GitHub 公开数据集索引

Awesome Public Datasets

平台与检索入口平台 / 检索美国不明热门推荐

来源描述

在GitHub上整理的优秀的公开数据集资源，涉及多个领域和方向。

这一条没有可靠的 HuggingFace 仓库——它只在自家站点发布（WARC / tar 包 / 需签署协议 / 仅存于 GitHub），或者 HF 上的同名仓库是第三方子集与镜像，接上去会给出误导性的下载量。宁可留空，也不挂错数字。

不归入单一训练阶段——它是入口或知识库类资源，横跨多个阶段。详见按训练阶段看。

检索入口

社区维护的分领域清单，胜在覆盖面广、条目带一句话说明与领域归类。当作调研起点很好，当作数据源要小心——链接失效率高，且它对许可证的描述通常只有一句。

提供了丰富的开源数据集，涵盖多种领域和语言，支持自然语言处理、计算机视觉等多种任务。

致力于收集和整理高质量的开源数据集，方便研究人员和开发者使用。

Kaggle平台上的开源数据集，涉及各种领域和任务，常用于数据竞赛和实践。

提供了多种开源数据集，支持模型的训练和评估，涵盖多个领域。

加州大学欧文分校提供的开源数据集，涵盖多个领域，常用于机器学习研究。

北京智源人工智能研究院提供的开源数据集，涵盖多个领域，支持大模型的训练。

领域、训练阶段、用途、License 分级与本刊判断由本刊维护；规模、许可证与商用授权最终请以原站为准。