這是一份非常全面的開(kāi)源數(shù)據(jù)集，你，真的不想要嗎？

作者：機(jī)器之心編譯 2018-09-05 15:24:38

近期，skymind.ai 發(fā)布了一份非常全面的開(kāi)源數(shù)據(jù)集。內(nèi)容包括生物識(shí)別、自然圖像以及深度學(xué)習(xí)圖像等數(shù)據(jù)集，現(xiàn)將其整理如下。

近期，skymind.ai 發(fā)布了一份非常全面的開(kāi)源數(shù)據(jù)集。內(nèi)容包括生物識(shí)別、自然圖像以及深度學(xué)習(xí)圖像等數(shù)據(jù)集，現(xiàn)將其整理如下：(內(nèi)附鏈接哦~)

[[242661]]

最近新增數(shù)據(jù)集

開(kāi)源生物識(shí)別數(shù)據(jù)：http://openbiometrics.org/
Google Audioset：擴(kuò)展了 632 個(gè)音頻分類樣本，并從 YouTube 視頻中提取了 2，084，320 個(gè)人類標(biāo)記的 10 秒聲音片段。
地址：https://research.google.com/audioset/
Uber 2B trip data：首次展示 2 百萬(wàn)公里的出行數(shù)據(jù)。
地址：https://movement.uber.com/cities
Yelp Open Dataset：Yelp 數(shù)據(jù)集是用于 NLP 的 Yelp 業(yè)務(wù)、評(píng)論和用戶數(shù)據(jù)的子集。
地址：https://www.yelp.com/dataset
Core50：用于連續(xù)目標(biāo)識(shí)別的新數(shù)據(jù)集和基準(zhǔn)。
地址：https://vlomonaco.github.io/core50/
Kaggle 數(shù)據(jù)集：https://www.kaggle.com/datasets
Data Portal：http://dataportals.org/
Open Data Monitor：https://opendatamonitor.eu/
Quandl Data Portal：https://www.quandl.com/
Mut1ny 頭部/面部分割數(shù)據(jù)集：http://www.mut1ny.com/face-headsegmentation-dataset
Github 上的優(yōu)秀公共數(shù)據(jù)集：https://www.kdnuggets.com/2015/04/awesome-public-datasets-github.html
頭部 CT 掃描數(shù)據(jù)集：491 次掃描的 CQ500 數(shù)據(jù)集。
地址：http://headctstudy.qure.ai/

自然圖像數(shù)據(jù)集

MNIST：手寫(xiě)數(shù)字圖像。最常用的可用性檢查。格式 25x25、居中、黑白手寫(xiě)數(shù)字。這是一項(xiàng)簡(jiǎn)單的任務(wù)——僅某部分適用于 MNIST，不意味著它有效。
地址：http://yann.lecun.com/exdb/mnist/

CIFAR10 / CIFAR100：32x32 彩色圖像，10/100 類。雖然仍有趣卻不再常用的可用性檢查。
地址：http://www.cs.utoronto.ca/~kriz/cifar.html

Caltech 101：101 類物體的圖片。
地址：http://www.vision.caltech.edu/Image_Datasets/Caltech101/

Caltech 256：256 類物體的圖片。
地址：http://www.vision.caltech.edu/Image_Datasets/Caltech256/

STL-10 數(shù)據(jù)集：用于開(kāi)發(fā)無(wú)監(jiān)督特征學(xué)習(xí)、深度學(xué)習(xí)、自學(xué)習(xí)算法的圖像識(shí)別數(shù)據(jù)集。像修改過(guò)的 CIFAR-10。
地址：http://cs.stanford.edu/~acoates/stl10/

The Street View House Numbers (SVHN)：Google 街景中的門(mén)牌號(hào)碼。可以把它想象成復(fù)現(xiàn)的戶外 MNIST。
地址：http://ufldl.stanford.edu/housenumbers/

NORB：玩具擺件在各種照明和姿勢(shì)下的雙目圖像。
地址：http://www.cs.nyu.edu/~ylclab/data/norb-v1.0/

Pascal VOC：通用圖像分割/分類——對(duì)于構(gòu)建真實(shí)世界圖像注釋不是非常有用，但對(duì)基線很有用。
地址：http://pascallin.ecs.soton.ac.uk/challenges/VOC/

Labelme：帶注釋圖像的大型數(shù)據(jù)集。
地址：http://labelme.csail.mit.edu/Release3.0/browserTools/php/dataset.php

ImageNet：新算法的客觀圖像數(shù)據(jù)集(de-facto image dataset)。許多圖像 API 公司都有來(lái)自其 REST 接口的標(biāo)簽，這些標(biāo)簽近 1000 類;WordNet; ImageNet 的層次結(jié)構(gòu)。
地址：http://image-net.org/

LSUN：具有很多輔助任務(wù)的場(chǎng)景理解(房間布局估計(jì)，顯著性預(yù)測(cè)(saliency prediction)等)，有關(guān)聯(lián)競(jìng)賽。(associated competition)。
地址：http://lsun.cs.princeton.edu/2016/

MS COCO：通用圖像理解/說(shuō)明，有關(guān)聯(lián)競(jìng)賽。
地址：http://mscoco.org/

COIL 20：不同物體在 360 度旋轉(zhuǎn)中以每個(gè)角度成像。
地址：http://www.cs.columbia.edu/CAVE/software/softlib/coil-20.php

COIL100：不同物體在 360 度旋轉(zhuǎn)中以每個(gè)角度成像。
地址：http://www1.cs.columbia.edu/CAVE/software/softlib/coil-100.php

Google 開(kāi)源圖像：有 900 萬(wàn)張圖像的網(wǎng)址集合，這些圖像通過(guò)知識(shí)共享(Creative Commons)被標(biāo)注成 6000 多個(gè)類別。
地址：https://research.googleblog.com/2016/09/introducing-open-images-dataset.html

地理空間數(shù)據(jù)

OpenStreetMap：免費(fèi)提供整個(gè)星球的矢量數(shù)據(jù)。它包含(舊版)美國(guó)人口普查局的數(shù)據(jù)。
地址：http://wiki.openstreetmap.org/wiki/Planet.osm

Landsat8：整個(gè)地球表面的衛(wèi)星視角圖，每隔幾周更新一次。
地址：https://landsat.usgs.gov/landsat-8

NEXRAD：美國(guó)大氣層的多普勒雷達(dá)掃描圖。
地址： https://www.ncdc.noaa.gov/data-access/radar-data/nexrad

————————我是深度學(xué)習(xí)圖像的分割線————————

人工數(shù)據(jù)集

Arcade Universe：一個(gè)人工數(shù)據(jù)集生成器，圖像包含街機(jī)游戲 sprite，如 tetris pentomino / tetromino。該生成器基于 O. Breleux 的 bugland 數(shù)據(jù)集生成器。
地址：https://github.com/caglar/Arcade-Universe

以 Baby AI School 為靈感的數(shù)據(jù)集集合。
地址：http://www.iro.umontreal.ca/~lisa/twiki/bin/view.cgi/Public/BabyAISchool

Baby AI Shapes Dataset：區(qū)分 3 種簡(jiǎn)單形狀。
地址：http://www.iro.umontreal.ca/~lisa/twiki/bin/view.cgi/Public/BabyAIShapesDatasets

Baby AI Image And Question Dataset：一個(gè)問(wèn)題-圖像-答案數(shù)據(jù)集。
地址：http://www.iro.umontreal.ca/~lisa/twiki/bin/view.cgi/Public/BabyAIImageAndQuestionDatasets

Deep Vs Shallow Comparison ICML2007：為實(shí)證評(píng)估深層架構(gòu)而生成的數(shù)據(jù)集。
地址：http://www.iro.umontreal.ca/~lisa/twiki/bin/view.cgi/Public/DeepVsShallowComparisonICML2007

MnistVariations：在 MNIST 中引入受控變化。
地址：http://www.iro.umontreal.ca/~lisa/twiki/bin/view.cgi/Public/MnistVariations

RectanglesData：區(qū)分寬矩形和垂直矩形。
地址：http://www.iro.umontreal.ca/~lisa/twiki/bin/view.cgi/Public/RectanglesData

ConvexNonConvex：區(qū)分凸形和非凸形狀。
地址：http://www.iro.umontreal.ca/~lisa/twiki/bin/view.cgi/Public/ConvexNonConvex

BackgroundCorrelation：嘈雜 MNIST 背景下相關(guān)度的控制
地址：http://www.iro.umontreal.ca/~lisa/twiki/bin/view.cgi/Public/BackgroundCorrelation

人臉數(shù)據(jù)集

Labelled Faces in the Wild：13000 個(gè)經(jīng)過(guò)裁剪的人臉區(qū)域(使用已經(jīng)用名稱標(biāo)識(shí)符標(biāo)記過(guò)的 Viola-Jones)。數(shù)據(jù)集中每個(gè)人員的子集里包含兩個(gè)圖像——人們常用此數(shù)據(jù)集訓(xùn)練面部匹配系統(tǒng)。
地址：http://vis-www.cs.umass.edu/lfw/

UMD Faces：有 8501 個(gè)主題的 367，920 個(gè)面孔的帶注釋數(shù)據(jù)集。
地址：http://www.umdfaces.io/

CASIA WebFace：超過(guò) 10，575 個(gè)人經(jīng)面部檢測(cè)的 453，453 張圖像的面部數(shù)據(jù)集。需要一些質(zhì)量過(guò)濾。
地址：http://www.cbsr.ia.ac.cn/english/CASIA-WebFace-Database.html

MS-Celeb-1M：100 萬(wàn)張全世界的名人圖片。需要一些過(guò)濾才能在深層網(wǎng)絡(luò)上獲得最佳結(jié)果。
地址：https://www.microsoft.com/en-us/research/project/ms-celeb-1m-challenge-recognizing-one-million-celebrities-real-world/

Olivetti：一些人類的不同圖像。
地址：http://www.cs.nyu.edu/~roweis/data.html

Multi-Pie：The CMU Multi-PIE Face 數(shù)據(jù)庫(kù)。
地址：http://www.multipie.org/

Face-in-Action：http://www.flintbox.com/public/project/5486/
JACFEE：日本和白種人面部情緒表達(dá)的圖像。
地址：http://www.humintell.com/jacfee/

FERET：面部識(shí)別技術(shù)數(shù)據(jù)庫(kù)。
地址：http://www.itl.nist.gov/iad/humanid/feret/feret_master.html

mmifacedb：MMI 面部表情數(shù)據(jù)庫(kù)。
地址：http://www.mmifacedb.com/

IndianFaceDatabase：http://vis-www.cs.umass.edu/~vidit/IndianFaceDatabase/
耶魯人臉數(shù)據(jù)庫(kù)：http://vision.ucsd.edu/content/yale-face-database
耶魯人臉數(shù)據(jù)庫(kù) B：http://vision.ucsd.edu/~leekc/ExtYaleDatabase/ExtYaleB.html
Mut1ny 頭部/面部分割數(shù)據(jù)集：像素超過(guò) 16K 的面部/頭部分割圖像
地址：http://www.mut1ny.com/face-headsegmentation-dataset

————————我是深度學(xué)習(xí)視頻的分割線————————

視頻數(shù)據(jù)集

Youtube-8M：用于視頻理解研究的大型多樣化標(biāo)記視頻數(shù)據(jù)集。
地址：https://research.googleblog.com/2016/09/announcing-youtube-8m-large-and-diverse.html

文本數(shù)據(jù)集

20 newsgroups：分類任務(wù)，將出現(xiàn)的單詞映射到新聞組 ID。用于文本分類的經(jīng)典數(shù)據(jù)集之一，通常可用作純分類的基準(zhǔn)或任何 IR /索引算法的驗(yàn)證。
地址：http://qwone.com/~jason/20Newsgroups/

路透社新聞數(shù)據(jù)集：(較舊)純粹基于分類的數(shù)據(jù)集，包含來(lái)自新聞專線的文本。常用于教程。
地址：https://archive.ics.uci.edu/ml/datasets/Reuters-21578+Text+Categorization+Collection

賓州樹(shù)庫(kù)：用于下一個(gè)單詞或字符預(yù)測(cè)。
地址：http://www.cis.upenn.edu/~treebank/

UCI‘s Spambase：來(lái)自著名的 UCI 機(jī)器學(xué)習(xí)庫(kù)的(舊版)經(jīng)典垃圾郵件數(shù)據(jù)集。根據(jù)數(shù)據(jù)集的組織細(xì)節(jié)，可以將它作為學(xué)習(xí)私人垃圾郵件過(guò)濾的基線。
地址：https://archive.ics.uci.edu/ml/datasets/Spambase

Broadcast News：大型文本數(shù)據(jù)集，通常用于下一個(gè)單詞預(yù)測(cè)。
地址：http://www.ldc.upenn.edu/Catalog/CatalogEntry.jsp?catalogId=LDC97S44

文本分類數(shù)據(jù)集：來(lái)自 Zhang et al., 2015。用于文本分類的八個(gè)數(shù)據(jù)集合集。這些是用于新文本分類基線的基準(zhǔn)。樣本大小從 120K 至 3.6M 不等，范圍從二進(jìn)制到 14 個(gè)分類問(wèn)題。數(shù)據(jù)集來(lái)自 DBPedia、亞馬遜、Yelp、Yahoo!和 AG。
地址：https://drive.google.com/drive/u/0/folders/0Bz8a_Dbh9Qhbfll6bVpmNUtUcFdjYmF2SEpmZUZUcVNiMUw1TWN6RDV3a0JHT3kxLVhVR2M

WikiText：來(lái)自維基百科高質(zhì)量文章的大型語(yǔ)言建模語(yǔ)料庫(kù)，由 Salesforce MetaMind 策劃。
地址：http://metamind.io/research/the-wikitext-long-term-dependency-language-modeling-dataset/

SQuAD：斯坦福問(wèn)答數(shù)據(jù)集——應(yīng)用廣泛的問(wèn)答和閱讀理解數(shù)據(jù)集，其中每個(gè)問(wèn)題的答案都以文本形式呈現(xiàn)。
地址：https://rajpurkar.github.io/SQuAD-explorer/

Billion Words 數(shù)據(jù)集：一種大型通用語(yǔ)言建模數(shù)據(jù)集。通常用于訓(xùn)練分布式單詞表征，如 word2vec。
地址：http://www.statmt.org/lm-benchmark/

Common Crawl：網(wǎng)絡(luò)的字節(jié)級(jí)抓取——最常用于學(xué)習(xí)單詞嵌入。可從 Amazon S3 上免費(fèi)獲取。也可以用作網(wǎng)絡(luò)數(shù)據(jù)集，因?yàn)樗稍谌f(wàn)維網(wǎng)進(jìn)行抓取。
地址：http://commoncrawl.org/the-data/

Google Books Ngrams：來(lái)自 Google book 的連續(xù)字符。當(dāng)單詞首次被廣泛使用時(shí)，提供一種簡(jiǎn)單的方法來(lái)探索。
地址：https://aws.amazon.com/datasets/google-books-ngrams/

Yelp 開(kāi)源數(shù)據(jù)集：Yelp 數(shù)據(jù)集是用于 NLP 的 Yelp 業(yè)務(wù)、評(píng)論和用戶數(shù)據(jù)的子集。
地址：https://www.yelp.com/dataset

————————我是深度學(xué)習(xí)文本的分割線————————

問(wèn)答數(shù)據(jù)集

Maluuba News QA 數(shù)據(jù)集：CNN 新聞文章中的 12 萬(wàn)個(gè)問(wèn)答對(duì)。
地址：https://datasets.maluuba.com/NewsQA

Quora 問(wèn)答對(duì)：Quora 發(fā)布的第一個(gè)數(shù)據(jù)集，包含重復(fù)/語(yǔ)義相似性標(biāo)簽。
地址：https://data.quora.com/First-Quora-Dataset-Release-Question-Pairs

CMU Q / A 數(shù)據(jù)集：手動(dòng)生成的仿真問(wèn)/答對(duì)，維基百科文章對(duì)其難度評(píng)分很高。
地址：http://www.cs.cmu.edu/~ark/QA-data/

Maluuba 面向目標(biāo)的對(duì)話：程序性對(duì)話數(shù)據(jù)集，對(duì)話旨在完成任務(wù)或做出決定。常用于聊天機(jī)器人。
地址：https://datasets.maluuba.com/Frames

bAbi：來(lái)自 Facebook AI Research(FAIR)的綜合閱讀理解和問(wèn)答數(shù)據(jù)集。
地址：https://research.fb.com/projects/babi/

The Children’s Book Test：Project Gutenberg 提供的兒童圖書(shū)中提取的(問(wèn)題+背景、答案)對(duì)的基線。用于問(wèn)答(閱讀理解)和仿真查找。
地址：http://www.thespermwhale.com/jaseweston/babi/CBTest.tgz

情感數(shù)據(jù)集

多領(lǐng)域情緒分析數(shù)據(jù)集：較舊的學(xué)術(shù)數(shù)據(jù)集。
地址：http://www.cs.jhu.edu/~mdredze/datasets/sentiment/

IMDB：用于二元情感分類的較舊、較小數(shù)據(jù)集。對(duì)文獻(xiàn)中的基準(zhǔn)測(cè)試無(wú)法支持更大的數(shù)據(jù)集。
地址：http://ai.stanford.edu/~amaas/data/sentiment/

Stanford Sentiment Treebank：標(biāo)準(zhǔn)情感數(shù)據(jù)集，在每個(gè)句子解析樹(shù)的每個(gè)節(jié)點(diǎn)都有細(xì)粒度的情感注釋。
地址：http://nlp.stanford.edu/sentiment/code.html

推薦和排名系統(tǒng)

Movielens：來(lái)自 Movielens 網(wǎng)站的電影評(píng)分?jǐn)?shù)據(jù)集，各類大小都有。
地址：https://grouplens.org/datasets/movielens/

Million Song 數(shù)據(jù)集：Kaggle 上元數(shù)據(jù)豐富的大型開(kāi)源數(shù)據(jù)集，可以幫助人們使用混合推薦系統(tǒng)。
地址：https://www.kaggle.com/c/msdchallenge

Last.fm：音樂(lè)推薦數(shù)據(jù)集，可訪問(wèn)深層社交網(wǎng)絡(luò)和其它可用于混合系統(tǒng)的元數(shù)據(jù)。
地址：http://grouplens.org/datasets/hetrec-2011/

Book-Crossing 數(shù)據(jù)集：來(lái)自 Book-Crossing 社區(qū)。包含 278,858 位用戶提供的約 271,379 本書(shū)的 1,149,780 個(gè)評(píng)分。
地址：http://www.informatik.uni-freiburg.de/~cziegler/BX/

Jester：來(lái)自 73,421 名用戶對(duì) 100 個(gè)笑話的 410 萬(wàn)個(gè)連續(xù)評(píng)分(分?jǐn)?shù)從-10 至 10)。
地址：http://www.ieor.berkeley.edu/~goldberg/jester-data/

Netflix Prize：Netflix 發(fā)布了他們的電影評(píng)級(jí)數(shù)據(jù)集的匿名版;包含 480,000 名用戶對(duì) 17,770 部電影的 1 億個(gè)評(píng)分。首個(gè)主要的 Kaggle 風(fēng)格數(shù)據(jù)挑戰(zhàn)。隨著隱私問(wèn)題的出現(xiàn)，只能提供非正式版。
地址：http://www.netflixprize.com/

————————我是深度學(xué)習(xí)圖表的分割線————————

網(wǎng)絡(luò)和圖形

Amazon Co-Purchasing：亞馬遜評(píng)論從「購(gòu)買(mǎi)此產(chǎn)品的用戶也購(gòu)買(mǎi)了……」這一部分抓取數(shù)據(jù)，以及亞馬遜相關(guān)產(chǎn)品的評(píng)論數(shù)據(jù)。適合在網(wǎng)絡(luò)中試行推薦系統(tǒng)。
地址：http://snap.stanford.edu/data/#amazon

Friendster 社交網(wǎng)絡(luò)數(shù)據(jù)集：在變成游戲網(wǎng)站之前，F(xiàn)riendster 以朋友列表的形式為 103,750,348 名用戶發(fā)布了匿名數(shù)據(jù)。
地址：https://archive.org/details/friendster-dataset-201107

語(yǔ)音數(shù)據(jù)集

2000 HUB5 English：最近在 Deep Speech 論文中使用的英語(yǔ)語(yǔ)音數(shù)據(jù)，從百度獲取。
地址：https://catalog.ldc.upenn.edu/LDC2002T43

LibriSpeech：包含文本和語(yǔ)音的有聲讀物數(shù)據(jù)集。由多個(gè)朗讀者閱讀的近 500 小時(shí)的各種有聲讀物演講內(nèi)容組成，包含帶有文本和語(yǔ)音的章節(jié)。
地址：http://www.openslr.org/12/

VoxForge：帶口音的清晰英語(yǔ)語(yǔ)音數(shù)據(jù)集。適用于提升不同口音或語(yǔ)調(diào)魯棒性的案例。
地址：http://www.voxforge.org/

TIMIT：英語(yǔ)語(yǔ)音識(shí)別數(shù)據(jù)集。
地址：https://catalog.ldc.upenn.edu/LDC93S1

CHIME：嘈雜的語(yǔ)音識(shí)別挑戰(zhàn)數(shù)據(jù)集。數(shù)據(jù)集包含真實(shí)、仿真和干凈的錄音。真實(shí)錄音由 4 個(gè)揚(yáng)聲器在 4 個(gè)嘈雜位置的近 9000 個(gè)錄音構(gòu)成，仿真錄音由多個(gè)語(yǔ)音環(huán)境和清晰的無(wú)噪聲錄音結(jié)合而成。
地址：http://spandh.dcs.shef.ac.uk/chime_challenge/data.html

TED-LIUM：TED 演講的音頻轉(zhuǎn)錄。1495 個(gè) TED 演講錄音以及這些錄音的文字轉(zhuǎn)錄。
地址：http://www-lium.univ-lemans.fr/en/content/ted-lium-corpus

————————我是深度學(xué)習(xí)音頻的分割線————————

音符音樂(lè)數(shù)據(jù)集

Piano-midi.de: 古典鋼琴曲
地址：http://www.piano-midi.de/

Nottingham : 超過(guò) 1000 首民謠
地址：http://abc.sourceforge.net/NMD/

MuseData: 古典音樂(lè)評(píng)分的電子圖書(shū)館
地址：http://musedata.stanford.edu/

JSB Chorales: 四部協(xié)奏曲
地址：http://www.jsbchorales.net/index.shtml

其它數(shù)據(jù)集

CMU 動(dòng)作抓取數(shù)據(jù)集：http://mocap.cs.cmu.edu/
Brodatz dataset：紋理建模。
地址：http://www.ux.uis.no/~tranden/brodatz.html

來(lái)自歐洲核子研究中心的大型強(qiáng)子對(duì)撞機(jī)(LHC)的 300TB 高質(zhì)量數(shù)據(jù)。
地址：http://opendata.cern.ch/search?ln=en&p=Run2011A+AND+collection:CMS-Primary-Datasets+OR+collection:CMS-Simulated-Datasets+OR+collection:CMS-Derived-Datasets

紐約出租車(chē)數(shù)據(jù)集：由 FOIA 請(qǐng)求而獲得的紐約出租車(chē)數(shù)據(jù)，導(dǎo)致隱私問(wèn)題。
地址：http://www.nyc.gov/html/tlc/html/about/trip_record_data.shtml

Uber FOIL 數(shù)據(jù)集：來(lái)自 Uber FOIL 請(qǐng)求的紐約 4.5M 拾取數(shù)據(jù)。
地址：https://github.com/fivethirtyeight/uber-tlc-foil-response

Criteo 點(diǎn)擊量數(shù)據(jù)集：來(lái)自歐盟重新定位的大型互聯(lián)網(wǎng)廣告數(shù)據(jù)集。
地址：http://research.criteo.com/outreach/

健康 &生物數(shù)據(jù)

歐盟傳染病監(jiān)測(cè)圖集：http://ecdc.europa.eu/en/data-tools/atlas/Pages/atlas.aspx
默克分子活動(dòng)挑戰(zhàn)：http://www.kaggle.com/c/MerckActivity/data
Musk dataset: Musk dataset 描述了以不同構(gòu)造出現(xiàn)的分子。每個(gè)分子都是 musk 或 non-musk，且其中一個(gè)構(gòu)造決定了這一特性。
地址：https://archive.ics.uci.edu/ml/datasets/Musk+(Version+2)

政府&統(tǒng)計(jì)數(shù)據(jù)

Data USA: 最全面的可視化美國(guó)公共數(shù)據(jù)。
地址：http://datausa.io/

歐盟性別統(tǒng)計(jì)數(shù)據(jù)庫(kù)：http://eige.europa.eu/gender-statistics
荷蘭國(guó)家地質(zhì)研究數(shù)據(jù) ：http://www.nationaalgeoregister.nl/geonetwork/srv/dut/search#fast=index&from=1&to=50&any_OR_geokeyword_OR_title_OR_keyword=landinrichting*&relation=within
聯(lián)合國(guó)開(kāi)發(fā)計(jì)劃署項(xiàng)目：http://open.undp.org/#2016

【本文是51CTO專欄機(jī)構(gòu)“機(jī)器之心”的原創(chuàng)文章，微信公眾號(hào)“機(jī)器之心( id: almosthuman2014)”】

戳這里，看該作者更多好文

責(zé)任編輯：趙寧寧來(lái)源： 51CTO專欄