diff --git a/README.md b/README.md index 4cf9be3..5f79512 100644 --- a/README.md +++ b/README.md @@ -1,5 +1,5 @@ -# 官方权威统计数据（持续更新：2022-4-18） +# 官方权威统计数据（持续更新：2022-4-12） [数据下载](data.md) ```markdown 收集整理的【官方权威】公开数据 @@ -60,10 +60,11 @@ http://www.gov.cn/shuju/index.htm ## 6. 中国信通院 :+1::+1::+1: http://www.caict.ac.cn/kxyj/ -- 😄[白皮书：270 个](./data/data-caict.md) +- 😄[白皮书：271 个](http://www.caict.ac.cn/kxyj/qwfb/bps) [(下载)](./data/data-caict-bps.md) |名称（详情）|发布日期|下载（点击）| |:----|:----|:----| +|[**数据中心白皮书（2022年）**](http://www.caict.ac.cn/kxyj/qwfb/bps/202204/t20220422_400391.htm)|2022-04-22|[数据中心白皮书（2022年）.pdf](http://www.caict.ac.cn/kxyj/qwfb/bps/202204/P020220422707354529853.pdf) |[**人工智能白皮书（2022年**）](http://www.caict.ac.cn/kxyj/qwfb/bps/202204/t20220412_399752.htm)|2022-04-12|[人工智能白皮书（2022年）.pdf](http://www.caict.ac.cn/kxyj/qwfb/bps/202204/P020220412613255124271.pdf) |[AI框架发展白皮书（2022年）](http://www.caict.ac.cn/kxyj/qwfb/bps/202202/t20220225_397170.htm)|2022-02-25|[AI框架发展白皮书（2022年）.pdf](http://www.caict.ac.cn/kxyj/qwfb/bps/202202/P020220226369908606520.pdf) |[2021年白皮书合集](http://www.caict.ac.cn/kxyj/qwfb/bps/202201/t20220126_396162.htm)|2022-01-26|[2021白皮书合集.zip](http://www.caict.ac.cn/kxyj/qwfb/bps/202201/P020220126330196461412.zip) @@ -71,22 +72,23 @@ http://www.caict.ac.cn/kxyj/ |[**全球数字治理白皮书**](http://www.caict.ac.cn/kxyj/qwfb/bps/202112/t20211223_394423.htm)|2021-12-23|[全球数字治理白皮书.pdf](http://www.caict.ac.cn/kxyj/qwfb/bps/202112/P020211223383085909153.pdf) -- 😄[专题报告：195 个](./data/data-caict.md) +- 😄[专题报告：196 个](http://www.caict.ac.cn/kxyj/qwfb) [(下载)](./data/data-caict-ztbg.md) |名称（详情）|发布日期|下载（点击）| |:----|:----|:----| +|[**全球5G专利活动报告（2022年）**](http://www.caict.ac.cn/kxyj/qwfb/ztbg/202204/t20220422_400379.htm)|2022-04-22|[全球5G专利活动报告（2022年）.pdf](http://www.caict.ac.cn/kxyj/qwfb/ztbg/202204/P020220422375972363387.pdf) |[中国第三方数据中心运营商分析报告（2022年）](http://www.caict.ac.cn/kxyj/qwfb/ztbg/202204/t20220408_399556.htm)|2022-04-08|[中国第三方数据中心运营商分析报告（2022年）.pdf](http://www.caict.ac.cn/kxyj/qwfb/ztbg/202204/P020220408530633654580.pdf) |[全球云游戏产业深度观察及趋势研判研究报告（2022年）](http://www.caict.ac.cn/kxyj/qwfb/ztbg/202203/t20220317_398029.htm)|2022-03-17|[全球云游戏产业深度观察及趋势研判研究报告（2022年）.pdf](http://www.caict.ac.cn/kxyj/qwfb/ztbg/202203/P020220317526747187627.pdf) -|[数字营销异常流量研究报告（2022年）](http://www.caict.ac.cn/kxyj/qwfb/ztbg/202203/t20220314_397916.htm)|2022-03-14|[数字营销异常流量研究报告（2022年）.pdf](http://www.caict.ac.cn/kxyj/qwfb/ztbg/202203/P020220314605106336626.pdf) -- 😄[权威数据：476 个](http://www.caict.ac.cn/kxyj/qwfb/qwsj/) +- 😄[权威数据：479 个](http://www.caict.ac.cn/kxyj/qwfb/qwsj/) [(下载)](./data/data-caict-qwsj.md) |名称（点击下载）|发布日期| |:----|:----| +|[2022年一季度新能源汽车行业运行监测报告](http://www.caict.ac.cn/kxyj/qwfb/qwsj/202204/P020220422374640737386.pdf)|2022-04-22 +|[2022年一季度工业运行监测报告（一）](http://www.caict.ac.cn/kxyj/qwfb/qwsj/202204/P020220422489841622566.pdf)|2022-04-22 +|[2022年一季度电子行业运行监测报告](http://www.caict.ac.cn/kxyj/qwfb/qwsj/202204/P020220422372405708565.pdf)|2022-04-22 |[2022年1-2月钢铁行业运行监测报告](http://www.caict.ac.cn/kxyj/qwfb/qwsj/202203/P020220331308726461643.pdf)|2022-03-31 |[2022年1-2月医药行业运行监测报告](http://www.caict.ac.cn/kxyj/qwfb/qwsj/202203/P020220331307064584525.pdf)|2022-03-31 -|[信息无障碍动态（2022年第3期）](http://www.caict.ac.cn/kxyj/qwfb/qwsj/202203/P020220330529197166060.pdf)|2022-03-30 -- [数据下载](./data/data-caict.md) *** ## 7. 财富FORTUNE 500强 :+1::+1::+1: [500强数据](top500.md) @@ -115,6 +117,29 @@ http://www.caict.ac.cn/kxyj/ 😄[行业年度报告-（2012年——2022年）](./data/data-report-year.md) +*** +## 10. AI公开数据集（^_^最好的在最后^_^） :+1::+1::+1::+1::+1: 五星强推！！！！！ +- [最全中文NLP资源库](https://github.com/fighting41love/funNLP) + 😄[（本地镜像）](./data/funnlp.md) +- 开放数据集(Open Dataset) + +|类别|名称|数量|说明| +|:----|:----|:----|:----| +|自然语言|[Question Pairs](https://data.quora.com/First-Quora-Dataset-Release-Question-Pairs)|58.7MB|第一个来源于 Quora 的包含重复/语义相似性标签的数据集。数据集由超过40万行行的潜在问题的问答组成。每行行数据包含问题ID、问题全文以及指示该行行是否真正包含重复对的二进制值。 +| |[MS MARCO](http://www.msmarco.org/)| |MS MARCO是一种新的大规模阅读理理解和问答数据集。 在MSMARCO中，所有问题都是从真正的匿匿名用户查询中抽取的。使用先进的Bing搜索引擎版本，从实际的Web文档中提取数据集中的答案的上下文段落。 +|图像类|[Open Images Dataset V4](https://storage.googleapis.com/openimages/web/index.html)|9百万|其中包括大约9百万标注图片、横跨6000个类别标签，平均每个图像拥有8个标签。该数据集的标签涵盖比拥有1000个类别标签的ImageNet具体更更多的现实实体，可用于计算机视觉方向的训练。 +| |[MNIST（Image processing data set）](http://yann.lecun.com/exdb/mnist/)|约50MB,10大类，70000张图像|这是一个手写数字数据集，包含一个有着 60000 样本的训练集和一个有着 10000 样本的测试集。对于在现实世界数据上尝试学习技术和深度识别模式而言，这是一个非常好的数据库，且无需花费过多时间和精力力进行行数据预处理。 +|音频类|[FMA](https://arxiv.org/abs/1612.01840)|689种|该数据集是免费音乐存档（FMA）的转储，这是一个高质量量的合法音频下载的互动库。这些数据集中包含歌曲名称、音乐类型、曲目计数等信息，共计689种歌曲和68种类型。该数据集可用于音乐分析。 +| |[TED-LUM](http://www.openslr.org/7/)|21GB|TED Talk的音频数据集，包含1495个录音和音频会议、159848条发音词典和部分WMT12公开的语料料库。 +|视频类|[YouTube-8M](https://research.google.com/youtube8m/)|35万小时|YouTube-8M一个大型的多样性标注的视频数据集，目前拥有610万的YouTube视频链接、35万小时视频时长、2.6亿视频/音频特征、3862个分类、平均每个视频拥有3个标签。（统计时间：2018.11.9） +| |[COCO](http://cocodataset.org/)| |COCO（Common Objects in Context）是一个新的图像识别、分割和图像语义数据集，由微软赞助，图像中不不仅有标注类别、位置信息，还有对图像的语义文本描述。COCO数据集的开源使得近两、三年年来图像分割语义理理解取得了了巨大的进展，也几乎成为了了图像语义理理解算法性能评价的“标准”数据集。 +- ml机器学习数据集 + +- dl深度学习数据集 + +- 大学开发数据集 + + *** ### 参考资料 :+1::+1: - wget [详情](https://www.gnu.org/software/wget/) diff --git a/data.md b/data.md index c1c41ed..0aae3d0 100644 --- a/data.md +++ b/data.md @@ -1,4 +1,4 @@ -# 官方权威统计数据（更新日期：2022-4-12） +# 官方权威统计数据（更新日期：2022-4-22） ## 中国统计年鉴 :+1::+1::+1: http://www.stats.gov.cn/tjsj/ndsj/ @@ -30,10 +30,9 @@ http://www.gov.cn/shuju/index.htm *** ## 6. 中国信通院 :+1::+1::+1: http://www.caict.ac.cn/kxyj/ -- [白皮书](http://www.caict.ac.cn/kxyj/qwfb/bps/) -- [权威数据](http://www.caict.ac.cn/kxyj/qwfb/qwsj/) -- [专题报告](http://www.caict.ac.cn/kxyj/qwfb/ztbg/) -- [数据下载](./data/data-caict.md) +- [白皮书 271个 ](http://www.caict.ac.cn/kxyj/qwfb/bps/) [(下载)](./data/data-caict-bps.md) +- [权威数据 479个 ](http://www.caict.ac.cn/kxyj/qwfb/qwsj/) [(下载)](./data/data-caict-qwsj.md) +- [专题报告 196个 ](http://www.caict.ac.cn/kxyj/qwfb/ztbg/) [(下载)](./data/data-caict-ztbg.md) *** ## 7. 财富FORTUNE 500强 :+1::+1::+1: [500强数据](top500.md) @@ -59,3 +58,32 @@ http://www.caict.ac.cn/kxyj/ 😄[行业分类报告-24个分类](./data/data-report.md) 😄[行业年度报告-（2012年——2022年）](./data/data-report-year.md) +*** +## 10. AI公开数据集（^_^最好的在最后^_^） :+1::+1::+1::+1::+1: 五星强推！！！！！ +- [最全中文NLP资源库](https://github.com/fighting41love/funNLP) + 😄[本地镜像](./data/funnlp.md) +- 开放数据集(Open Dataset) + +|类别|名称|数量|说明| +|:----|:----|:----|:----| +|自然语言|[Question Pairs](https://data.quora.com/First-Quora-Dataset-Release-Question-Pairs)|58.7MB|第一个来源于 Quora 的包含重复/语义相似性标签的数据集。数据集由超过40万行行的潜在问题的问答组成。每行行数据包含问题ID、问题全文以及指示该行行是否真正包含重复对的二进制值。 +| |[MS MARCO](http://www.msmarco.org/)| |MS MARCO是一种新的大规模阅读理理解和问答数据集。 在MSMARCO中，所有问题都是从真正的匿匿名用户查询中抽取的。使用先进的Bing搜索引擎版本，从实际的Web文档中提取数据集中的答案的上下文段落。 +|图像类|[Open Images Dataset V4](https://storage.googleapis.com/openimages/web/index.html)|9百万|其中包括大约9百万标注图片、横跨6000个类别标签，平均每个图像拥有8个标签。该数据集的标签涵盖比拥有1000个类别标签的ImageNet具体更更多的现实实体，可用于计算机视觉方向的训练。 +| |[MNIST（Image processing data set）](http://yann.lecun.com/exdb/mnist/)|约50MB,10大类，70000张图像|这是一个手写数字数据集，包含一个有着 60000 样本的训练集和一个有着 10000 样本的测试集。对于在现实世界数据上尝试学习技术和深度识别模式而言，这是一个非常好的数据库，且无需花费过多时间和精力力进行行数据预处理。 +|音频类|[FMA](https://arxiv.org/abs/1612.01840)|689种|该数据集是免费音乐存档（FMA）的转储，这是一个高质量量的合法音频下载的互动库。这些数据集中包含歌曲名称、音乐类型、曲目计数等信息，共计689种歌曲和68种类型。该数据集可用于音乐分析。 +| |[TED-LUM](http://www.openslr.org/7/)|21GB|TED Talk的音频数据集，包含1495个录音和音频会议、159848条发音词典和部分WMT12公开的语料料库。 +|视频类|[YouTube-8M](https://research.google.com/youtube8m/)|35万小时|YouTube-8M一个大型的多样性标注的视频数据集，目前拥有610万的YouTube视频链接、35万小时视频时长、2.6亿视频/音频特征、3862个分类、平均每个视频拥有3个标签。（统计时间：2018.11.9） +| |[COCO](http://cocodataset.org/)| |COCO（Common Objects in Context）是一个新的图像识别、分割和图像语义数据集，由微软赞助，图像中不不仅有标注类别、位置信息，还有对图像的语义文本描述。COCO数据集的开源使得近两、三年年来图像分割语义理理解取得了了巨大的进展，也几乎成为了了图像语义理理解算法性能评价的“标准”数据集。 +|Logo类|[WebLogo-2M Dataset](http://www.eecs.qmul.ac.uk/~hs308/WebLogo-2M.html/)|178.1GB|194类，2190757张 +| |[TopLogo-10 Dataset](http://www.eecs.qmul.ac.uk/~hs308/qmul_toplogo10.html/)|78.5MB|10类 +|综合类|[UCI](http://archive.ics.uci.edu/ml/index.php)|400|UCI数据集中包括了了众多用于监督式和非监督式学习的数据集，数量大概400多个，其中很多数据集在其他众多数据工具中被反复引用，例如Iris、Wine、dult、Car、Evaluation、Forest Fires等。 +| |[SNAP](http://snap.stanford.edu/data/index.html)| |斯坦福网络分析平台（SNAP）是一种用于分析和操纵大型网络的通用高性能系统，其本身使用的网络相关数据也对外开放，包括设计、社区、通信、网络图、互联网、道路路、维基百度网络、在线社区和评论等不不同主题，可用于分析大型社会和信息网络方面的研究成果。 + +- ml机器学习数据集 + +- dl深度学习数据集 + +- 大学开发数据集 + + + \ No newline at end of file