नमस्कार पाठक जी!

यहाँ मशीन सीखने के लिए खुले डेटासेट पर एक लेख गाइड है। इसमें, शुरुआत के लिए, मैं दिलचस्प और ताज़ा (अपेक्षाकृत) डेटासेट का चयन एकत्र करूंगा। और एक बोनस, लेख के अंत में, मैं स्व-खोज डेटासेट के लिए उपयोगी लिंक संलग्न करूंगा।

कम शब्द, अधिक डेटा।

मशीन सीखने के लिए डेटासेट का चयन:

• गेम ऑफ थ्रोन्स डेथ एंड बैटल - यह डेटा सेट तीन डेटा स्रोतों को जोड़ता है, जिनमें से प्रत्येक किताबों की एक श्रृंखला की जानकारी पर आधारित है।
• ग्लोबल टेररिज्म डेटाबेस - दुनिया भर में 180,000 से अधिक आतंकवादी हमले, 1970-2017।
• बिटकॉइन, ऐतिहासिक डेटा - चयनित एक्सचेंजों से 1 मिनट के अंतराल के साथ बिटकॉइन डेटा, जनवरी 2012 - मार्च 2019।
• फीफा 19 पूर्ण खिलाड़ी डेटा सेट - 18k + फीफा 19 खिलाड़ी, ~ फीफा नवीनतम डेटाबेस से पुनर्प्राप्त 90 विशेषताएँ।
• YouTube वीडियो सांख्यिकी - YouTube वीडियो के लिए दैनिक रुझान वाले आंकड़े।
• 1985 से 2016 तक आत्महत्या संकेतक का अवलोकन - वर्ष और देश द्वारा आत्महत्या दर के साथ सामाजिक-आर्थिक जानकारी की तुलना।
• विशाल शेयर बाजार डेटासेट - सभी अमेरिकी शेयरों और ईटीएफ के ऐतिहासिक दैनिक मूल्य और वॉल्यूम।
• विश्व विकास संकेतक - दुनिया भर के देशों के विकास के संकेतक।
• कागल मशीन लर्निंग एंड डेटा साइंस सर्वे 2017 - डेटा साइंस और मशीन लर्निंग की स्थिति के बारे में महान जानकारी।
• हिंसा और हथियार डेटा - 2013-2018 में 260,000 से अधिक अमेरिकी हथियारों की घटनाओं की एक पूरी रिपोर्ट।
• छाती एक्स-रे (निमोनिया) - 5,863 छवियां, 2 श्रेणियां।
• आवाज द्वारा आवाज की पहचान - यह डेटाबेस आवाज और भाषण के ध्वनिक गुणों के आधार पर आवाज को पुरुष या महिला के रूप में पहचानने के लिए बनाया गया था। डेटा सेट में पुरुषों और महिलाओं से एकत्र किए गए 3,168 रिकॉर्ड किए गए वॉयस सैंपल हैं।
• छात्र शराब का सेवन - हाई स्कूल के पाठ्यक्रमों में गणित और पुर्तगाली में छात्रों के एक सर्वेक्षण से डेटा प्राप्त किया गया था। इसमें छात्रों के बारे में बहुत सारी रोचक सामाजिक, लैंगिक और शैक्षिक जानकारी है।
• मलेरिया सेल डाटासेट - मलेरिया का पता लगाने के लिए सेल छवियों।
• युवाओं के सर्वेक्षण - युवा लोगों की वरीयताओं, रुचियों, आदतों, विचारों और आशंकाओं पर डेटा।
• विश्व विश्वविद्यालय रैंकिंग - दुनिया के सर्वश्रेष्ठ विश्वविद्यालयों का अन्वेषण करें।
• क्रेडिट कार्ड धोखाधड़ी का पता लगाना - बेनामी क्रेडिट कार्ड लेनदेन डेटासेट को धोखाधड़ी या वास्तविक के रूप में चिह्नित किया जाता है।
• हृदय रोग की तारीख - इस डेटाबेस में 76 विशेषताएं हैं, जैसे कि उम्र, लिंग, छाती का दर्द, रक्तचाप को आराम करना और अन्य।
• यूरोपीय फुटबॉल आधार - 25,000+ मैच, यूरोपीय पेशेवर फुटबॉल के लिए खिलाड़ियों और टीमों की विशेषताएं।
• शराब समीक्षा - 130k शराब की विविधता, स्थान, वाइनरी, मूल्य और विवरण के साथ समीक्षा।
• Baidu Apolloscapes । कार, ​​साइकिल, पैदल यात्री, भवन, स्ट्रीट लैंप, आदि जैसे 26 अलग-अलग वस्तुओं को पहचानने के लिए एक बड़ा डेटासेट।
• Comma.ai । राजमार्ग पर सात घंटे से अधिक। डेटासेट में वाहन की गति, त्वरण, स्टीयरिंग कोण और जीपीएस निर्देशांक के बारे में जानकारी शामिल है।
• रंग मान्यता - इस डेटासेट में 4242 रंगीन चित्र हैं। डेटा संग्रह flicr डेटा, Google छवियों, Yandex छवियों पर आधारित है।
• प्रत्येक क्रिप्टोक्यूरेंसी का दैनिक बाजार मूल्य सभी टोकन के लिए ऐतिहासिक क्रिप्टोक्यूरेंसी मूल्य है।
• चॉकलेट रेटिंग - 1,700 से अधिक चॉकलेट बार की विशेषज्ञ रेटिंग।
• हेल्थ इंश्योरेंस मार्केट - अमेरिकी स्वास्थ्य बीमा बाजार में स्वास्थ्य और दंत चिकित्सा की योजनाओं पर डेटा।
• दिल की धड़कन की आवाज़ - एक स्टेथोस्कोप के अनुसार दिल की धड़कन की असामान्यताओं का एक वर्गीकरण।
• एनीमे की सिफारिशों का डेटाबेस - myanimelist.net पर 76,000 उपयोगकर्ताओं की सिफारिशें
• रक्त कोशिका की छवियां - 12,500 छवियां: 4 विभिन्न प्रकार की कोशिकाएं।
• छाती का एक्स-रे - 30,000 से अधिक अद्वितीय रोगियों से 112,000 से अधिक छाती रेडियोग्राफ।
• मर्डर रिपोर्ट 1980-2014 - हत्या की जिम्मेदारी परियोजना वर्तमान में उपलब्ध संयुक्त राज्य में सबसे व्यापक हत्या डेटाबेस है।
• प्रयुक्त कार डेटाबेस - 370,000 से अधिक प्रयुक्त कारें। डेटा की सामग्री जर्मन में है, इसलिए आपको जर्मन नहीं बोलने पर सबसे पहले इसका अनुवाद करने की आवश्यकता है।
• यूएस गवर्नमेंट ओपन डेटा हाउस - अनुसंधान, वेब और मोबाइल ऐप विकास, और डेटा विज़ुअलाइज़ेशन के लिए डेटा, उपकरण और संसाधन।
• नेशनल सेंटर फॉर क्रॉनिक डिजीज प्रिवेंशन एंड हेल्थ प्रमोशन (NCCDPHP)। केंद्र पुरानी बीमारियों के लिए जोखिम कारकों को कम करने पर काम कर रहा है।
• सामाजिक, आर्थिक और जनसांख्यिकीय संसाधनों का सबसे बड़ा यूके संग्रह।
• EconData - कई हजार आर्थिक समय श्रृंखला, कई अमेरिकी सरकारी एजेंसियों द्वारा तैयार की गई और विभिन्न प्रारूपों और मीडिया में वितरित की गई।
• तटीय अनुसंधान केंद्र - समुद्र और इसकी जैविक संरचना पर दिलचस्प डेटा। यहां आप लाल सागर के मॉडल के डेटा के विश्लेषण से लेकर संकीर्ण दक्षिणी कैलिफोर्निया शेल्फ पर तापमान और धाराओं के अध्ययन तक के डेटासेट पा सकते हैं।
• साइन लैंग्वेज डिजिट्स डेटा सेट - तुर्की, अंकारा, अयरानजी, अनादोलु। हाई स्कूल साइन लैंग्वेज डेटा सेट।
• रेड वाइन की गुणवत्ता प्रतिगमन या वर्गीकरण मॉडलिंग के लिए निर्धारित एक सरल और समझने योग्य व्यावहारिक डेटा है।
• इंग्लिश फुटबॉल प्रीमियर लीग (1968-2019) की टेबल्स।
• HotspotQA Dataset - सवाल और जवाब के साथ एक डेटासेट, जो आपको और अधिक समझने योग्य तरीके से सवालों के जवाब देने के लिए सिस्टम बनाने की अनुमति देता है।
• xView पृथ्वी की हवाई कल्पना का सबसे बड़ा सार्वजनिक रूप से उपलब्ध सेट है। इसमें दुनिया भर के विभिन्न दृश्यों की छवियां हैं, जिन्हें बाउंडिंग बॉक्स का उपयोग करके एनोटेट किया गया है।
• लेबलमे - एनोटेट छवियों के बड़े डेटासेट।
• ImageNet - WordNet पदानुक्रम के अनुसार आयोजित नए एल्गोरिदम के लिए छवि डेटासेट, जिसमें सैकड़ों और हजारों छवियां पदानुक्रम में प्रत्येक नोड का प्रतिनिधित्व करती हैं।
• LSUN। - डेटा के आंशिक मार्कअप के साथ दृश्य और श्रेणी द्वारा टूटी हुई छवियों का डेटासेट।
• MS COCO ऑब्जेक्ट्स का पता लगाने और सेगमेंट करने के लिए एक बड़े पैमाने पर डेटासेट है।
• COIL100 - 100 अलग-अलग ऑब्जेक्ट, एक परिपत्र क्रांति में हर कोण पर दर्शाए गए हैं।
• दृश्य जीनोम - ~ 100 हजार विस्तृत एनोटेट छवियों के साथ डेटासेट।
• Google की खुली छवियाँ। - क्रिएटिव कॉमन्स लाइसेंस के तहत 9 मिलियन छवि URL का संग्रह "जिसे 6,000 श्रेणियों में टैग किया गया है"।
• जंगली में लेबल वाले चेहरे - 13,000 लोगों के चेहरे की छवियों को लेबल करने वाले अनुप्रयोगों का उपयोग करने के लिए चेहरे की पहचान तकनीक का उपयोग करने का एक संग्रह।
• स्टैनफोर्ड डॉग डेटसेट - 120 कुत्तों की नस्लों से 20,580 चित्र शामिल हैं।
• इंडोर सीन मान्यता। - इमारतों के इंटीरियर की पहचान के लिए डेटासेट। इसमें 15 620 चित्र और 67 श्रेणियां हैं।
• ऑक्सफोर्ड की रोबोट कार - वर्ष के दौरान कब्जा किए गए एक ऑक्सफोर्ड मार्ग के 100 से अधिक दोहराव। मौसम की स्थिति, यातायात और पैदल यात्रियों के विभिन्न संयोजनों के साथ-साथ सड़क के कार्यों जैसे दीर्घकालिक परिवर्तन, डेटासेट में शामिल हो गए।
• सिटीस्केप डेटासैट एक बड़ा डेटासेट है जिसमें 50 शहरों में एक सौ स्ट्रीट दृश्यों के रिकॉर्ड हैं।
• KUL बेल्जियम ट्रैफिक साइन डेटसेट - बेल्जियम में हजारों विभिन्न ट्रैफिक लाइट्स के 10,000 से अधिक एनोटेशन।
• इंटेलिजेंट एंड सेफ ऑटोमोबाइल्स के लिए LISA प्रयोगशाला - ट्रैफिक सिग्नल, ट्रैफिक लाइट, मान्यता प्राप्त वाहन और ट्रैजिटरीज वाला डेटासेट।
• बॉश स्मॉल ट्रैफिक लाइट डेटासेट - 24,000 एनोटेट ट्रैफिक लाइट के साथ डेटासेट ।
• WPI डेटासेट - ट्रैफ़िक लाइट, पैदल यात्री और सड़क चिह्नों की पहचान के लिए डेटासेट ।
• बर्कले डीपड्राइव - ऑटोपायलट के लिए एक विशाल डेटासेट। इसमें 1,00,000 से अधिक वीडियो हैं, जिसमें दिन के विभिन्न समय और विभिन्न मौसम स्थितियों में 1,100 घंटे से अधिक की रिकॉर्डिंग होती है।
• MIMIC-III - गहन देखभाल (जनसांख्यिकीय डेटा, महत्वपूर्ण संकेत, प्रयोगशाला परीक्षण और दवाओं) से गुजरने वाले ~ 40,000 रोगियों की स्वास्थ्य स्थिति पर अनाम डेटा के साथ डेटासेट।
• अमेज़न समीक्षाएं - 18 वर्षों में अमेज़न से लगभग 35 मिलियन समीक्षाएं शामिल हैं। डेटा में उत्पाद और उपयोगकर्ता जानकारी, रेटिंग और समीक्षा पाठ शामिल हैं।

डेटासेट खोजने के लिए उपयोगी लिंक:

• बेशक, कागल मशीन सीखने की प्रतियोगिताओं के सभी प्रेमियों के लिए बैठक स्थान है।
• Google डेटासेट खोज - इंटरनेट पर खोज डेटासेट। इसके अलावा, यदि आवश्यक हो, तो आप अपने स्वयं के डेटा सेट जोड़ सकते हैं।
• मशीन लर्निंग रिपॉजिटरी डेटाबेस, विषय सिद्धांतों और डेटा जनरेटर का एक सेट है जो मशीन लर्निंग समुदाय द्वारा मशीन लर्निंग एल्गोरिदम का विश्लेषण करने के लिए उपयोग किया जाता है।
• विजुअलडाटा - सुविधाजनक वर्गीकरण के साथ, मशीन दृष्टि के लिए डेटासेट की खोज करें।
• DATA USA - संयुक्त राज्य अमेरिका के सी विज़ुअलाइज़ेशन, विवरण और इन्फोग्राफिक्स से सार्वजनिक रूप से उपलब्ध डेटा का एक पूरा सेट।

इस पर हमारा संक्षिप्त चयन समाप्त हो गया। यदि किसी के पास पूरक या साझा करने के लिए कुछ है - टिप्पणियों में लिखें।

सभी ज्ञान!

टेलीग्राम (@neurondata) में न्यूरॉन चैनल की सदस्यता लें - हर हफ्ते डेटा विज्ञान की दुनिया से ताजा लेख और समाचार आते हैं। हर किसी के लिए धन्यवाद जो उपयोगी लिंक के साथ मदद करता है, विशेष रूप से इगोर मैरीआर्टी, एंड्रे बोंडारेंको और माटवे कोचरगिन।