five

awesome-public-datasets

收藏
github2017-07-26 更新2024-05-31 收录
下载链接：
https://github.com/eurismarpires/awesome-public-datasets
下载链接
链接失效反馈
官方服务：
资源简介：
一个包含高质量公开数据集的列表，这些数据集来自公共领域，持续更新中。

A list of high-quality public datasets sourced from the public domain, continuously updated.
创建时间：
2016-08-09
原始信息汇总

数据集概述

生物学

  • 1000 Genomes
    • 数据来源: http://www.1000genomes.org/data
  • American Gut (Microbiome Project)
    • 数据来源: https://github.com/biocore/American-Gut
  • Broad Cancer Cell Line Encyclopedia (CCLE)
    • 数据来源: http://www.broadinstitute.org/ccle/home
  • Broad Bioimage Benchmark Collection (BBBC)
    • 数据来源: https://www.broadinstitute.org/bbbc
  • Cell Image Library
    • 数据来源: http://www.cellimagelibrary.org
  • Collaborative Research in Computational Neuroscience (CRCNS)
    • 数据来源: http://crcns.org/data-sets
  • Complete Genomics Public Data
    • 数据来源: http://www.completegenomics.com/public-data/69-genomes/
  • EBI ArrayExpress
    • 数据来源: http://www.ebi.ac.uk/arrayexpress/
  • EBI Protein Data Bank in Europe
    • 数据来源: http://www.ebi.ac.uk/pdbe/emdb/index.html/
  • Electron Microscopy Pilot Image Archive (EMPIAR)
    • 数据来源: http://www.ebi.ac.uk/pdbe/emdb/empiar/
  • ENCODE project
    • 数据来源: https://www.encodeproject.org
  • Ensembl Genomes
    • 数据来源: http://ensemblgenomes.org/info/genomes
  • Gene Expression Omnibus (GEO)
    • 数据来源: http://www.ncbi.nlm.nih.gov/geo/
  • Gene Ontology (GO)
    • 数据来源: http://geneontology.org/page/download-annotations
  • Global Biotic Interactions (GloBI)
    • 数据来源: https://github.com/jhpoelen/eol-globi-data/wiki#accessing-species-interaction-data
  • Harvard Medical School (HMS) LINCS Project
    • 数据来源: http://lincs.hms.harvard.edu
  • Human Genome Diversity Project
    • 数据来源: http://www.hagsc.org/hgdp/files.html
  • Human Microbiome Project (HMP)
    • 数据来源: http://www.hmpdacc.org/reference_genomes/reference_genomes.php
  • ICOS PSP Benchmark
    • 数据来源: http://ico2s.org/datasets/psp_benchmark.html
  • International HapMap Project
    • 数据来源: http://hapmap.ncbi.nlm.nih.gov/downloads/index.html.en
  • Journal of Cell Biology DataViewer
    • 数据来源: http://jcb-dataviewer.rupress.org
  • MIT Cancer Genomics Data
    • 数据来源: http://www.broadinstitute.org/cgi-bin/cancer/datasets.cgi
  • NCBI Proteins
    • 数据来源: http://www.ncbi.nlm.nih.gov/guide/proteins/#databases
  • NCBI Taxonomy
    • 数据来源: http://www.ncbi.nlm.nih.gov/taxonomy
  • NeuroData
    • 数据来源: http://neurodata.io
  • NIH Microarray data
    • 数据来源: http://bit.do/VVW6 or ftp://ftp.ncbi.nih.gov/pub/geo/DATA/supplementary/series/GSE6532/
  • OpenSNP genotypes data
    • 数据来源: https://opensnp.org/
  • Pathguid - Protein-Protein Interactions Catalog
    • 数据来源: http://www.pathguide.org/
  • Protein Data Bank
    • 数据来源: http://www.rcsb.org/
  • Psychiatric Genomics Consortium
    • 数据来源: https://www.med.unc.edu/pgc/downloads
  • PubChem Project
    • 数据来源: https://pubchem.ncbi.nlm.nih.gov/
  • PubGene (now Coremine Medical)
    • 数据来源: http://www.pubgene.org/
  • Sanger Catalogue of Somatic Mutations in Cancer (COSMIC)
    • 数据来源: http://cancer.sanger.ac.uk/cosmic
  • Sanger Genomics of Drug Sensitivity in Cancer Project (GDSC)
    • 数据来源: http://www.cancerrxgene.org/
  • Sequence Read Archive(SRA)
    • 数据来源: http://www.ncbi.nlm.nih.gov/Traces/sra/
  • Stanford Microarray Data
    • 数据来源: http://smd.stanford.edu/
  • Stowers Institute Original Data Repository
    • 数据来源: http://www.stowers.org/research/publications/odr
  • Systems Science of Biological Dynamics (SSBD) Database
    • 数据来源: http://ssbd.qbic.riken.jp
  • Temple University Hospital EEG Database
    • 数据来源: https://www.nedcdata.org/drupal/node/12
  • The Cancer Genome Atlas (TCGA), available via Broad GDAC
    • 数据来源: https://gdac.broadinstitute.org/
  • The Catalogue of Life
    • 数据来源: http://www.catalogueoflife.org/content/annual-checklist-archive
  • The Personal Genome Project
    • 数据来源: http://www.personalgenomes.org/ or https://my.pgp-hms.org/public_genetic_data
  • UCSC Public Data
    • 数据来源: http://hgdownload.soe.ucsc.edu/downloads.html
  • Universal Protein Resource (UnitProt)
    • 数据来源: http://www.uniprot.org/downloads
  • UniGene
    • 数据来源: http://www.ncbi.nlm.nih.gov/unigene

气候/天气

  • Australian Weather
    • 数据来源: http://www.bom.gov.au/climate/dwo/
  • Brazilian Weather - Historical data (In Portuguese)
    • 数据来源: http://sinda.crn2.inpe.br/PCD/SITE/novo/site/
  • Canadian Meteorological Centre
    • 数据来源: http://weather.gc.ca/grib/index_e.html
  • Climate Data from UEA (updated monthly)
    • 数据来源: https://crudata.uea.ac.uk/cru/data/temperature/ and ftp://ftp.cmdl.noaa.gov/
  • European Climate Assessment & Dataset
    • 数据来源: http://eca.knmi.nl/
  • Global Climate Data Since 1929
    • 数据来源: http://en.tutiempo.net/climate
  • NASA Global Imagery Browse Services
    • 数据来源: https://wiki.earthdata.nasa.gov/display/GIBS
  • NOAA Bering Sea Climate
    • 数据来源: http://www.beringclimate.noaa.gov/
  • NOAA Climate Datasets
    • 数据来源: http://www.ncdc.noaa.gov/data-access/quick-links
  • NOAA Realtime Weather Models
    • 数据来源: http://www.ncdc.noaa.gov/data-access/model-data/model-datasets/numerical-weather-prediction
  • The World Bank Open Data Resources for Climate Change
    • 数据来源: http://data.worldbank.org/developers/climate-data-api
  • UEA Climatic Research Unit
    • 数据来源: http://www.cru.uea.ac.uk/data
  • WorldClim - Global Climate Data
    • 数据来源: http://www.worldclim.org
  • WU Historical Weather Worldwide
    • 数据来源: https://www.wunderground.com/history/index.html

复杂网络

  • AMiner Citation Network Dataset
    • 数据来源: http://aminer.org/citation
  • CrossRef DOI URLs
    • 数据来源: https://archive.org/details/doi-urls
  • DBLP Citation dataset
    • 数据来源: https://kdl.cs.umass.edu/display/public/DBLP
  • NBER Patent Citations
    • 数据来源: http://nber.org/patents/
  • Network Repository with Interactive Exploratory Analysis Tools
    • 数据来源: http://networkrepository.com/
  • NIST complex networks data collection
    • 数据来源: http://math.nist.gov/~RPozo/complex_datasets.html
  • Protein-protein interaction network
    • 数据来源: http://vlado.fmf.uni-lj.si/pub/networks/data/bio/Yeast/Yeast.htm
  • PyPI and Maven Dependency Network
    • 数据来源: https://ogirardot.wordpress.com/2013/01/31/sharing-pypimaven-dependency-data/
  • Scopus Citation Database
    • 数据来源: https://www.elsevier.com/solutions/scopus
  • Small Network Data
    • 数据来源: http://www-personal.umich.edu/~mejn/netdata/
  • Stanford GraphBase (Steven Skiena)
    • 数据来源: http://www3.cs.stonybrook.edu/~algorith/implement/graphbase/implement.shtml
  • Stanford Large Network Dataset Collection
    • 数据来源: http://snap.stanford.edu/data/
  • Stanford Longitudinal Network Data Sources
    • 数据来源: http://stanford.edu/group/sonia/dataSources/index.html
  • The Koblenz Network Collection
    • 数据来源: http://konect.uni-koblenz.de/
  • The Laboratory for Web Algorithmics (UNIMI)
    • 数据来源: http://law.di.unimi.it/datasets.php
  • The Nexus Network Repository
    • 数据来源: http://nexus.igraph.org/
  • UCI Network Data Repository
    • 数据来源: https://networkdata.ics.uci.edu/resources.php
  • UFL sparse matrix collection
    • 数据来源: http://www.cise.ufl.edu/research/sparse/matrices/
  • WSU Graph Database
    • 数据来源: http://www.eecs.wsu.edu/mgd/gdb.html
  • DIMACS Road Networks Collection
    • 数据来源: http://www.dis.uniroma1.it/challenge9/download.shtml

计算机网络

  • 3.5B Web Pages from CommonCraw 2012
    • 数据来源: http://www.bigdatanews.com/profiles/blogs/big-data-set-3-5-billion-web-pages-made-available-for-all-of-us
  • 53.5B Web clicks of 100K users in Indiana Univ.
    • 数据来源: http://cnets.indiana.edu/groups/nan/webtraffic/click-dataset/
  • CAIDA Internet Datasets
    • 数据来源: http://www.caida.org/data/overview/
  • ClueWeb09 - 1B web pages
    • 数据来源: http://lemurproject.org/clueweb09/
  • ClueWeb12 - 733M web pages
    • 数据来源: http://lemurproject.org/clueweb12/
  • CommonCrawl Web Data over 7 years
    • 数据来源: http://commoncrawl.org/the-data/get-started/
  • CRAWDAD Wireless datasets from Dartmouth Univ.
    • 数据来源: https://crawdad.cs.dartmouth.edu/
  • Criteo click-through data
    • 数据来源: http://labs.criteo.com/2015/03/criteo-releases-its-new-dataset/
  • Open Mobile Data by MobiPerf
    • 数据来源: https://console.developers.google.com/storage/openmobiledata_public/
  • Rapid7 Sonar Internet Scans
    • 数据来源: https://sonar.labs.rapid7.com/
  • UCSD Network Telescope, IPv4 /8 net
    • 数据来源: http://www.caida.org/projects/network_telescope/

上下文数据

  • Context-aware data sets from five domains
    • 数据来源: http://students.depaul.edu/~yzheng8/DataSets.html#Data or https://github.com/irecsys/CARSKit/tree/master/context-aware_data_sets

数据挑战

  • Challenges in Machine Learning
    • 数据来源: http://www.chalearn.org/
  • CrowdANALYTIX dataX
    • 数据来源: http://data.crowdanalytix.com/
  • D4D Challenge of Orange
    • 数据来源: http://www.d4d.orange.com/en/home
  • DrivenData Competitions for Social Good
    • 数据来源: http://www.drivendata.org/
  • ICWSM Data Challenge (since 2009)
    • 数据来源: http://icwsm.cs.umbc.edu/
  • Kaggle Competition Data
    • 数据来源: https://www.kaggle.com/
  • KDD Cup by Tencent 2012
    • 数据来源: http://www.kddcup2012.org/
  • Localytics Data Visualization Challenge
    • 数据来源: https://github.com/localytics/data-viz-challenge
  • Netflix Prize
    • 数据来源: http://www.netflixprize.com/leaderboard
  • Space Apps Challenge
    • 数据来源: https://2015.spaceappschallenge.org/
  • Telecom Italia Big Data Challenge
    • 数据来源: https://dandelion.eu/datamine/open-big-data/
  • Yelp Dataset Challenge
    • 数据来源: http://www.yelp.com/dataset_challenge
  • Bruteforce Database
    • 数据来源: https://github.com/duyetdev/bruteforce-database

经济学

  • American Economic Ass (AEA)
    • 数据来源: https://www.aeaweb.org/RFE/toc.php?show=complete
  • EconData from UMD
    • 数据来源: http://inforumweb.umd.edu/econdata/econdata.html
  • Economic Freedom of the World Data
    • 数据来源: http://www.freetheworld.com/datasets_efw.html
  • Historical MacroEconomic Statistics
    • 数据来源: http://www.historicalstatistics.org/
  • International Trade Statistics
    • 数据来源: http://www.econostatistics.co.za/
  • Internet Product Code Database
    • 数据来源: http://www.upcdatabase.com/
  • Joint External Debt Data Hub
    • 数据来源: http://www.jedh.org/
  • Jon Haveman International Trade Data Links
    • 数据来源: http://www.macalester.edu/research/economics/PAGE/HAVEMAN/Trade.Resources/TradeData.html
  • OpenCorporates Database of Companies in the World
    • 数据来源: https://opencorporates.com/
  • Our World in Data
    • 数据来源: http://ourworldindata.org/
  • SciencesPo World Trade Gravity Datasets
    • 数据来源: http://econ.sciences-po.fr/thierry-mayer/data
  • The Atlas of Economic Complexity
    • 数据来源: http://atlas.cid.harvard.edu/
  • The Center for International Data
    • 数据来源: http://cid.econ.ucdavis.edu/
  • The Observatory of Economic Complexity
    • 数据来源: http://atlas.media.mit.edu/en/
  • UN Commodity Trade Statistics
    • 数据来源: http://comtrade.un.org/db/
  • UN Human Development Reports
    • 数据来源: http://hdr.undp.org/en/

教育

  • **Student Data from Free
搜集汇总
数据集介绍
main_image_url
构建方式
该数据集是通过收集和整理来自博客、回答和用户响应的公共数据源而构建的。它包含了许多不同领域的公共数据集，其中大部分是免费的，但也有一些不是。
特点
数据集的特点在于其广泛性和多样性，涵盖了从农业、生物学到自然语言处理等众多领域的公共数据集。它不仅包括了结构化数据，还包含了图像、文本等多种类型的数据。
使用方法
用户可以通过GitHub页面浏览和下载数据集，也可以根据数据集的URL直接访问和获取数据。对于每个数据集，用户应当遵循相应的使用条款和许可协议。
背景与挑战
背景概述
数据集名称'awesome-public-datasets'是一个收集和整理自博客、回答和用户响应的公共数据源列表。该数据集的创建时间为未知，主要研究人员或机构为Caesar0301。核心研究问题是搜集和整理各类公共数据集，以便于研究人员和开发者使用。该数据集对相关领域的影响力体现在为众多领域提供了便捷的数据集获取途径，推动了数据驱动研究的发展。
当前挑战
在构建过程中，该数据集面临的挑战主要包括：1) 如何确保数据的时效性和准确性；2) 如何处理不同数据集之间的异构性问题；3) 如何提供一个用户友好的界面以便于用户查找和下载数据。此外，所解决的领域问题包括数据分类、图像处理、自然语言处理等多个方面，每个领域都有其特定的挑战，如数据标注的准确性、算法的泛化能力等。
常用场景
经典使用场景
该数据集广泛收集了各类公共数据集，常用于学术研究、数据分析以及机器学习等领域，是研究和开发者寻找数据资源的重要平台。
实际应用
在实际应用中，该数据集可用于构建数据驱动模型，支持决策制定，如气象预报、疾病监测、市场分析等，对多个行业产生了积极影响。
衍生相关工作
该数据集衍生了许多相关的工作，包括数据集的扩展、基于数据集的学术研究和应用模型的开发，进一步推动了数据科学的发展。
以上内容由遇见数据集搜集并总结生成
5,000+
优质数据集
54 个
任务类型
进入经典数据集
关于我们
遇见数据集——让每个数据集都被发现，让每一次遇见都有价值。
数发科官网www.sfktec.com.cn
联系我们
youjian
selectdataset@iotsh.com.cn
商业合作
数据驱动未来，携手共赢发展
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作