សំណុំទិន្នន័យចំនួន 52 សម្រាប់គម្រោងបណ្តុះបណ្តាល

1. សំណុំទិន្នន័យអតិថិជនផ្សារទំនើប - ទិន្នន័យរបស់អ្នកចូលមើលហាង៖ លេខសម្គាល់ភេទ អាយុ ប្រាក់ចំណូល ចំណាត់ថ្នាក់ចំណាយ។ (ជម្រើសកម្មវិធី៖ គម្រោងការបែងចែកអតិថិជនជាមួយនឹងការរៀនម៉ាស៊ីន)
2. សំណុំទិន្នន័យ Iris - សំណុំទិន្នន័យសម្រាប់អ្នកចាប់ផ្តើមដំបូង ដែលមានទំហំនៃ sepals និង petals សម្រាប់ផ្កាផ្សេងៗ។
3. សំណុំទិន្នន័យ MNIST - សំណុំទិន្នន័យនៃលេខសរសេរដោយដៃ។ រូបភាពហ្វឹកហាត់ 60 និងរូបភាពសាកល្បង 000។
4. សំណុំទិន្នន័យលំនៅដ្ឋានបូស្តុន គឺជាសំណុំទិន្នន័យដ៏ពេញនិយមសម្រាប់ការទទួលស្គាល់លំនាំ។ មានព័ត៌មានអំពីផ្ទះនៅបូស្តុន៖ ចំនួនអាផាតមិន តម្លៃជួល សន្ទស្សន៍ឧក្រិដ្ឋកម្ម។
5. សំណុំទិន្នន័យការរកឃើញព័ត៌មានក្លែងក្លាយ - មាន 7796 ធាតុដែលមានសញ្ញាសម្គាល់ព័ត៌មាន៖ ពិតឬមិនពិត។ (ជម្រើសកម្មវិធីជាមួយកូដប្រភពនៅក្នុង Python៖ គម្រោងស្វែងរកព័ត៌មានក្លែងក្លាយ Python )
6. សំណុំទិន្នន័យគុណភាពស្រា - មានព័ត៌មានអំពីស្រា៖ កំណត់ត្រាចំនួន ៤៨៩៨ ដែលមាន ១៤ ប៉ារ៉ាម៉ែត្រ។
7. ទិន្នន័យ SOCR - សំណុំទិន្នន័យកម្ពស់ និងទម្ងន់ - ជម្រើសដ៏ល្អដើម្បីចាប់ផ្តើមជាមួយ។ មានកំណត់ត្រា 25 នៃកម្ពស់និងទម្ងន់របស់មនុស្សដែលមានអាយុ 000 ឆ្នាំ។
   

   
   
   អត្ថបទនេះត្រូវបានបកប្រែដោយមានការគាំទ្រពីកម្មវិធី EDISON ដែល បំពេញការបញ្ជាទិញពីប្រទេសចិនភាគខាងត្បូង "យ៉ាងល្អឥតខ្ចោះ", ក៏ដូចជា បង្កើតកម្មវិធីគេហទំព័រ និងគេហទំព័រ.

8. សំណុំទិន្នន័យ Parkinson - កំណត់ត្រា 195 នៃអ្នកជំងឺដែលមានជំងឺផាកឃីនសុនជាមួយនឹង 25 ប៉ារ៉ាម៉ែត្រនៃការវិភាគ។ អាចត្រូវបានប្រើសម្រាប់ការវាយតម្លៃបឋមនៃភាពខុសគ្នារវាងមនុស្សឈឺ និងមនុស្សដែលមានសុខភាពល្អ។ (ជម្រើសកម្មវិធីជាមួយកូដប្រភពនៅក្នុង Python៖ គម្រោងការរៀនម៉ាស៊ីនស្តីពីការរកឃើញជំងឺផាកឃីនសុន)
9. សំណុំទិន្នន័យ Titanic — មានព័ត៌មានអំពីអ្នកដំណើរ (អាយុ ភេទ សាច់ញាតិនៅលើយន្តហោះ។
10. សំណុំទិន្នន័យ Uber Pickups - ព័ត៌មានអំពីការធ្វើដំណើរ 4.5 លាននៅលើ Uber ក្នុងឆ្នាំ 2014 និង 14 លានក្នុងឆ្នាំ 2015 ។ (ជម្រើសកម្មវិធីជាមួយកូដប្រភពនៅក្នុង R: គម្រោងវិភាគទិន្នន័យ Uber នៅ R)
11. សំណុំទិន្នន័យ Chars74k - មានរូបភាពនៃនិមិត្តសញ្ញាអង់គ្លេស និងកាណាដានៃ 64 ថ្នាក់៖ 0-9, A-Z, a-z ។ 7700 7.7k រូបភាពធម្មជាតិ 3400k សរសេរដោយដៃ 62000 ពុម្ពអក្សរសំយោគដោយកុំព្យូទ័រ។
12. សំណុំទិន្នន័យរកឃើញការក្លែងបន្លំកាតឥណទាន - មានព័ត៌មានអំពីប្រតិបត្តិការនៃប័ណ្ណឥណទានដែលត្រូវបានសម្របសម្រួល។ (ជម្រើសកម្មវិធីជាមួយប្រភព៖ គម្រោងសិក្សាម៉ាស៊ីនស្វែងរកការក្លែងបន្លំកាតឥណទាន)
13. សំណុំទិន្នន័យចេតនា Chatbot - ឯកសារ JSON ដែលមានស្លាកផ្សេងៗ៖ ជំរាបសួរ, លា, hospital_search, pharmacy_search ។ល។ មានសំណុំនៃគំរូសំណួរ-ចម្លើយ។ (ជម្រើសកម្មវិធីជាមួយកូដប្រភពនៅក្នុង Python៖ គម្រោង Chatbot នៅក្នុង Python)
14. សំណុំទិន្នន័យអ៊ីមែល Enron - មានសំបុត្រកន្លះលានពីអ្នកគ្រប់គ្រង 150 Enron ។
15. សំណុំទិន្នន័យ Yelp - មានការណែនាំចំនួន 1,2 លានពីអ្នកប្រើប្រាស់ 1,6 លាននាក់ប្រហែល 1,2 លានអង្គការ។
16. សំណុំទិន្នន័យគ្រោះថ្នាក់ - ការថតសំណួរ-ចម្លើយច្រើនជាង 200 ពីហ្គេមទូរទស្សន៍ដ៏ពេញនិយម។
17. សំណុំទិន្នន័យប្រព័ន្ធណែនាំ - វិបផតថលជាមួយនឹងការប្រមូលផ្តុំនៃសំណុំទិន្នន័យពីសាកលវិទ្យាល័យ UCSD ។ មានកំណត់ត្រានៃការពិនិត្យឡើងវិញនៅលើគេហទំព័រពេញនិយម (Goodreads, Amazon) ។ ល្អសម្រាប់បង្កើតប្រព័ន្ធណែនាំ។ (ជម្រើសកម្មវិធីជាមួយកូដប្រភពនៅក្នុង R: គម្រោងប្រព័ន្ធណែនាំភាពយន្តក្នុង R )
18. សំណុំទិន្នន័យ UCI Spambase - សំណុំទិន្នន័យបណ្តុះបណ្តាលសម្រាប់ការរកឃើញសារឥតបានការ។ មានអក្សរ 4601 ដែលមានប៉ារ៉ាម៉ែត្រ 57 ទិន្នន័យមេតា។
19. សំណុំទិន្នន័យ Flickr 30k - ច្រើនជាង 30 រូបភាព និងចំណងជើង។ (សំណុំទិន្នន័យ Flickr 8k - 8000 រូប។ គម្រោងប្រភព Python៖ គម្រោងបង្កើតចំណងជើងរូបភាព Python)
20. ការវាយតម្លៃរបស់ IMDB - ការវាយតម្លៃភាពយន្តចំនួន 25 នៅក្នុងឈុតបណ្តុះបណ្តាល និង 000 នៅក្នុងឈុតសាកល្បង។ (ជម្រើសកម្មវិធីជាមួយកូដប្រភពនៅក្នុង R: គម្រោងវិទ្យាសាស្ត្រទិន្នន័យ ការវិភាគអារម្មណ៍)
21. សំណុំទិន្នន័យ MS COCO - 1,5 លានរូបភាពដែលបានដាក់ស្លាក។
22. សំណុំទិន្នន័យ CIFAR-10 និង CIFAR-100 - CIFAR-10 មានរូបភាពតូចៗចំនួន 60,000 ដែលមានទំហំ 32*32 ភីកសែល លេខ 0-9។ CIFAR-100 - រៀងគ្នា 0-100 ។
23. សំណុំទិន្នន័យ GTSRB (ការទទួលស្គាល់សញ្ញាចរាចរណ៍អាល្លឺម៉ង់) - 50 រូបភាពនៃផ្លាកសញ្ញាផ្លូវចំនួន 000 ។ (ជម្រើសកម្មវិធីជាមួយកូដប្រភពនៅក្នុង Python៖ គម្រោង Python ការទទួលស្គាល់សញ្ញាចរាចរណ៍)
24. សំណុំទិន្នន័យ ImageNet - មានច្រើនជាង 100 ឃ្លា និងប្រហែល 000 រូបភាពក្នុងមួយឃ្លា។
25. សំណុំទិន្នន័យរូបភាព Histopathology សុដន់ - សំណុំទិន្នន័យមានរូបភាពនៃគំរូមហារីកសុដន់។ (ជម្រើសកម្មវិធីដែលមានកូដប្រភពបើក ការចាត់ថ្នាក់មហារីកសុដន់ គម្រោង Python)
26. សំណុំទិន្នន័យ Cityscapes — មានចំណារពន្យល់ដែលមានគុណភាពខ្ពស់នៃលំដាប់វីដេអូនៃផ្លូវក្នុងទីក្រុងផ្សេងៗគ្នា។
27. សំណុំទិន្នន័យ Kinetics - មានតំណភ្ជាប់ URL ទៅវីដេអូគុណភាពខ្ពស់ប្រហែល 6,5 លាន។
28. សំណុំទិន្នន័យ MPII មនុស្ស - សំណុំទិន្នន័យមានរូបភាព 25 នៃការដាក់មនុស្សជាមួយនឹងចំណារពន្យល់រួម។
29. សំណុំទិន្នន័យ 20BN-something-something v2 - សំណុំនៃវីដេអូដែលមានគុណភាពខ្ពស់ដែលបង្ហាញពីរបៀបដែលមនុស្សម្នាក់ធ្វើសកម្មភាពមួយចំនួន។
30. សំណុំទិន្នន័យ Object 365 - សំណុំទិន្នន័យនៃរូបភាពដែលមានគុណភាពខ្ពស់ជាមួយនឹងប្រអប់ព្រំដែនវត្ថុ។
31. សំណុំទិន្នន័យគំនូរព្រាងរូបថត - មានរូបភាពជាង 1000 ជាមួយនឹងគំនូរគ្រោងរបស់ពួកគេ។
32. សំណុំទិន្នន័យ CQ500 - សំណុំទិន្នន័យមាន 491 CT scans នៃក្បាលជាមួយនឹង 193 slices ។
33. សំណុំទិន្នន័យ IMDB-Wiki - សំណុំទិន្នន័យដែលមានរូបភាពច្រើនជាង 5 លាននៃមុខដែលត្រូវបានសម្គាល់ដោយភេទ និងអាយុ។ (ជម្រើសកម្មវិធីដែលមានកូដប្រភពបើក គម្រោងការរកឃើញភេទ និងអាយុ គម្រោង Python)
34. សំណុំទិន្នន័យ Youtube 8M - សំណុំទិន្នន័យវីដេអូដែលមានស្លាកដែលមានលេខសម្គាល់វីដេអូ Youtube ចំនួន 6,1 លាន
35. សំណុំទិន្នន័យ Urban Sound 8K - សំណុំទិន្នន័យសំឡេងទីក្រុង (មានសំឡេងទីក្រុង 8732 ពី 10 ថ្នាក់)។
36. សំណុំទិន្នន័យ LSUN - សំណុំទិន្នន័យនៃរូបភាពពណ៌រាប់លាននៃឈុតឆាក និងវត្ថុ (ប្រហែល 59 លានរូបភាព 10 ប្រភេទផ្សេងគ្នា និង 20 ប្រភេទវត្ថុផ្សេងៗគ្នា)។
37. សំណុំទិន្នន័យ RAVDESS - មូលដ្ឋានទិន្នន័យសោតទស្សន៍នៃការនិយាយអារម្មណ៍។ (ជម្រើសកម្មវិធីដែលមានកូដប្រភពបើក Speech Emotion Recognition Project Python)
38. សំណុំទិន្នន័យ Librispeech - សំណុំទិន្នន័យមាន 1000 ម៉ោងនៃការនិយាយភាសាអង់គ្លេសជាមួយនឹងការសង្កត់សំឡេងខុសៗគ្នា។
39. សំណុំទិន្នន័យ Baidu Apolloscape - សំណុំទិន្នន័យសម្រាប់ការអភិវឌ្ឍន៍បច្ចេកវិទ្យាបើកបរដោយខ្លួនឯង។
40. វិបផតថលទិន្នន័យ Quandl - ឃ្លាំងទិន្នន័យសេដ្ឋកិច្ច និងហិរញ្ញវត្ថុ (មានមាតិកាឥតគិតថ្លៃ និងបង់ប្រាក់)។
41. វិបផតថលទិន្នន័យបើកចំហរបស់ធនាគារពិភពលោក - ព័ត៌មានស្តីពីប្រាក់កម្ចីដែលចេញដោយធនាគារពិភពលោកដល់ប្រទេសកំពុងអភិវឌ្ឍន៍។
42. វិបផតថលទិន្នន័យ IMF គឺជាវិបផតថលមូលនិធិរូបិយវត្ថុអន្តរជាតិដែលផ្សព្វផ្សាយទិន្នន័យស្តីពីហិរញ្ញវត្ថុអន្តរជាតិ អត្រាបំណុល ការវិនិយោគទុនបំរុងប្តូរប្រាក់បរទេស និងទំនិញ។
43. វិបផតថលទិន្នន័យសមាគមសេដ្ឋកិច្ចអាមេរិក (AEA) - ធនធានសម្រាប់ស្វែងរកទិន្នន័យម៉ាក្រូសេដ្ឋកិច្ចរបស់សហរដ្ឋអាមេរិក។
44. Google Trends Data Portal - ទិន្នន័យនិន្នាការរបស់ Google អាចត្រូវបានប្រើដើម្បីរុករក និងវិភាគទិន្នន័យដោយមើលឃើញ។
45. វិបផតថលទិន្នន័យទីផ្សារ Financial Times គឺជាធនធានសម្រាប់ព័ត៌មានទាន់សម័យនៅលើទីផ្សារហិរញ្ញវត្ថុពីជុំវិញពិភពលោក។
46. វិបផតថល Data.gov - វិបផតថលទិន្នន័យបើកចំហរបស់រដ្ឋាភិបាលសហរដ្ឋអាមេរិក (កសិកម្ម សុខភាព អាកាសធាតុ ការអប់រំ ថាមពល ហិរញ្ញវត្ថុ វិទ្យាសាស្ត្រ និងការស្រាវជ្រាវ។ល។)។
47. វិបផតថលទិន្នន័យ៖ បើកទិន្នន័យរដ្ឋាភិបាល (ឥណ្ឌា) គឺជាវេទិកាទិន្នន័យរដ្ឋាភិបាលបើកចំហរបស់ប្រទេសឥណ្ឌា។
48. បរិយាកាសអាហារ Atlas Data Portal — មានទិន្នន័យស្រាវជ្រាវអំពីអាហារូបត្ថម្ភនៅសហរដ្ឋអាមេរិក។
49. វិបផតថលទិន្នន័យសុខភាព គឺជាវិបផតថលរបស់ក្រសួងសុខភាព និងសេវាមនុស្សរបស់សហរដ្ឋអាមេរិក។
50. មជ្ឈមណ្ឌលគ្រប់គ្រង និងបង្ការជំងឺវិបផតថលទិន្នន័យ - មានជួរធំទូលាយនៃទិន្នន័យទាក់ទងនឹងសុខភាព។
51. គេហទំព័រ London Datastore - ទិន្នន័យអំពីជីវិតរបស់មនុស្សនៅទីក្រុងឡុងដ៍។
52. ច្រកទិន្នន័យបើកចំហរបស់រដ្ឋាភិបាលកាណាដា - វិបផតថលនៃទិន្នន័យបើកចំហអំពីជនជាតិកាណាដា (កសិកម្ម សិល្បៈ តន្ត្រី ការអប់រំ រដ្ឋាភិបាល ការថែទាំសុខភាព ។ល។)

អាន​បន្ថែម

• គម្រោងប្រភពបើកចំហចំនួន 14 ដើម្បីបង្កើនជំនាញវិទ្យាសាស្ត្រទិន្នន័យ (ងាយស្រួល ធម្មតា រឹង)
• ដូចូផ្នែកខាងមុខ៖ គម្រោងបណ្តុះបណ្តាលជំនាញអ្នកអភិវឌ្ឍន៍ (៥ ថ្មី + ៤៣ ចាស់)
• កំពូល 12 Infographics ថាមវន្ត IT គួរឱ្យចាប់អារម្មណ៍បំផុត។

ប្រភព: www.habr.com