Awesome Public Datasets
收藏github2019-09-05 更新2024-05-31 收录
下载链接:
https://github.com/nglthu/awesome-public-datasets
下载链接
链接失效反馈官方服务:
资源简介:
一个主题中心的高质量公开数据集列表,涵盖农业、生物学等多个领域。
A high-quality open dataset list centered around various themes, covering multiple fields such as agriculture and biology.
创建时间:
2018-08-13
原始信息汇总
数据集概述
农业
- U.S. Department of Agricultures Nutrient Database
- U.S. Department of Agricultures PLANTS Database
生物学
- 1000 Genomes
- American Gut (Microbiome Project)
- Broad Bioimage Benchmark Collection (BBBC)
- Broad Cancer Cell Line Encyclopedia (CCLE)
- Cell Image Library
- Complete Genomics Public Data
- EBI ArrayExpress
- EBI Protein Data Bank in Europe
- ENCODE project
- Electron Microscopy Pilot Image Archive (EMPIAR)
- Ensembl Genomes
- Gene Expression Omnibus (GEO)
- Gene Ontology (GO)
- Global Biotic Interactions (GloBI)
- Harvard Medical School (HMS) LINCS Project
- Human Genome Diversity Project
- Human Microbiome Project (HMP)
- ICOS PSP Benchmark
- International HapMap Project
- Journal of Cell Biology DataViewer
- KEGG
- MIT Cancer Genomics Data
- NCBI Proteins
- NCBI Taxonomy
- NCI Genomic Data Commons
- NIH Microarray data
- OpenSNP genotypes data
- Pathguid - Protein-Protein Interactions Catalog
- Protein Data Bank
- Psychiatric Genomics Consortium
- PubChem Project
- PubGene (now Coremine Medical)
- Sanger Catalogue of Somatic Mutations in Cancer (COSMIC)
- Sanger Genomics of Drug Sensitivity in Cancer Project (GDSC)
- Sequence Read Archive(SRA)
- Stanford Microarray Data
- Stowers Institute Original Data Repository
- Systems Science of Biological Dynamics (SSBD) Database
- The Cancer Genome Atlas (TCGA), available via Broad GDAC
- The Catalogue of Life
- The Personal Genome Project
- UCSC Public Data
- UniGene
- Universal Protein Resource (UnitProt)
气候+天气
- Actuaries Climate Index
- Australian Weather
- Aviation Weather Center - Consistent, timely and accurate weather [...]
- Brazilian Weather - Historical data (In Portuguese)
- Canadian Meteorological Centre
- Climate Data from UEA (updated monthly)
- 链接: <https://crudata.uea.ac.uk/cru/data/temperature/#datter and ftp://ftp.cmdl.noaa.gov/>
- European Climate Assessment & Dataset
- Global Climate Data Since 1929
- NASA Global Imagery Browse Services
- NOAA Bering Sea Climate
- NOAA Climate Datasets
- NOAA Realtime Weather Models
- NOAA SURFRAD Meteorology and Radiation Datasets
- The World Bank Open Data Resources for Climate Change
- UEA Climatic Research Unit
- WU Historical Weather Worldwide
- WorldClim - Global Climate Data
复杂网络
- AMiner Citation Network Dataset
- CrossRef DOI URLs
- DBLP Citation dataset
- DIMACS Road Networks Collection
- NBER Patent Citations
- NIST complex networks data collection
- Network Repository with Interactive Exploratory Analysis Tools
- Protein-protein interaction network
- PyPI and Maven Dependency Network
- Scopus Citation Database
- Small Network Data
- Stanford GraphBase
- Stanford Large Network Dataset Collection
- Stanford Longitudinal Network Data Sources
- The Koblenz Network Collection
- The Laboratory for Web Algorithmics (UNIMI)
- The Nexus Network Repository
- UCI Network Data Repository
- UFL sparse matrix collection
- WSU Graph Database
计算机网络
- 3.5B Web Pages from CommonCrawl 2012
- 53.5B Web clicks of 100K users in Indiana Univ.
- CAIDA Internet Datasets
- CRAWDAD Wireless datasets from Dartmouth Univ.
- ClueWeb09 - 1B web pages
- ClueWeb12 - 733M web pages
- CommonCrawl Web Data over 7 years
- Criteo click-through data
- Internet-Wide Scan Data Repository
- OONI: Open Observatory of Network Interference - Internet censorship data
- Open Mobile Data by MobiPerf
- Rapid7 Sonar Internet Scans
- UCSD Network Telescope, IPv4 /8 net
数据挑战
- Bruteforce Database
- Challenges in Machine Learning
- CrowdANALYTIX dataX
- D4D Challenge of Orange
- DrivenData Competitions for Social Good
- ICWSM Data Challenge (since 2009)
- KDD Cup by Tencent 2012
- Kaggle Competition Data
- Localytics Data Visualization Challenge
- Netflix Prize
- Space Apps Challenge
- Telecom Italia Big Data Challenge
- TravisTorrent Dataset - MSR2017 Mining Challenge
- TunedIT - Data mining & machine learning data sets, algorithms, challenges
- Yelp Dataset Challenge
地球科学
- AQUASTAT - Global water resources and uses
- BODC - marine data of ~22K vars
- EOSDIS - NASAs earth observing system data
- Earth Models
- Integrated Marine Observing System (IMOS) - roughly 30TB of ocean measurements
- Marinexplore - Open Oceanographic Data
- Alabama Real-Time Coastal Observing System
- 链接:
搜集汇总
数据集介绍

构建方式
Awesome Public Datasets 是一个由社区维护的公共数据集列表,涵盖多个领域。数据集的构建主要通过从博客、回答和用户响应中收集和整理高质量的数据源。该过程涉及对现有资源的整合和分类,以及确保数据的可用性和准确性。
特点
该数据集的特点在于其广泛的主题覆盖范围,包括农业、生物学、气候和天气、复杂网络、计算机网络、数据挑战、地球科学、经济学、教育、能源、金融和GIS等多个领域。此外,它提供了详尽的元数据描述,帮助用户快速理解数据集的内容和结构。
使用方法
用户可以通过GitHub页面浏览和搜索数据集,根据需要下载特定数据集。每个数据集通常都附带详细的说明文件,指导用户如何正确使用数据。此外,数据集的维护者还提供了自动化的贡献流程,以便社区成员可以轻松地添加新的数据源。
背景与挑战
背景概述
Awesome Public Datasets是一个由社区维护的公共数据集列表,旨在为研究人员和开发者提供方便的数据资源。该数据集创建于2013年,由sindresorhus在GitHub上发起。它收集和整理了来自博客、回答和用户响应的高质量公共数据集,其中大部分数据集是免费的,但也有一些不是。该数据集列表的目的是为了方便数据科学研究和开发工作,对相关领域产生了积极的影响。
当前挑战
在构建过程中,Awesome Public Datasets面临着多个挑战。首先,数据集的维护和更新需要大量的人力物力,尤其是当数据集数量增加时。其次,确保数据集的质量和准确性也是一个挑战,因为这需要不断验证和更新数据源。此外,数据集的多样性和覆盖领域也在不断扩展,这要求维护者具备广泛的知识背景和技术能力。
常用场景
经典使用场景
Awesome Public Datasets 集合了众多领域的高质量公共数据集,经典的使用场景包括为学术研究提供数据支持,例如生物信息学、环境科学、社会科学等领域的研究人员可以通过此平台获取到所需的数据集。此外,数据科学家和数据分析师也可以利用这些数据集进行模型训练和数据分析。
实际应用
在实际应用中,Awesome Public Datasets 可以为企业、政府机构等提供数据支持,例如在制定政策、市场分析、灾害预警等方面。同时,它也为教育机构提供了教学和实验的数据资源。
衍生相关工作
基于 Awesome Public Datasets,已经衍生出许多相关的工作,包括数据集的扩展、基于数据集的研究论文、以及数据集在各个领域的应用案例等。这些工作进一步推动了数据科学和各领域研究的融合与发展。
以上内容由遇见数据集搜集并总结生成



