნებს მონაცემებს საერთაშორისო ფინანსების, ვალის განაკვეთების, ინვესტიციების, სავალუტო რეზერვებისა და საქონლის შესახებ.
43. ამერიკის ეკონომიკური ასოციაციის (AEA) მონაცემთა პორტალი - რესურსი აშშ-ს მაკროეკონომიკური მონაცემების საძიებლად.
44. Google Trends მონაცემთა პორტალი - Google-ის ტენდენციის მონაცემები შეიძლება გამოყენებულ იქნას მონაცემთა ვიზუალურად შესასწავლად და გასაანალიზებლად.
45. Financial Times Market Data პორტალი არის რესურსი ფინანსური ბაზრების შესახებ უახლესი ინფორმაციისთვის მთელი მსოფლიოდან.
46. Data.gov პორტალი - აშშ მთავრობის ღია მონაცემთა პორტალი (სოფლის მეურნეობა, ჯანდაცვა, კლიმატი, განათლება, ენერგეტიკა, ფინანსები, მეცნიერება და კვლევა და ა.შ.).
47. მონაცემთა პორტალი: ღია მთავრობის მონაცემები (ინდოეთი) არის ინდოეთის ღია მთავრობის მონაცემთა პლატფორმა.
48. კვების გარემო Atlas Data Portal — შეიცავს კვლევის მონაცემებს შეერთებულ შტატებში კვების შესახებ.
49. ჯანმრთელობის მონაცემთა პორტალი არის აშშ-ს ჯანმრთელობისა და ადამიანური სერვისების დეპარტამენტის პორტალი.
50. დაავადებათა კონტროლისა და პრევენციის ცენტრების მონაცემთა პორტალი - შეიცავს ჯანმრთელობასთან დაკავშირებული მონაცემების ფართო სპექტრს.
51. ლონდონის მონაცემთა მაღაზიის პორტალი - მონაცემები ლონდონში ადამიანების ცხოვრების შესახებ.
52. კანადის მთავრობის ღია მონაცემთა პორტალი - კანადელების შესახებ ღია მონაცემების პორტალი (სოფლის მეურნეობა, ხელოვნება, მუსიკა, განათლება, მთავრობა, ჯანდაცვა და ა.შ.)

Წაიკითხე მეტი

• 14 ღია კოდის პროექტი მონაცემთა მეცნიერების უნარების გასაუმჯობესებლად (მარტივი, ნორმალური, რთული)
• ფრონტ-ენდის დოჯო: პროექტები დეველოპერის უნარების მოსამზადებლად (5 ახალი + 43 ძველი)
• ტოპ 12 ყველაზე საინტერესო IT დინამიური ინფოგრაფიკა

წყარო: www.habr.com