至顶网CIO与应用频道 02月27日 编译:机器学习、人工智能、区块链、预测分析——所有令人惊叹的技术都承诺将革新商业和社会。
但如果没有数据的话,这些技术就一无是处。所幸的是,对于那些没有资源有条不紊收集每一条有用信息的企业和组织而言,他们可以免费从网上得到庞大(并且不断增加)的数据。
我们列出了2018年的30个免费在线大数据来源:
1、 世界银行开放数据(World Bank Open Data),是涵盖了全球人口统计数据、大量经济和发展指标的数据集。
2、 国际货币基金组织数据(IMF Data),国际货币基金组织公布的国际财务状况、债务率、外汇储备、商品价格和投资数据。
3、 美国国家教育统计中心(The US National Center for Education Statistics Data),提供了覆盖美国和世界各地的教育机构和教育人口统计的数据。
4、 英国数据中心(The UK Data Centre)是英国最大的社会、经济和人口的数据集。
5、 FiveThirtyEight,有大量提供政治和体育问题舆论数据的民意调查。
6、 FBI统一犯罪报告(FBI Uniform Crime Reporting),联邦调查局负责编辑和出版国家犯罪统计数据,并在国家、州和县级提供免费数据。
7、 美国司法局(Bureau of Justice),在这里你可以找到关于美国执法机构、监狱、假释和缓刑机构及法院的数据。
8、 Qlick Data Market提供免费包,可访问涵盖世界人口、货币、发展指标和天气数据的数据集。
9、 美国宇航局外行星存档(NASA Exoplanet Archive)的公共数据集涵盖了由美国宇航局空间探索任务收集的行星和恒星数据。
10、 联合国贸易数据库(UN Comtrade Database Statistics)统计是由联合国汇编并出版的资料,包括Comtrade Lab,展示了如何使用尖端分析和工具从数据中提取价值。
11、 金融时报市场数据(Financial Times Market Data)是关于全球金融市场的最新信息,包括股票价格指数、商品和外汇。
12、 谷歌趋势(Google Trends)是检查和分析全球互联网上搜索活动和趋势新闻的数据。
13、 Twitter,Twitter的优势在于大多数对话都是公开的,这意味着大量的数据可以通过其API获得,谁正在谈论什么,何地、何时以及为什么。
14、 谷歌学术(Google Scholar)包括学术论文、期刊、书籍和法律判例法的文本内容。
15、 Instagram,与Twitter一样,Instagram的帖子和对话默认为公开,其API允许对喜欢、提及和商业细节进行分析。
16、 OpenCorporates是全球最大的企业开放数据库。
17、 Glassdoor API提供了有关职位空缺、候选人、薪水和员工满意度的信息,可通过他们的开发者API获得。
18、 IMDB Datasets,是从网络上最大的电影、电视和从业人员中获得的多种格式数据集。
19、 OpenLibrary Data Dumps是关于世界各地图书馆书籍目录的数据集。
20、 Labelled Faces in the Wild整理并标记了13,000个人脸图像,用于开发涉及面部识别的应用。
21、 Microsoft Marco是微软的开放式机器学习数据集,用于阅读理解和问题回答的培训系统。
22、 机器学习数据集知识库(Machine Learning Dataset Repository)由集合了由参与机器学习项目的数据科学家贡献的开放数据集。
23、 易趣市场数据洞察(eBay Market Data Insights)提供了来自eBay的数以百万计的在线销售和拍卖数据。
24、 自然历史博物馆数据门户(Natural History Museum Data Portal)提供了关于伦敦博物馆藏品中近400万个历史标本的信息,以及自然世界的科学录音。
25、 欧洲核子研究中心开放数据(CERN Open Data),欧洲核子研究中心开展的粒子物理实验提供了超过1PB的数据。
26、 One Million Audio Cover Images数据集托管在archive.org上,涵盖世界各地发布的音乐,用于图像处理研究
27、 Complete Public Reddit Comments Corpus,2007年至2015年期间在Reddit上发布的10多亿份公共评论,用于训练语言算法。
28、 Microsoft Azure Data Markets Free Datasets,提供了涵盖从农业到天气所有内容的免费数据集。
29、 Irish Electric Vehicle Charge Point Status收集了这个负责爱尔兰共和国和北爱尔兰电动汽车充电站网络数据机构的数据。
30、 LondonAir提供了来自伦敦各地的污染和空气质量数据。
好文章,需要你的鼓励
最新数据显示,Windows 11市场份额已达50.24%,首次超越Windows 10的46.84%。这一转变主要源于Windows 10即将于2025年10月14日结束支持,企业用户加速迁移。一年前Windows 10份额还高达66.04%,而Windows 11仅为29.75%。企业多采用分批迁移策略,部分选择付费延长支持或转向Windows 365。硬件销售受限,AI PC等高端产品销量平平,市场份额提升更多来自系统升级而非新设备采购。
清华大学团队开发出LangScene-X系统,仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图,配合语言量化压缩器实现高效特征处理,最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%,为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。
新一代液态基础模型突破传统变换器架构,能耗降低10-20倍,可直接在手机等边缘设备运行。该技术基于线虫大脑结构开发,支持离线运行,无需云服务和数据中心基础设施。在性能基准测试中已超越同等规模的Meta Llama和微软Phi模型,为企业级应用和边缘计算提供低成本、高性能解决方案,在隐私保护、安全性和低延迟方面具有显著优势。
IntelliGen AI推出IntFold可控蛋白质结构预测模型,不仅达到AlphaFold 3同等精度,更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态,在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计,IntFold可高效适应不同任务而无需重新训练,为精准医学和药物发现开辟了新路径。