蜡炬教育：AI程序员如何获取大量的开源数据，用于实践练习
原标题：蜡炬教育：AI程序员如何获取大量的开源数据，用于实践练习
很多大数据、机器学习、人工智能的初学者都需要大量的数据去进行练习，因为之前从未深度接触过相关领域，很难找到合适的练习数据，今天蜡炬教育的老师就给大家推荐几个开源的数据集网站。
一、比较简单的数据集网站
Data.gov，这个是美国政府的公开数据网站，包含了来自气候、教育、能源、金融等领域的19万多的数据集。
data.WorldBank.org，这个是世界银行的开放数据网站，提供了世界发展指数、教育指数等几大类数据集。
二、大型数据集网站
Amazon WebServices（AWS）datasets，亚马逊提供完整的安然电子邮件、Google Booksn-gram，NASA NEX，百万歌曲等数据集，你可以在亚马逊平台使用也可以在本地计算机上使用。
Googledatasets
谷歌为广大开发者提供了一些数据集作为其Big Query工具的一部分，包括GiHub公共资料库和
Hacker News的所有故事和评论。
三、预测建模与机器学习数据集
UCI MachineLearning Repository
UCI机器学习库是当下最受欢迎的数据库，其包括了各种各样的数据集。比如空气质量、GPS轨迹等
大型数据集。
Kaggle
Kaggle推出了一个数据收集平台，人们可以自发贡献数据，现在总共有350多个数据集，其中有超过
200个是特征数据集。
四、图像分类数据集
The MNISTDatabase
当下国内外最热门的图像识别数据库，主要为手写数字。包括6万个示例和1万个示例的测试集。
Chars74K
该数据集包括自然图像中的字符识别，包含74,000个图像。
Frontal FaceImages
这个数据集主要是是由CMU & MIT收集的正面人脸图像。
五、文本分类数据集
Movie ReviewData
这个数据集网站提供了一席勒电影评论文件，其中标注了用户的总体情绪极性(正面或负面)或主观评
价和对其主观性地位(主观或客观)或极性的标签
蜡炬教育授课老师表示，通过以上数据集网站，即使是一个初学者也可以轻松找到需要的练习数据。