按主题找公开数据集，省去到处搜的麻烦
awesome-public-datasets 是一个以主题分类整理的公开数据集清单，核心价值在于把散落在政府门户、科研机构和开源社区的高质量开放数据集中到一处，按农业、生物、气候、经济、教育、能源、金融、医疗、图像、机器学习等几十个主题归类，方便数据科学家、机器学习工程师、记者和学生快速找到可直接下载或引用的数据源。项目本身不是数据托管平台，而是一份持续维护的索引，每条记录通常包含数据集名称、简要说明和官方链接，覆盖从政府开放数据到学术基准集的多种来源。它解决的是“找数据难、来源分散、质量参差”的问题，让使用者不必在多个站点之间反复搜索，就能按领域定位到可用数据，是数据项目立项、模型训练和数据分析前期调研的常用参考入口。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
1克隆清单仓库
把数据集索引仓库拉到本地，README 即为完整清单。仓库体量很小，秒级完成。
git clone https://github.com/awesomedata/awesome-public-datasets.git2进入目录
切换到克隆下来的仓库目录，准备查看清单文件。
cd awesome-public-datasets3按主题浏览清单
打开 README，按农业、生物、气候、经济、教育、能源、金融、医疗、图像、机器学习等主题定位条目。
4跳转官方来源
清单每条记录含数据集名称、简要说明和官方链接，点击链接前往原始站点下载或引用。
5贡献请走 apd-core
README 由 apd-core 自动生成，不要直接改本仓库；新增/修正条目请按 apd-core 的 CONTRIBUTING.md 提交。
git clone https://github.com/awesomedata/apd-core.git6加入社区获取更新
通过 README 中的邀请链接加入 awesomedataworld Slack，第一时间获取高质量数据更新。
打开 README.md 能看到按主题分类的数据集条目列表，即为获取成功。
Q：这些数据集都是免费的吗？
A：README 说明大多数数据集是免费的，但也有一部分并非免费，使用前请到官方来源确认授权和收费情况。
Q：可以直接修改这个仓库的 README 吗？
A：不可以。README 由 apd-core 自动生成，README 中明确提示不要直接修改，贡献需走 apd-core 项目的 CONTRIBUTING.md。
Q：项目本身托管数据吗？
A：不托管。它只是一份持续维护的公开数据集索引，每条记录包含名称、简要说明和官方链接，数据需回到原始来源下载。
Q：如何第一时间获得数据更新？
A：加入官方 Slack 社区 awesomedataworld，README 中提供了共享邀请链接。
datasets（huggingface/datasets）、Kaggle Datasets
awesome-public-datasets 是数据集领域的开源项目，由 awesomedata 开发，2014 年首次发布。
在全站 12,822 个收录项目中，它的 GitHub 星标数（79,058）位列前 1%，在数据集分类的 278 个项目里位列前 1%。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-20。开源免费的数据集清单。
它主要面向的使用场景是：机器学习项目启动前调研可用的训练数据集。同类可对比的替代方案包括 datasets（huggingface/datasets）、Kaggle Datasets。
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models