一、综合科研与学术数据集平台

Google Dataset Search（谷歌数据集搜索）

🔗 https://datasetsearch.research.google.com
✦ 优势：覆盖全球 2500 万 + 开放数据集，支持按学科、许可证、数据类型精准筛选，直接关联论文与数据源。

OpenDataLab（开放数据实验室）

🔗 https://opendatalab.com
✦ 特色：聚焦 AI 领域高质量数据集，提供自动驾驶、医学影像等稀缺标注数据，支持中文检索与本地化服务。

Kaggle（数据科学竞赛平台）

🔗 https://www.kaggle.com/datasets
✦ 亮点：50 万 + 公开数据集覆盖金融、NLP、CV 等领域，配套社区代码与竞赛案例，新手入门首选。

二、开源社区与代码关联平台

GitHub Bio-Datasets（生物数据集仓库）

🔗 https://github.com/Bio-Datasets/bio-datasets
✦ 适用：生物信息学、基因组学研究，整合 NCBI、UniProt 等权威数据源的开源托管仓库。

Hugging Face Datasets（自然语言处理数据集）

🔗 https://huggingface.co/datasets
✦ 核心：4 万 + NLP / 多模态数据集，支持直接加载至 Transformers 框架，含 EvolKit 等跨语言训练语料。

Papers with Code（论文代码数据集合集）

🔗 https://paperswithcode.com
✦ 价值：同步最新 AI 论文与配套数据集（如 ImageNet 变种、GLUE 基准），附 SOTA 模型复现代码。

三、政府与机构开放数据平台

美国政府开放数据

🔗 https://catalog.data.gov
✦ 涵盖：人口统计、气候科学、交通流量等国家级公开数据，支持 API 批量获取。

欧盟开放数据门户

🔗 https://data.europa.eu
✦ 特色：跨成员国的经济、环境、社会政策数据，支持多语言检索与可视化分析。

阿里云天池（中文产业数据集）

🔗 https://tianchi.aliyun.com/dataset
✦ 优势：电商、物流、金融等行业真实业务数据，配套竞赛与企业解决方案案例。

四、垂直领域与专业数据集平台

Roboflow Universe（计算机视觉数据集）

🔗 https://universe.roboflow.com
✦ 专注：目标检测、语义分割标注数据，支持格式转换（YOLO/COCO）与实时数据增强。

Stanford SNAP（网络与社交数据集）

🔗 http://snap.stanford.edu/data
✦ 经典：社交网络拓扑（如 Facebook 关系网）、信息传播模型等复杂网络研究必备数据集。

极市 CVMart（计算机视觉数据集市场）

🔗 https://www.cvmart.net/datasets
✦ 聚焦：工业质检、安防监控等场景的标注图像 / 视频数据，支持商业授权与定制采集。

五、学术仓储与开放科学平台

Harvard Dataverse（哈佛数据知识库）

🔗 https://dataverse.harvard.edu
✦ 覆盖：社会科学、物理学、公共卫生等领域的学术研究数据，支持 DOI 永久引用。

arXiv Dataset（预印本数据集关联）

🔗 https://arxiv.org/help/dataset
✦ 价值：链接 200 万 + 学术论文与配套数据集（如 ICML、NeurIPS 会议成果），实时追踪领域前沿。

Mendeley Data（科研数据共享平台）

🔗 https://data.mendeley.com
✦ 特色：生命科学、材料科学等领域的实验数据仓储，支持协作标注与版本管理。

六、中文社区与本地化平台

魔搭 ModelScope（阿里开源社区）

🔗 https://modelscope.cn/datasets
✦ 亮点：中文 NLP / 多模态数据集（如中文对话语料、跨语言图像标注），配套预训练模型一键调用。

和鲸社区（科赛 Kesci）

🔗 https://www.heywhale.com/mw/dataset
✦ 适用：科研竞赛与教育场景，提供天池同源数据集及 upyter 在线分析环境。

百度 AI Studio（飞桨数据集）

🔗 https://aistudio.baidu.com/aistudio/dataset
✦ 核心：计算机视觉、自然语言处理的国产化数据集（如中文 OCR、工业缺陷检测），支持 PaddlePaddle 直接加载。

七、使用贴士：高效检索的 3 个技巧

• 关键词组合策略：

采用「领域 + 任务 + 格式」模式，如 自动驾驶+目标检测+COCO格式，快速过滤无效结果。

• 关注许可证类型：
  商业项目优先选择 MIT/CC0 开源许可数据集，学术研究可使用非商业授权（如 NC-SA）。
• 交叉验证数据源：
  重要项目建议从 2-3 个平台获取同类型数据（如 Kaggle+OpenDataLab），对比样本量与标注质量。