伊利诺伊大学精选数据集，Notebook 即开即用做实验
datasets 是一个由伊利诺伊大学相关作者维护的公开数据集集合仓库，主要用 Jupyter Notebook 组织与展示，收录了多个来源有趣、主题各异的数据集，涵盖统计、机器学习、社会科学等方向。它解决的是研究者、学生和数据爱好者寻找可直接下载、可复现实验的小型数据集时，常常需要四处搜索、格式不统一、缺少说明文档的问题。核心能力包括：以 Notebook 形式提供数据加载与初步探索示例，让使用者能快速查看字段含义、数据规模和基本分布；数据集文件本身可直接下载用于建模、可视化或教学演示；仓库结构简单，便于按主题挑选所需数据。适合作为课程作业、算法原型验证、数据可视化练习的轻量数据来源，也适合想了解真实数据长什么样的初学者。整体定位偏教学与实验，而非生产级数据平台。
awesome-public-datasets、Kaggle Datasets、UCI Machine Learning Repository
datasets 是数据集领域的开源项目，由 wadefagen 开发，2018 年首次发布。
它收录于数据集分类，该分类目前共有 278 个项目，GitHub 星标数为 194。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-14。开源免费数据集，无付费信息。
它主要面向的使用场景是：高校课程作业中快速获取可复现的小型数据集做统计分析。同类可对比的替代方案包括 awesome-public-datasets、Kaggle Datasets、UCI Machine Learning Repository。
下一篇：GVINS-Dataset
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
