Big Data AI

📌 Подборка интересных датасетов



IMDB reviews — 25 000 отзывов на фильмы в тренировочном наборе и 25 000 в тестовом. (Вариант применения с исходником на R: Sentiment Analysis Data Science Project)



MS COCO dataset — 1,5 млн размеченных изображений.



CIFAR-10 and CIFAR-100 dataset — CIFAR-10 содержит 60,000 маленьких изображений 32*32 pixels цифр 0-9. CIFAR-100 — соответственно, 0-100.



GTSRB (German traffic sign recognition benchmark) Dataset — 50 000 изображений 43 дорожных знаков. (Вариант применения с исходником на Python: Traffic Signs Recognition Python Project)



ImageNet dataset — содержит более 100 000 фраз и около 1000 изображений на фразу.



Breast Histopathology Images Dataset — датасет содержит изображения образцов рака молочной железы. (Вариант применения с исходником на Breast Cancer Classification Python Project)



Cityscapes Dataset — содержит высококачественные аннотации видеопоследовательностей улиц разных городов.



Kinetics Dataset — содержит URL-ссылку на около 6,5 миллионов высококачественных видео.



All Reddit Sublessons — содержит все подзаголовки reddit до 2015 года.



Jeopardy Questions — вопросы и количество баллов из игрового шоу Jeopardy.



New York City Property Tax Data - данные о недвижимости и оценочной стоимости в Нью-Йорке.



Опросы молодых людей. Данные о предпочтениях, интересах, привычках, мнениях и страхах молодых людей.



Мировые рейтинги университетов. Исследуйте лучшие университеты мира.



Обнаружение мошенничества с кредитными картами. Датасет по анонимным транзакциям кредитных карт, помеченные как мошеннические или подлинные.



Датасет болезней сердца. База данных содержит 76 атрибутов, таких как возраст, пол, тип боли в груди, артериальное давление в покое и другие.



Европейская футбольная база. Больше 25 тысяч матчей, атрибуты игроков и команд для европейского профессионального футбола.



Винные обзоры. 130 тысяч винных обзоров с разнообразием, местоположением, винодельней, ценой и описанием.



Baidu Apolloscapes. Большой датасет для распознавания 26 семантически разных объектов вроде машин, велосипедов, пешеходов, зданий, уличных фонарей и так далее.



Comma.ai. Более семи часов езды по шоссе. Датасет включает информацию о скорости машины, ускорении, угле поворота руля и GPS-координатах.



Распознавание цветов. Набор данных содержит 4242 изображения цветов. Сбор данных основан на данных Flickr, изображениях Google и «Яндекса».



Ежедневная рыночная цена каждой криптовалюты. Исторические цены на криптовалюту для всех токенов.



Шоколадный рейтинг. Экспертный рейтинг более 1700 шоколадных батончиков.



@bigdatai