刚入人工智能行业小白所需要的开源数据以及语言...

掌握一门新的技术其实并不难，要对所学习的东西有系统化的认识，学习起来要有规划

第一要具备Java、Python、Linux相关的语言知识，这是当下非常热门较为受到追捧的预言，如果你从来没有写过上面3种代码也没有关系，只要你从事过开发工作，具有其他语言知识便能较快掌握上述3种语言的基础。其中Python是AI最好的开发语言，常常用于智能电话机器人开发以及CRM系统管理的建设。


第二要了解并能搭建企业业务场景下的大数据架构，比如最常用的Hadoop、Spark、Flume等基础组件，要熟练的通过编程把一个个组件搭建成一个能灵活运行的架构集群。


第三要熟悉并能熟练运用机器学习相关的算法，根据要解决的业务问题选择算法，比如解决电话机器人好不好用或者是怎么用时候，就需要通过数据与结果的反馈不断对其进行调整优化，在面对信息流时就要考虑到推荐和去重两个业务场景，针对这两个场景选择相关算法，并通过数据和结果对他们不断优化，来的达到最优。


很多大数据、机器学习、人工智能的初学者都需要大量的数据去进行练习，因为之前从未深度接触过相关领域，很难找到合适的练习数据，给大家推荐几个开源的数据集网站。



一、比较简单的数据集网站

Data.gov，这个是美国**的公开数据网站，包含了来自气候、教育、能源、金融等领域的19万多的数据集。

data.WorldBank.org，这个是世界银行的开放数据网站，提供了世界发展指数、教育指数等几大类数据集。  



二、大型数据集网站

Amazon WebServices（AWS）datasets，亚马逊提供完整的安然电子邮件、Google Booksn-gram，NASA NEX，百万歌曲等数据集，你可以在亚马逊平台使用也可以在本地计算机上使用。

Googledatasets

谷歌为广大开发者提供了一些数据集作为其Big Query工具的一部分，包括GiHub公共资料库和Hacker News的所有故事和评论。



三、预测建模与机器学习数据集

UCI MachineLearning Repository

UCI机器学习库是当下最受欢迎的数据库，其包括了各种各样的数据集。比如空气质量、GPS轨迹等大型数据集。

Kaggle

Kaggle推出了一个数据收集平台，人们可以自发贡献数据，现在总共有350多个数据集，其中有超过200个是特征数据集。



四、图像分类数据集

The MNISTDatabbse

当下国内外最热门的图像识别数据库，主要为手写数字。包括6万个示例和1万个示例的测试集。

Chars74K

该数据集包括自然图像中的字符识别，包含74,000个图像。

Frontal FaceImages

这个数据集主要是是由CMU & MIT收集的正面人脸图像。



五、文本分类数据集

Movie ReviewData

这个数据集网站提供了一席勒电影评论文件，其中标注了用户的总体情绪极性(正面或负面)或主观评价和对其主观性地位(主观或客观)或极性的标签