1、Kaggle 數據集
連結：
https://www.kaggle.com/datasets
這是當前數據科學領域最熱門，也是最受歡迎的數據集之一。在 Kaggle 中，每個數據集都是對應一項比賽，參賽者可以在這個小社區裡討論數據，查找一些公共代碼或在 kernel 中創建自己的項目。Kaggle 中包含大量不同類型，不同大小以及多種不同格式的真實數據集。此外，參賽者還可以看到與每個數據集關聯的 kernel，其中許多數據科學家會上傳自己的 notebooks 來分析數據集，還能找到解決特定數據集問題的算法實現。
2、Amazon 數據集
連結：
https://registry.opendata.aws/
Amazon 數據庫包含不同領域的多種數據集，如公共交通，生態資源，衛星圖像等。在數據集官網還有一個搜索框，可以幫助使用者快速找到所需的數據集。每個數據集包含相應的數據集描述和使用示例，數據量非常豐富且易於使用。
此外，依托於 Amazon Web Services (AWS) 平台，如 Amazon S3，這些儲存在雲端的數據集都有高度的可擴展性服務，這對於那些使用 AWS 進行機器學習開發和實驗的用戶來說，將非常方便。因為在雲端，數據集的傳輸將非常快。
3、UCI 機器學習數據集
連結：
https://archive.ics.uci.edu/ml/datasets.html
這是由加州大學歐文分校（UCI）信息與計算機科學學院的研究者創建的一個包含 100 多種不同類型數據集的大型數據庫。該數據庫根據不同的機器學習問題來對數據集進行分類，在這裡，用戶可以找到單變量、多變量時間序列數據集，分類、回歸、推薦系統數據集等。此外，該數據庫中的部分數據集已經經過數據清洗過程，是可以直接為用戶使用。
4、Google 數據集搜尋引擎
連結：
https://toolbox.google.com/datasetsearch
2018 年 9 月，Google 推出了這項服務，它是一個可以按名稱搜索相應數據集的工具箱，其目標是集成數萬個不同的數據集，並對用戶開放使用。
5、Miscrosoft 數據集
連結：
2018 年 7 月，Miscrosoft 聯合其外部的研究社區聲明發布 Miscrosoft Research Open Data 服務。這項儲存在雲端的數據庫，包含了一系列在已發表研究中使用過的數據集，致力於促進全球研究社區的研究合作。
6、Awesome 公開數據集
連結：
A topic-centric list of HQ open datasets.
Awesome 是一個按不同主題分類的數據庫，其中涵蓋了如生物學，經濟學，教育等不同領域的重要數據集，其中列出的大多數數據集都可供用戶免費試用，但在使用任何數據集之前，用戶需要通過認證已獲得使用許可。
7、government 數據集
在這裡你可以找到那些與政府相關的數據集。為顯示政府工作的透明度，許多國家機構公開發布了其國家在一些領域的數據集，如下示例：
EU Open Data：歐洲政府數據集
連結：
https://data.europa.eu/euodp/data/dataset
US Gov Data：美國政府數據 (非政治問題上的數據集，但自特朗普政府上調以來，該網站數據集暫時無法使用)
連結：
New Zealand’s Government Dataset：新西蘭政府數據集
連結：
https://catalogue.data.govt.nz/dataset
Indian Government Dataset：印度政府數據集
連結：
8、Computer Vision 領域數據集
連結：
如果是從事圖像處理、計算機視覺或深度學習領域的工作，那麼該數據集會是最好的實驗資源。Visual Data 包含一些可用於構建計算機視覺（CV）模型的優秀數據集。使用者可以通過某個特定的 CV 任務來查找相應的數據集，如語義分割（semantic segmentation）、圖像生成標題（image captioning）、圖像生成（image generation），甚至是無人駕駛解決方案所需的數據集。