文本语料

百度飞桨数据集

飞桨 AI Studio 的数据集与实训资源。

天池

阿里的数据竞赛平台，赛题来自真实业务场景，参赛者可组队提交方案并查看排名，适合用真实赛题练习算法。

Awesome Public Datasets

按主题整理的公共数据集清单，适合找数据入口。

AWS Open Data

AWS 公开数据集目录，覆盖科研与行业数据。

Common Crawl

开放网页抓取语料，适合训练与文本研究。

EU Open Data Portal

欧盟开放数据门户，覆盖政策、经济与社会数据。

Google BigQuery Public Data

BigQuery 公共数据集，可直接用 SQL 查询分析。

Google Dataset Search

谷歌数据集搜索入口，适合研究者在公开网络上定位可用的数据集，并跳转到原始来源查看。

Hugging Face Datasets

汇集可检索的公开数据集与加载脚本，适合训练和评测模型时寻找语料，并对比不同来源之间的差异。

Kaggle

数据科学竞赛与数据集平台，赛题配有数据与讨论区，可复现方案并提交成绩，适合练手建模与学思路的分析师。

OpenDataLab

开放数据平台，汇集多模态数据集与数据工具。

OpenML

机器学习数据集与实验结果的开放平台。

Papers with Code

论文、代码与数据集放在一起的研究资源站。

UCI ML Repository

经典的机器学习数据集仓库，适合教学与实验。

World Bank Open Data

世界银行开放数据，适合宏观与国别研究。

国家统计局

中国官方统计数据的发布渠道，可查人口、经济与行业指标，适合做宏观研究、行业判断与报告引用。

世界银行开放数据

世界银行公开的全球发展数据集，含各国经济与社会指标，跨国对比、发展研究与报告引用都能在此找到依据。

Data.gov

汇总美国联邦与地方机构的开放数据集，适合做政策研究、行业分析、可视化与模型训练的数据使用者。

Our World in Data

汇集全球议题数据的可视化站点，用图表呈现人口、健康与环境趋势，适合写作与研究时引用公开数据。