हाय दोस्तों

इससे पहले कि आप मशीन लर्निंग के लिए डेटा सेट खोलने के लिए एक लेख गाइड करें। इसमें, मैं, एक शुरुआत के लिए, दिलचस्प और ताज़ा (अपेक्षाकृत) डेटासेट का चयन एकत्र करेगा। और एक बोनस के रूप में, लेख के अंत में, मैं डेटासेट की स्वतंत्र खोज पर उपयोगी लिंक संलग्न करूंगा।

कम शब्द, अधिक डेटा।

मशीन सीखने के लिए डेटासेट का चयन:

• सिंहासन के खेल से डेटा की मौत और लड़ाई - यह डेटा सेट तीन डेटा स्रोतों को जोड़ता है, प्रत्येक किताबों की एक श्रृंखला से जानकारी के आधार पर।
• 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 खिलाड़ी डेटा का पूरा सेट - 18k + फीफा 19 खिलाड़ियों, ~ 90 विशेषताएँ, नवीनतम फीफा डेटाबेस से निकाला गया।
• YouTube वीडियो आँकड़े - YouTube पर प्रवृत्ति वीडियो के दैनिक आंकड़े।
• 1985 से 2016 तक आत्महत्या दरों का सर्वेक्षण - वर्ष और देश द्वारा आत्महत्या की दरों के साथ सामाजिक-आर्थिक जानकारी की तुलना।
• विशाल शेयर बाजार डेटा सेट - सभी अमेरिकी स्टॉक और ईटीएफ के ऐतिहासिक दैनिक मूल्य और वॉल्यूम।
• विश्व विकास संकेतक - दुनिया भर के देशों के विकास संकेतक।
• कागल मशीन लर्निंग एंड डेटा साइंस सर्वे 2017 - डेटा साइंस और मशीन लर्निंग की स्थिति के बारे में महान जानकारी।
• हिंसा और हथियारों पर डेटा - 2013-2018 में 260 हजार से अधिक अमेरिकी हथियार घटनाओं पर एक पूरी रिपोर्ट
• छाती एक्स-रे (निमोनिया) - 5,863 छवियां, 2 श्रेणियां।
• आवाज द्वारा लिंग 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 3168 रिकॉर्ड किए गए वॉयस सैंपल हैं।
• छात्र शराब की खपत - हाई स्कूल में गणित और पुर्तगाली भाषा पाठ्यक्रम में छात्रों के एक सर्वेक्षण में डेटा प्राप्त किया गया था। इसमें छात्रों के बारे में बहुत सारी रोचक सामाजिक, लैंगिक और शैक्षिक जानकारी है।
• मलेरिया सेल डेटासेट - मलेरिया का पता लगाने के लिए सेलुलर छवियां।
• युवाओं के सर्वेक्षण - युवा लोगों की वरीयताओं, रुचियों, आदतों, विचारों और आशंकाओं पर डेटा।
• विश्व विश्वविद्यालय रैंकिंग - दुनिया में सबसे अच्छा विश्वविद्यालयों का पता लगाने।
• क्रेडिट कार्ड धोखाधड़ी का पता लगाना - बेनामी क्रेडिट कार्ड लेनदेन धोखाधड़ी या प्रामाणिक चिह्नित हैं।
• दैटसेट दिल की बीमारी - इस डेटाबेस में 76 विशेषताएं हैं, जैसे कि उम्र, लिंग, सीने में दर्द का प्रकार, रक्तचाप को आराम करना और अन्य।
• यूरोपीय फुटबॉल बेस - 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 ड्राइविंग। डेटासेट में वाहन की गति, त्वरण, स्टीयरिंग कोण और जीपीएस निर्देशांक के बारे में जानकारी शामिल है।
• रंग पहचान - 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 कीमतें।
• चॉकलेट रेटिंग - 1,700 से अधिक चॉकलेट बार की विशेषज्ञ रेटिंग।
• चिकित्सा बीमा बाजार - अमेरिकी स्वास्थ्य बीमा बाजार के लिए स्वास्थ्य और दंत योजनाओं पर डेटा।
• दिल की धड़कन की आवाज़ - स्टेथोस्कोप द्वारा दिल की धड़कन की असामान्यताओं का वर्गीकरण।
• मोबाइल फोनों के लिए सिफारिशें डेटाबेस - myanimelist.net पर 76,000 उपयोगकर्ताओं से सिफारिशें
• रक्त कोशिका की छवियां - 12,500 छवियां: 4 विभिन्न प्रकार की कोशिकाएं।
• छाती एक्सरे - 30,000 से अधिक अद्वितीय रोगियों से 112,000 से अधिक छाती रेडियोग्राफ।
• मर्डर रिपोर्ट, 1980-2014 - द किल रिस्पॉन्सिबिलिटी प्रोजेक्ट संयुक्त राज्य अमेरिका में वर्तमान में उपलब्ध सबसे व्यापक घराना डेटाबेस है।
• प्रयुक्त कार डेटाबेस - 370,000 से अधिक प्रयुक्त कारें। डेटा सामग्री जर्मन में है, इसलिए यदि आप जर्मन नहीं बोलते हैं, तो आपको पहले इसका अनुवाद करना होगा।
• यूएस गवर्नमेंट ओपन डेटा हाउस - अनुसंधान, वेब एप्लिकेशन और मोबाइल एप्लिकेशन विकसित करने, डेटा विज़ुअलाइज़ेशन विकसित करने के लिए डेटा, टूल और संसाधन।
• राष्ट्रीय केंद्र पुरानी बीमारी की रोकथाम और स्वास्थ्य संवर्धन (NCCDPHP)। केंद्र पुरानी बीमारियों के जोखिम कारकों को कम करने के लिए काम कर रहा है।
• ब्रिटेन में सबसे बड़ा सामाजिक, आर्थिक और जनसांख्यिकीय संसाधनों का एक संग्रह।
• EconData - nSeveral हजार आर्थिक समय श्रृंखला, कई अमेरिकी सरकारी एजेंसियों द्वारा तैयार की गई और विभिन्न प्रारूपों और मीडिया में वितरित की गई।
• तट 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 डेटासेट पा सकते हैं।
• साइन लैंग्वेज डिजिट्स डेटा सेट - तुर्की, अंकारा, अयरानजी, अनादोलु। हाई स्कूल साइन लैंग्वेज डेटा सेट।
• गुणवत्ता वाली रेड वाइन - प्रतिगमन या वर्गीकरण मॉडलिंग के लिए सरल और स्पष्ट व्यावहारिक डेटा सेट।
• स्प्रेडशीट इंग्लिश फुटबॉल प्रीमियर लीग (1968-2019)।
• HotspotQA Dataset - प्रश्नों और उत्तरों के साथ डेटासेट, जिससे आप प्रश्नों को बेहतर ढंग से समझने के लिए एक प्रणाली बना सकते हैं।
• xView - पृथ्वी की हवाई कल्पना का सबसे बड़ा सार्वजनिक रूप से उपलब्ध सेट। इसमें दुनिया भर के विभिन्न दृश्यों की छवियां हैं, जिन्हें बाउंडिंग बॉक्स के साथ एनोटेट किया गया है।
• लेबलमे - बड़ी एनोटेट छवि डाटासेट।
• ImageNet - नए एल्गोरिदम के लिए छवियों का डेटासेट, वर्डनेट पदानुक्रम के अनुसार आयोजित किया जाता है, जिसमें सैकड़ों और हजारों छवियां पदानुक्रम के प्रत्येक नोड का प्रतिनिधित्व करती हैं।
• LSUN। - छवियों के डेटासेट, आंशिक अंकन डेटा के साथ दृश्यों और श्रेणियों में विभाजित।
• MS COCO - वस्तुओं का पता लगाने और विभाजन के लिए बड़े पैमाने पर डेटासेट।
• COIL100 - एक गोलाकार घुमाव में प्रत्येक कोण पर 100 विभिन्न वस्तुओं को दर्शाया गया है।
• दृश्य जीनोम - ~ 100 हजार के साथ डेटासेट। विस्तृत एनोटेट छवियां।
• Google की खुली छवियाँ। - क्रिएटिव कॉमन्स लाइसेंस के तहत "6,000 से अधिक श्रेणियों के साथ टैग की गई" छवियों के लिए 9 मिलियन URL का संग्रह।
• जंगली में लेबल वाले चेहरे - उन 13,000 लोगों के चेहरे की छवियों का एक सेट है जो अनुप्रयोगों के उपयोग के लिए चेहरे की पहचान तकनीक का उपयोग करते हैं।
• स्टैनफोर्ड डॉग डेटासेट - में 120 कुत्तों की नस्लों के 20,580 चित्र हैं।
• इंडोर सीन मान्यता। - इमारतों के इंटीरियर को पहचानने के लिए डेटासेट। इसमें 15,620 चित्र और 67 श्रेणियां हैं।
• ऑक्सफोर्ड की रोबोट कार - ऑक्सफोर्ड भर में एक मार्ग के 100 से अधिक दोहराव, वर्ष के दौरान फिल्माए गए। मौसम की स्थिति, यातायात और पैदल यात्रियों के विभिन्न संयोजनों के साथ-साथ सड़क के कार्यों की तरह लंबे बदलाव भी डेटासेट में आ गए।
• सिटीस्केप डेटसेट - 50 शहरों में सौ सड़क दृश्यों के रिकॉर्ड वाला एक बड़ा डेटासेट।
• KUL बेल्जियम ट्रैफिक साइन डेटसेट - बेल्जियम में हजारों विभिन्न ट्रैफिक लाइटों के 10,000 एनोटेशन।
• बुद्धिमान और सुरक्षित ऑटोमोबाइल के लिए LISA प्रयोगशाला - सड़क के संकेत, ट्रैफिक लाइट, मान्यता प्राप्त वाहनों और आंदोलन के प्रक्षेप पथ के साथ डेटासेट।
• बॉश स्मॉल ट्रैफिक लाइट डेटसेट - 24,000 एनोटेट ट्रैफिक लाइट्स के साथ डेट्स।
• WPI डेटासेट - ट्रैफ़िक लाइट, पैदल यात्री और सड़क चिह्नों की पहचान के लिए डेटासेट।
• बर्कले डीपड्राइव - ऑटोपिलॉट्स के लिए विशाल डेटासेट। इसमें 1,00,000 से अधिक वीडियो हैं जिसमें 1,100 घंटे से अधिक के ड्राइविंग रिकॉर्ड दिन के अलग-अलग समय और अलग-अलग मौसम में होते हैं।
• MIMIC-III - गहन देखभाल (जनसांख्यिकीय डेटा, महत्वपूर्ण संकेत, प्रयोगशाला परीक्षण और दवाओं) पर ~ 40,000 रोगियों की स्वास्थ्य स्थिति पर अवैयक्तिक डेटा के साथ डेटासेट।
• अमेज़न समीक्षा - 18 वर्षों के लिए अमेज़न से लगभग 35 मिलियन समीक्षाएँ शामिल हैं। डेटा में उत्पाद और उपयोगकर्ता की जानकारी, रेटिंग और समीक्षा का पाठ शामिल है।

डेटासेट की खोज के लिए उपयोगी लिंक:

• निश्चित रूप से केगल - मशीन सीखने की प्रतियोगिताओं के सभी प्रशंसकों के लिए बैठक की जगह।
• Google डेटासेट खोज - पूरे इंटरनेट पर डेटासेट खोजें। इसके अलावा, यदि आवश्यक हो, तो आप स्वयं के डेटा सेट जोड़ सकते हैं।
• मशीन लर्निंग रिपॉजिटरी - डेटाबेस, डोमेन सिद्धांतों और डेटा जनरेटर का एक सेट जो मशीन लर्निंग समुदाय द्वारा मशीन लर्निंग एल्गोरिदम के अनुभवजन्य विश्लेषण के लिए उपयोग किया जाता है।
• VisualData - श्रेणी के अनुसार सुविधाजनक वर्गीकरण के साथ, मशीन विज़न के लिए डेटासेट खोज।
• DATA USA - सार्वजनिक रूप से उपलब्ध यूएस डेटा का विज़ुअलाइज़ेशन, विवरण और इन्फोग्राफिक्स के साथ पूरा सेट।

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

धन्यवाद!