5 nguồn tập dữ liệu miễn phí sử dụng cho các dự án khoa học dữ liệu

Khám phá năm nguồn đáng tin cậy nơi bạn có thể truy cập miễn phí các bộ dữ liệu đa dạng và chất lượng cao, thúc đẩy dự án dựa trên dữ liệu tiếp theo của bạn.

Khi làm việc trong một dự án dựa trên dữ liệu, việc tìm kiếm các bộ dữ liệu chất lượng cao và đáng tin cậy là điều cần thiết. May mắn thay, có một số nguồn miễn phí cung cấp quyền truy cập vào nhiều tập dữ liệu trên nhiều miền khác nhau.

Tuy nhiên, vui lòng chú ý đến chất lượng dữ liệu, tài liệu và bất kỳ hạn chế cấp phép nào liên quan đến từng bộ dữ liệu. Bài viết này sẽ khám phá năm nguồn tập dữ liệu miễn phí mà bạn có thể sử dụng cho dự án tiếp theo của mình.

Kagle

Kaggle là một nền tảng phổ biến dành cho các nhà khoa học dữ liệu và những người đam mê máy học. Nó cung cấp nhiều lựa chọn bộ dữ liệu truy cập mở ngoài việc tổ chức các cuộc thi máy học. Các cơ sở dữ liệu bao gồm nhiều chủ đề khác nhau, bao gồm khoa học xã hội, chăm sóc sức khỏe và tài chính. Phương pháp dựa vào cộng đồng mà Kaggle sử dụng đảm bảo rằng các bộ dữ liệu được cập nhật và duy trì thường xuyên.

New Kaggle hoodie arrived just in time! @kaggle has launched a very interesting Large Language model competition aimed at answering science based MCQs using (Large) LMs

I’ll end my Kaggle break for this one

It’s the perfect problem for anyone to supercharge their learning! pic.twitter.com/eMKeOnUBZ8

— Sanyam Bhutani (@bhutanisanyam1) July 16, 2023

Kho lưu trữ máy học UCI

Kho lưu trữ Máy học UCI của Đại học California, Irvine là một tập hợp toàn diện các bộ dữ liệu thường được sử dụng trong cộng đồng máy học. Nó cung cấp các bộ dữ liệu cho nhiều loại nhiệm vụ khác nhau, chẳng hạn như phân loại, hồi quy và phân cụm. Mỗi bộ dữ liệu trong kho lưu trữ có mô tả đầy đủ, danh sách các thuộc tính và hướng dẫn xử lý trước dữ liệu.

Tìm kiếm tập dữ liệu của Google

Công cụ tìm kiếm có tên Google Dataset Search được dành riêng để hỗ trợ người dùng khám phá các tập dữ liệu có thể truy cập công khai. Nó lập chỉ mục rất nhiều tập hợp dữ liệu từ nhiều nguồn khác nhau, chẳng hạn như các trang web của chính phủ, các tổ chức học thuật và kho lưu trữ dữ liệu. Tìm kiếm từ khóa, loại tệp và bộ lọc cấp phép, siêu dữ liệu thích hợp và liên kết tải xuống đều có sẵn khi tìm kiếm tập dữ liệu.

The team were developing cancer detection system using Tensorflow at #Megahack Hackathon. Confused about datasets, encouraged them to use Google Dataset Search. #TensorFlow@JeffDean @ialimustufa @ericsk @ksoonson @DynamicWebPaige pic.twitter.com/EKmeQshcc2

— Shubham (@ishubhamsah) January 29, 2020

Dữ liệu.gov

Data.gov là cổng dữ liệu mở chính thức của chính phủ Hoa Kỳ. Nó cung cấp quyền truy cập vào cơ sở dữ liệu khổng lồ gồm các bộ dữ liệu từ nhiều cơ quan liên bang về nhiều chủ đề khác nhau, bao gồm sức khỏe, môi trường, giáo dục, giao thông vận tải, v.v. Các bộ dữ liệu do Data.gov cung cấp thường được sử dụng để phân tích, nghiên cứu và tạo các ứng dụng dựa trên dữ liệu. Nền tảng thúc đẩy việc sử dụng dữ liệu công khai vì mục đích tốt và ủng hộ tính minh bạch.

OpenML

OpenML là một nền tảng khuyến khích cộng tác và cung cấp nhiều bộ dữ liệu cũng như thách thức máy học. Người dùng có thể so sánh và sao chép các thử nghiệm máy học, cũng như khám phá, tải xuống và quyên góp bộ dữ liệu. OpenML thúc đẩy việc chia sẻ các bộ dữ liệu, mã và kết quả đồng thời nêu bật tầm quan trọng của khả năng tái tạo trong nghiên cứu máy học.

Theo CoinTelegraph