知識星球如今的我們，淹沒在大資料的海洋中，卻又忍受著因沒有資料而導致的饑渴。很多人都想做大資料研究，但資料在哪裡呢？資料不再是“資源”，而是變成了一種重要“資產”。
—— 摘自《資料科學理論與實踐》
除了利用網路爬蟲收集資料、資料生成和儲存部門的供給之外，我們還可以透過以下方式獲得大資料（在每一類途徑之下給出了代表性資料集）：
1政府開放資料
-
美國政府開放的資料集 ：https://www.data.gov/
-
美國交通事故資料集：https://www-fars.nhtsa.dot.gov/Main/index.aspx
-
美國空氣質量資料集：http://aqsdr1.epa.gov/aqsweb/aqstmp/airdata/download_files.html
-
印度政府公開的資料：data.gov.in(https://data.gov.in/)
-
英國政府公開的資料集：https://data.gov.uk/
2企業或公益組織
-
Amazon Web Services (AWS) datasets：（https://aws.amazon.com/datasets/
-
Google datasets：https://cloud.google.com/bigquery/public-data/
-
Youtube labeled Video Dataset：https://research.google.com/youtube8m/
-
NASA：https://data.nasa.gov/
-
世界銀行：http://www.shihang.org/
-
紐約出租車：http://chriswhong.github.io/nyctaxi/
3大資料競賽平臺
-
Kaggle：https://www.kaggle.com/datasets
-
Past KDD Cups：http://www.kdd.org/kdd-cup
-
Driven Data：https://www.drivendata.org/
4機器學習領域經典資料集
-
UCI：https://archive.ics.uci.edu/ml/datasets.html
-
Delve Datasets: http://www.cs.toronto.edu/~delve/data/datasets.html
5統計學領域經典資料集
-
統計學領域論文、學術期刊、著名圖書中的資料集
-
各類統計年鑒
-
統計資料庫
6其他
-
R包中的資料集，如nycflights13
本文授權轉自：資料科學DataScience；
END
如果你對人工智慧與機器學習感興趣，請加交流群：群號:139482724 ；
版權宣告：本號內容部分來自網際網路，轉載請註明原文連結和作者，如有侵權或出處有誤請和我們聯絡。
關聯閱讀：
原創系列文章：
資料運營 關聯文章閱讀：
資料分析、資料產品 關聯文章閱讀：
