高质量开源数据集完整地图近千份数据按 37 个主题一次找齐【免费下载链接】awesome-public-datasetsA topic-centric list of HQ open datasets.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-public-datasets找一份能用的公开数据往往比建模本身还费劲收藏的链接早就 404下载入口藏在论文脚注里格式从 CSV 到 NetCDF 五花八门。而 awesome-public-datasets 这个高质量开源数据集目录把近 1000 份数据源按 37 个主题分好类每条还挂着能不能用的状态标记算是把找数据这件苦差事压缩到了最短路径上。先说说三个绕不开的找数据痛点找得到但找不到对口的。搜数据集跳出来的多是论坛帖和过期的博客同一个主题的数据散落在几十个站点没有统一的入口。链接说死就死。很多数据集托管在个人主页上研究者一毕业数据就跟着消失。你需要事先知道哪些源还活着哪些已经失效。看不懂数据在哪个领域。一份基因表达数据到底算生物学的还是机器学习的没有分类体系你只能靠标题猜。这份目录是怎么对症的整个项目就是一个按主题组织的 RST 文档README.rst 是核心文件从 Agriculture 到 eSports37 个主题、约 1000 条条目。几个关键设计直接对应上面的痛点设计点做法对你的意义主题分类按 Agriculture、Biology、Energy 等 37 个 topic 分组先定领域再在组内挑不用全网搜状态标记每条条目带 OK 或 FIXME 图标FIXME 表示数据源可能失效先验证再下载元数据分离每条数据对应一个独立的 Meta 配置数据源信息结构化管理可追溯最大的两组是 Government约 170 条各国开放数据门户和 Economics70 条最小的只有 12 条主题冷热不均恰好反映了公开数据的真实分布。按使用场景挑数据四张主题地图与其从头翻到尾不如按你要干什么直接跳到对应主题练手与教学机器学习主题里的 UCI 仓库、MovieLens、Keel 分类回归集是经典入门材料仓库里还自带一份样例数据Datasets/titanic.csv.zip解压后就能当第一个练习对象。行业与社会分析Government 主题是主力各国政府门户一网打尽Economics 里 Our World in Data、世界银行贸易统计、Penn World Table 可以直接支撑宏观分析SocialSciences 补充了 60 份调查与行为数据。科研与深度学习Biology 有 1000 Genomes、TCGA、Protein Data BankNaturalLanguage 收录了 SQuAD、Google N-grams、NLLB 多语平行语料ImageProcessing 与 MachineLearning 两个主题里能找到 YouTube-8M、LFW 这类大规模视觉基准。垂直行业深挖能源方向 26 条AMPds 分钟级功耗、EIA 官方统计、PUDL 公用事业数据交通 36 条NYC 出租车行程、GeoLife 轨迹、OpenFlights 航线医疗 38 条WHO 全球卫生观察、Medicare 数据。做细分方向的人这几个主题基本够用。三步上手从 clone 到跑通第一份数据克隆仓库到本地git clone https://gitcode.com/GitHub_Trending/aw/awesome-public-datasets打开 README定位你所在主题的分节扫一眼条目后的状态标记圈出 OK 状态的目标数据。跟着条目链接去源站取数想先熟悉流程就解压Datasets/titanic.csv.zip跑一遍数据清洗。三个避坑提醒FIXME 不是劝退是提示。带 FIXME 图标的条目只是待修复数据多半还在但入口可能换了地址下载前务必确认源站存活。并非全部免费。项目说明里写得很清楚大部分数据集免费少数需要申请权限或付费引用前先核对授权。别直接改 README。这份文档是由上游工具自动生成的想贡献新数据源要走元数据仓库提交流程改本地文件下次生成就会被覆盖。与其收藏一堆以后也许用得上的链接不如现在就 clone 下来按你手头的项目挑一个主题精读一遍——找数据这件事从这一次开始只需要五分钟。【免费下载链接】awesome-public-datasetsA topic-centric list of HQ open datasets.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-public-datasets创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 高质量开源数据集完整地图：近千份数据按 37 个主题一次找齐
高质量开源数据集完整地图近千份数据按 37 个主题一次找齐【免费下载链接】awesome-public-datasetsA topic-centric list of HQ open datasets.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-public-datasets找一份能用的公开数据往往比建模本身还费劲收藏的链接早就 404下载入口藏在论文脚注里格式从 CSV 到 NetCDF 五花八门。而 awesome-public-datasets 这个高质量开源数据集目录把近 1000 份数据源按 37 个主题分好类每条还挂着能不能用的状态标记算是把找数据这件苦差事压缩到了最短路径上。先说说三个绕不开的找数据痛点找得到但找不到对口的。搜数据集跳出来的多是论坛帖和过期的博客同一个主题的数据散落在几十个站点没有统一的入口。链接说死就死。很多数据集托管在个人主页上研究者一毕业数据就跟着消失。你需要事先知道哪些源还活着哪些已经失效。看不懂数据在哪个领域。一份基因表达数据到底算生物学的还是机器学习的没有分类体系你只能靠标题猜。这份目录是怎么对症的整个项目就是一个按主题组织的 RST 文档README.rst 是核心文件从 Agriculture 到 eSports37 个主题、约 1000 条条目。几个关键设计直接对应上面的痛点设计点做法对你的意义主题分类按 Agriculture、Biology、Energy 等 37 个 topic 分组先定领域再在组内挑不用全网搜状态标记每条条目带 OK 或 FIXME 图标FIXME 表示数据源可能失效先验证再下载元数据分离每条数据对应一个独立的 Meta 配置数据源信息结构化管理可追溯最大的两组是 Government约 170 条各国开放数据门户和 Economics70 条最小的只有 12 条主题冷热不均恰好反映了公开数据的真实分布。按使用场景挑数据四张主题地图与其从头翻到尾不如按你要干什么直接跳到对应主题练手与教学机器学习主题里的 UCI 仓库、MovieLens、Keel 分类回归集是经典入门材料仓库里还自带一份样例数据Datasets/titanic.csv.zip解压后就能当第一个练习对象。行业与社会分析Government 主题是主力各国政府门户一网打尽Economics 里 Our World in Data、世界银行贸易统计、Penn World Table 可以直接支撑宏观分析SocialSciences 补充了 60 份调查与行为数据。科研与深度学习Biology 有 1000 Genomes、TCGA、Protein Data BankNaturalLanguage 收录了 SQuAD、Google N-grams、NLLB 多语平行语料ImageProcessing 与 MachineLearning 两个主题里能找到 YouTube-8M、LFW 这类大规模视觉基准。垂直行业深挖能源方向 26 条AMPds 分钟级功耗、EIA 官方统计、PUDL 公用事业数据交通 36 条NYC 出租车行程、GeoLife 轨迹、OpenFlights 航线医疗 38 条WHO 全球卫生观察、Medicare 数据。做细分方向的人这几个主题基本够用。三步上手从 clone 到跑通第一份数据克隆仓库到本地git clone https://gitcode.com/GitHub_Trending/aw/awesome-public-datasets打开 README定位你所在主题的分节扫一眼条目后的状态标记圈出 OK 状态的目标数据。跟着条目链接去源站取数想先熟悉流程就解压Datasets/titanic.csv.zip跑一遍数据清洗。三个避坑提醒FIXME 不是劝退是提示。带 FIXME 图标的条目只是待修复数据多半还在但入口可能换了地址下载前务必确认源站存活。并非全部免费。项目说明里写得很清楚大部分数据集免费少数需要申请权限或付费引用前先核对授权。别直接改 README。这份文档是由上游工具自动生成的想贡献新数据源要走元数据仓库提交流程改本地文件下次生成就会被覆盖。与其收藏一堆以后也许用得上的链接不如现在就 clone 下来按你手头的项目挑一个主题精读一遍——找数据这件事从这一次开始只需要五分钟。【免费下载链接】awesome-public-datasetsA topic-centric list of HQ open datasets.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-public-datasets创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考