Ressources, Evénements, Source de données

Source de données

annuaire de données

• Data Sources on the Web (MRAN)

• Awesome Public Datasets

• Wikidata

• Where can I find large datasets open to the public? (Quora)

API

• données vélib

• API SNCF

• Bing Maps API

• API Geocoding (voir également le module geopy)

• Dark Sky API (météo, temps passé et futur, payant)

Jeux de données

• banque Home Mortgage Disclouse Act (voir Introducing Blaze - HMDA Practice

• cinéma IMDB 5000 Movie Dataset

• climat OpenWeatherMap

• climat Land-Based Datasets and Products, Daily Global Weather Measurements, 1929-2009 (NCDC, GSOD), voir aussi Daily Global Weather Measurements (http://spatial-analyst.net/)

• climat Pangeo Data Catalog

• code Evénements GitHub : tous les commit sur GitHub chaque jour (~15.000 commit par jour)

• consommation World Food Facts

• deep: Microsoft Research Open Data

• finance Daily News for Stock Market Prediction

• images ImageNet, base de données d’images avec leur contenu

• ML Kaggle Datasets

• ML Data Gouv pour le Machine Learning

• ML UCI Machine Learning Repository (collection de jeux de données classés par type de problème - régression, classification, …) Les jeux UCI apparaissent dans de nombreux scientifiques.

• ML Data Science at Microsoft Research

• ML Microsoft Research Letor

• ML Public data sets for testing and prototyping, Use the sample datasets in Azure Machine Learning Studio

• ML Data Science for Research

• ML Ensembles de données publics AWS (Amazon), AWS Public Data Sets

• ML Data Analysis, Modeling and Machine Learning Group

• ML List of datasets for machine learning research

• ML-big-santé Imagerie médicale, photo de cancers

• ML-big Pascal Large Scale Learning Challenge

• ML-big 170 millions courses de taxi à New-York (via l’article Building Azure ML Models on the NYC Taxi Dataset)

• ML-deep: Open Data for Deep Learning

• ML-graphes Stanford Large Network Dataset Collection

• ML-image Labeled Faces in the Wild : 1323 images, 5749 personnes, 1680 personnes avec 2 ou plus d’images, lire How well do facial recognition algorithms cope with a million strangers?

• ML-recommandations: GroupLens Datasets

• ML-text urls, spam, …, jeux de données utilisés comme benchmark pour la libraire libsvm

• musique Semantic Artist Similarity Dataset

• musique The Music Matrix – Exploring tags in the Million Song Dataset

• musique Audio Content Analysis Datasets

• musique projets, librairies Python, données sur la musique LabROSA (Columbia), librosa, Music Similarity, Million Song Dataset

• ONG Données Croix-Rouge sur les dons reçus

• politique Hillary Clinton’s Emails

• santé Dépenses d’assurance maladie hors prestations hospitalières par caisse primaire/département (1 Go), La démographie des médecins (RPPS)

• santé Epidemium : challenge big data sur le cancer (voir Les challenges), le site référence également un nombre important de jeux de données autour des thèmes liés à la santé data.epidemium

• santé Global Disease Monitoring and Forecasting with Wikipedia

• santé MIMIC : base de données de 40.000 patients passés par un service de réanimations, contient les résultats de plusieurs dizaines de tests par patient, des traitements qui leur ont été données.

• santé TransPlant

• social HappyMeal

• sports European Soccer Database

• texte soTweet: Studying Twitter at Scale: base de 500 millions de tweets et 23 milliards de liens

• texte WordNet, base de données anglaises sur le vocabulaire, la grammaire, les synonymes…

• texte dump wikipedia

• texte SQuAD The Stanford Question Answering Dataset

• texte Multi-Domain Sentiment Dataset (version 2.0)

• vidéo Jiku, vidéo d’événements, de concerts

• vidéo YouTube 8M, 8 millions de vidéo YouTube par Google

• vidéo YouTube 1M Sports, 1 millions de vidéo annotées

• autres pistes: Where can I find large datasets open to the public?

Graphiques, cartes

• Geonames

moteurs de recherches sur les données

• data.gouv.fr, INSEE

• opendata Paris (presque toutes les villes ont maintenant un site open data, il suffit de chercher avec un moteur de recherche opendata + ville pour le trouver)

• data-publica

• data.epidemium

• Quandl (et son module python quandl, quandl/API,)

• Datahub

• AWS Public Data Sets (Amazon) (voir Using Public Data Sets et boto)

• UN ComTrade : United Nations Commodity Trade Statistics Database

• MusicBrainz Database

annuaire de données

• Data Sources on the Web (MRAN)

• Awesome Public Datasets

• Wikidata

Compétition, Codes

Code

• nullege : moteur de recherche dédié au code Python

• stackoverflow : forum d’échanges sur des questions de code

• stackexchange : liste de forums d’échanges autour de sujets scientifiques appliqués, dont datascience stackexchange, mathoverflow, tex, latex, Web Apps, Computer Science Theory, Scientific Computation, Computer Science, Chess, Open Data, Software Recommendations, forum sur la langue française

Puzzle, Enigme, Jeux

• Code Golf

• Puzzle Stack Exchange

• Google Code Jam

• HackerRank

• Coding Game

Compétitions Machine Learning

• datascience.net

• kaggle

• Data Challenges Paris

• Challenge Data (MVA) : compétitions supervisées par les professeurs du master MVA.

Evénements, Médias

Evénements réguliers

• Data Tuesday

• Big Data Meetup Paris, voir aussi search page

• Paris Startup Job Fair (a lieu régulièrement au 104 à Paris)

• Paris Datageeks

• Data For Good - FR

Conférences, Communautés

• PyCon

• PyData

Incubateurs

• Agoranov (Paris)

• Microsoft Spark (Paris)

• TekTos

• Le Top des incubateurs et accélérateurs de start-up à Paris

• numa (Paris)