1、Kaggle 数据集
链接：
https://www.kaggle.com/datasets
这是当前数据科学领域最热门，也是最受欢迎的数据集之一。在 Kaggle 中，每个数据集都是对应一项比赛，参赛者可以在这个小社区里讨论数据，查找一些公共代码或在 kernel 中创建自己的项目。Kaggle 中包含大量不同类型，不同大小以及多种不同格式的真实数据集。此外，参赛者还可以看到与每个数据集关联的 kernel，其中许多数据科学家会上传自己的 notebooks 来分析数据集，还能找到解决特定数据集问题的算法实现。
2、Amazon 数据集
链接：
https://registry.opendata.aws/
Amazon 数据库包含不同领域的多种数据集，如公共交通，生态资源，卫星图像等。在数据集官网还有一个搜索框，可以帮助使用者快速找到所需的数据集。每个数据集包含相应的数据集描述和使用示例，数据量非常丰富且易于使用。
此外，依托于 Amazon Web Services (AWS) 平台，如 Amazon S3，这些储存在云端的数据集都有高度的可扩展性服务，这对于那些使用 AWS 进行机器学习开发和实验的用户来说，将非常方便。因为在云端，数据集的传输将非常快。
3、UCI 机器学习数据集
链接：
https://archive.ics.uci.edu/ml/datasets.html
这是由加州大学欧文分校（UCI）信息与计算机科学学院的研究者创建的一个包含 100 多种不同类型数据集的大型数据库。该数据库根据不同的机器学习问题来对数据集进行分类，在这里，用户可以找到单变量、多变量时间序列数据集，分类、回归、推荐系统数据集等。此外，该数据库中的部分数据集已经经过数据清洗过程，是可以直接为用户使用。
4、Google 数据集所搜引擎
链接：
https://toolbox.google.com/datasetsearch
2018 年 9 月，Google 推出了这项服务，它是一个可以按名称搜索相应数据集的工具箱，其目标是集成数万个不同的数据集，并对用户开放使用。
5、Miscrosoft 数据集
链接：
2018 年 7 月，Miscrosoft 联合其外部的研究社区声明发布 Miscrosoft Research Open Data 服务。这项存储在云端的数据库，包含了一系列在已发表研究中使用过的数据集，致力于促进全球研究社区的研究合作。
6、Awesome 公开数据集
链接：
A topic-centric list of HQ open datasets.
Awesome 是一个按不同主题分类的数据库，其中涵盖了如生物学，经济学，教育等不同领域的重要数据集，其中列出的大多数数据集都可供用户免费试用，但在使用任何数据集之前，用户需要通过认证已获得使用许可。
7、government 数据集
在这里你可以找到那些与政府相关的数据集。为显示政府工作的透明度，许多国家机构公开发布了其国家在一些领域的数据集，如下示例：
EU Open Data：欧洲政府数据集
链接：
https://data.europa.eu/euodp/data/dataset
US Gov Data：美国政府数据 (非政治问题上的数据集，但自特朗普政府上调以来，该网站数据集暂时无法使用)
链接：
New Zealand’s Government Dataset：新西兰政府数据集
链接：
https://catalogue.data.govt.nz/dataset
Indian Government Dataset：印度政府数据集
链接：
8、Computer Vision 领域数据集
链接：
如果是从事图像处理、计算机视觉或深度学习领域的工作，那么该数据集会是最好的实验资源。Visual Data 包含一些可用于构建计算机视觉（CV）模型的优秀数据集。使用者可以通过某个特定的 CV 任务来查找相应的数据集，如语义分割（semantic segmentation）、图像生成标题（image captioning）、图像生成（image generation），甚至是无人驾驶解决方案所需的数据集。