大数据实验数据集何处来？

徐海蛟博士 Teaching

海量数据（又称大数据）已经成为各大互联网企业面临的最大问题，如何处理海量数据，提供更好的解决方案，是目前相当热门的一个话题。类似MapReduce、 Hadoop等架构的普遍推广，大家都在构建自己的大数据处理，大数据分析平台。

相应之下，目前对于海量数据处理人才的需求也在不断增多，此类人才可谓炙手可热！越来越多的开发者把目光转移到海量数据的处理上。但是不是所有人都能真正接触到，或者有机会去处理海量数据的，所以就需要一些公开的海量数据集来研究。

有人就问到徐老师：如何获取海量数据集？此问题得到了很多人的关注。具体可以看看回答，数据集的种类多种多样，有化学分析，基因遗传等等，从中你肯定能得到自己想要个数据集。

首先说说几个收集数据集的网站：

(因为博文不允许发布外链，只好删除链接！自行去谷歌搜索下载地址)

1、Public Data Sets on Amazon Web Services (AWS)

Amazon从2008年开始就为开发者提供几十TB的开发数据。

2、Yahoo! Webscope

3、Konect is a collection of network datasets

4、Stanford Large Network Dataset Collection

再就是说说几个跟互联网有关的数据集：

1、Dataset for "Statistics and Social Network of YouTube Videos"

2、1998 World Cup Web Site Access Logs

这个是1998年世界杯期间的数据集。从1998/04/26 到 1998/07/26 的92天中，发生了 1,352,804,107次请求。

3、Page view statistics for Wikimedia projects

4、AOL Search Query Logs - RP

5、livedoor gourmet

海量图像数据集：

1、ImageNet

包含1400万的图像。

2、Tiny Images Dataset

包含8000万的32x32图像。

3、 MirFlickr1M

Flickr中的100万的图像集。

4、 CoPhIR

Flickr中的1亿600万的图像

5、SBU captioned photo dataset

Flickr中的100万的图像集。

6、Large-Scale Image Annotation using Visual Synset(ICCV 2011)

包含2亿图像

7、NUS-WIDE

Flickr中的27万的图像集。

8、SUN dataset

包含13万的图像

9、MSRA-MM

包含100万的图像，23000视频

10、TRECVID

目前还没有国内的企业或者组织开放自己的数据集。

转载于:https://blog.51cto.com/xuhaijiao/1306146

大数据实验数据集何处来？相关推荐

AI公开课：19.05.29 浣军-百度大数据实验室主任《AutoDL 自动化深度学习建模的算法和应用》课堂笔记以及个人感悟
AI公开课:19.05.29 浣军百度大数据实验室主任<AutoDL 自动化深度学习建模的算法和应用>课堂笔记以及个人感悟导读浣军博士,汉族,1975年出生于江苏苏州, ...
在阿里云中搭建大数据实验环境
云计算是和自来水一样的商业模式.有了自来水,我们可以不用自己挖井,就可以快速.便捷.廉价地获得水资源.而有了云计算,我们就可以不用自己建机房.买设备.维护系统,就可以快速.便捷.廉价地获得IT资源(C ...
邀请函|欢迎参加2019云创大数据实验平台金融类/电子商务类/数学统计类院校各省总代理招募大会！...
云创大数据将于2019年1月16日(周三)在南京举办"2019云创大数据实验平台金融类/电子商务类/数学统计类院校各省总代理招募大会",欢迎全国各省有意愿成为云创大数据实验平台各省 ...
头歌Educoder云计算与大数据——实验二 Hadoop单机部署
头歌Educoder云计算与大数据--实验二 Hadoop单机部署答案在下面的链接里 https://blog.csdn.net/qq_20185737/article/details/114677 ...
大数据实验报告总结体会_大数据挖掘流程及方法总结
是新朋友吗?记得先点蓝字关注我哦- 今日课程菜单 Java全栈开发 | Web前端+H5 大数据开发| 数据分析人工智能+Python | 人工智能+物联网来源:小职(z_zhizuobiao) ...
大数据实验报告总结体会_建设大数据中台架构思考与总结
简介本文介绍完善的大数据中台架构了解这些架构里每个部分的位置,功能和含义及背后原理及应用场景. 帮助技术与产品经理对大数据技术体系有个全面的了解. 数据中台定义:集成离线数仓与实时数仓,并以多数据源 ...
哈工大大数据实验_【新闻动态】南京大学PASA大数据实验室在KDD Cup 2020 AutoGraph自动化图数据建模国际挑战赛中荣获第二名...
近期,在素有"数据世界杯"之称的KDD Cup 2020数据挖掘国际大赛AutoML自动化机器学习赛道(AutoGraph自动化图数据建模)中,南京大学PASA大数据实验室代表队P ...
MaxCompute SQL大数据公开数据集实战
MaxCompute公开数据集简介目前阿里云MaxCompute已经免费向全部用户开放了多种公用数据集,包括: 股票价格数据房产信息影视及其票房数据 TPC-DS数据集这些公开数据现已免费开放 ...
大数据实验报告【全集】
所用教材↑,配套PPT和厦门大学林子雨配套MOOC内容和书里的内容差不多. [意味着课上不好好听,课下你还能看教科书补(╹ڡ╹ )]建议先实验再听课或看书. 若对你有帮助的话,记得点赞.关注我哦!实验 ...
哈工大大数据实验_大数据创新实验室丨警大智慧警务学院人才培养打造新引擎...
2020年11月13日,警察大学智慧警务学院与江苏省南通市通州区公安局签署了<大数据创新运用联合开发实验室合作框架协议>.智慧警务学院党委书记王连鹏,南通市通州区副区长.公安局局长杨彬,南 ...

大数据实验数据集何处来？

大数据实验数据集何处来？相关推荐

最新文章

热门文章