Open ccc013 opened 5 years ago
机器学习基石 [课程主页] [b站视频] 配套书籍:Learning From Data 笔记和习题
机器学习技法 [b站视频]
代码:https://github.com/wzyonggege/statistical-learning-method
https://github.com/WenDesi/lihang_book_algorithm
https://blog.csdn.net/tudaodiaozhale
https://github.com/fengdu78/lihang-code
https://github.com/SmirkCao/Lihang
南瓜书: https://github.com/datawhalechina/pumpkin-book 对书中公式的补充推导
2019年accepted paper:
https://aaai.org/Conferences/AAAI-19/wp-content/uploads/2018/11/AAAI-19_Accepted_Papers.pdf
2018年accepted paper:
https://aaai.org/Conferences/AAAI-18/wp-content/uploads/2017/12/AAAI-18-Accepted-Paper-List.Web_.pdf
2017年accepted paper:
https://www.aaai.org/Conferences/AAAI/2017/aaai17accepted-papers.pdf
2018年accepted paper:
http://www.ijcai-18.org/accepted-papers/index.html
2017年accepted paper:
https://ijcai-17.org/accepted-papers.html
2018年accepted paper:
https://icml.cc/Conferences/2018/Schedule?type=Poster
2017年accepted paper:
https://icml.cc/Conferences/2017/Schedule?type=Poster
2018年accepted paper:
https://nips.cc/Conferences/2018/Schedule?type=Poster
2017年accepted paper:
https://nips.cc/Conferences/2017/Schedule?type=Poster
CVPR 2018 accepted paper:http://openaccess.thecvf.com/CVPR2018.py
CVPR 2017 accepted paper:http://openaccess.thecvf.com/CVPR2017.py
ICCV 2017 accepted paper:http://openaccess.thecvf.com/ICCV2017.py
ECCV 2018 accepted paper:http://openaccess.thecvf.com/ECCV2018.py
数据集地址:
https://www.kaggle.com/datasets
每个数据集都是一个小型社区,用户可以在其中讨论数据、查找公共代码或在内核中创建自己的项目。包含各式各样的真实数据集。
用户还可以看到与每个数据集相关的“内核”,许多数据科学家还提供了相关手册来分析数据集。
数据集地址:
https://registry.opendata.aws/
该数据源包含多个不同领域的数据集,如:公共交通、生态资源、卫星图像等。
网页中也有一个搜索框来帮助用户寻找想要的数据集,还有所有数据集的描述和使用示例,这些数据集信息丰富且易于使用!
数据集存储在Amazon Web Services (AWS)资源中,比如Amazon S3——云中的一个高度可伸缩的对象存储服务。
如果用户正在使用AWS进行机器学习实验和开发,这将非常方便,由于它是AWS网络的本地数据,因此数据集的传输将非常快。
数据集地址:
https://archive.ics.uci.edu/ml/datasets.html
另一个来自加州大学信息与计算机科学学院的大型资源库,包含100多个数据集。
用户可以找到单变量和多变量时间序列数据集,分类、回归或推荐系统的数据集。
有些UCI的数据集已经是被清洗过的。
数据集地址:
https://toolbox.google.com/datasetsearch
在2018年末,谷歌做了他们最擅长的事情,推出了另一项伟大的服务——它是一个可以按名称搜索数据集的工具箱。
他们的目标是统一成千上万个不同的数据集存储库,使这些数据能够且易被发现。
数据集地址:
2018年7月,微软与外部研究社区共同宣布推出“Microsoft Research Open Data”。
它在云中包含一个数据存储库,用于促进全球研究社区之间的协作。它提供了一系列用于已发表研究的、经过处理的数据集。
数据集地址:
https://github.com/awesomedata/awesome-public-datasets
这是一个按“主题”组织的数据集,比如生物学、经济学、教育学等。
这里列出的大多数数据集都是免费的,但是在使用任何数据集之前,用户需要检查一下许可要求。
政府相关数据集也很容易找到的。
许多国家为了提高透明度,向公众分享了各种数据集。以下是一些例子:
欧盟开放数据门户:欧洲政府数据集。
数据集地址:
https://data.europa.eu/euodp/data/dataset
美国政府数据:目前由于一些非政治性原因,暂时无法访问。
数据集地址:
新西兰政府数据集:
数据集地址:
https://catalogue.data.govt.nz/dataset
印度政府数据集:
数据集地址:
数据集地址:
Visual Data包含一些可以用来构建计算机视觉(CV)模型的大型数据集。
用户可以通过特定的CV主题查找特定的数据集,如语义分割、图像标题、图像生成,甚至可以通过解决方案(自动驾驶汽车数据集)查找特定的数据集。
数据集介绍:https://blog.csdn.net/Cloudox_/article/details/78432517
百度云下载:https://pan.baidu.com/s/1eSNpdRG#list/path=%2FCelebA%2FImg
数据集:Large-scale Fashion (DeepFashion) Database
论文:DeepFashion: Powering Robust Clothes Recognition and Retrieval with Rich Annotations.
文章:
论文:MVC: A Dataset for View-Invariant Clothing Retrieval and Attribute Prediction
数据集:数据集
汇总目录: