超棒的公共数据集

资源

自由的
需要下载/安装
无需注册

https://github.com/awesomedata/awesome-public-datasets

据我们所知，最大的公开数据集目录是：t“优质公共数据集”存储库是一个社区驱动的目录，集中提供来自不同技术和社会领域的高质量数据。它将数千个数据集按生物学、气候、能源和交通等特定类别进行组织，并提供指向原始托管平台的直接链接。该资源可作为数据密集型项目的发现层，聚合来自政府机构、学术机构和国际组织的已验证数据集，以促进信息的快速检索和分析。

从国家统计数据到猫咪图片（数百万张！），再到宝石、分子库、IP 注册信息、城市代码……应有尽有。

针对特定需求，例如工具、研究或人工智能培训，科学、工程和创新领域的专业人士可以利用这些数据集来加速研究周期并验证技术模型，而无需耗费大量时间进行原始数据收集：

使用标准化方法开发机器学习基准计算机视觉或者 natural language processing 数据。
通过整合环境和经济变量来模拟工业过程结果。
通过整合不同的数据集进行跨学科创新，以识别新兴技术趋势。

学科： 数据科学、机器学习、学术研究、统计学、新闻学。

Kaggle 数据集、Google 数据集搜索、data.gov 的免费替代方案。

与 Kaggle 数据集、Google 数据集搜索和 data.gov 相比，Awesome Public Datasets 的数据质量更高。
超棒的公共数据集	Kaggle 数据集	Google 数据集搜索	data.gov
自然与住宿：一个以主题为中心的开放数据集列表，保存在 GitHub 存储库中，并提供指向原始托管平台的直接链接。	自然与住宿：一个用户可以浏览、下载和分享开放数据集的平台。其介绍中提到拥有数十万个数据集。	自然与住宿：一个用于查找数据集的搜索工具。它不托管数据：源页面上的标记描述了每个数据集，并指向其下载位置。	自然与住宿：美国政府开放数据网站，自 2009 年以来由美国总务管理局技术转型服务部门管理和托管。
条目添加方式：社区可通过代码库做出贡献，并且该项目链接到社区 Slack 工作区。		条目添加方式：数据集页面采用 schema.org 数据集标记或等效的 W3C DCAT 结构。发布者使用富结果测试进行验证并提交站点地图，重新抓取需要几天时间。	条目添加方式：每个机构都按照 DCAT-US 模式发布 data.json 文件，Data.gov 将这些文件收集到其位于 catalog.data.gov 的中央目录中。
覆盖范围：所描述的类别包括生物学、气候、能源和交通运输，内容来自政府机构、学术机构和国际组织。	覆盖范围：面向人工智能研究、模型训练和分析的开放数据集。	覆盖范围：任何发布所需标记的网络资源，因此覆盖范围不限于一个域名或国家。	覆盖范围：数据来自美国联邦机构，每个机构负责自己的数据。
许可和程序化访问：该代码库采用 MIT 许可证。	许可和程序化访问： Kaggle 命令行工具以 Apache 2.0 许可发布，可以列出、创建、更新、下载或删除数据集。它可以通过 `pip install kaggle` 命令安装。	许可和程序化访问：标记可以包含许可属性和分发属性，其中包含下载 URL 和格式。	许可和程序化访问：《开放政府数据法案》要求政府数据以开放的、机器可读的格式发布。