AI 演算法基本是開源的（開放原始碼），哪怕並不了解演算法原理，也可以呼叫文字識別、影象識別、臉部辨識、語音識別的演算法。比如，語音識別：
-
利用聲學資訊提高語音的識別率；
-
利用自然語言中的資訊，消除語音的錯誤，提高文字的識別率。
這樣的演算法是靠資料餵出來的，資訊就是錢......當我們無法收集到他人所沒有的資訊時，我們的演算法再好，也無法很好的消除不確定性。要消除不確定性，就需要不斷的尋找新的資訊。
可惜我們並沒有訓練演算法的大量資料，這些資料往往掌握在大企業裡，如：谷歌/百度有搜尋資料，Facebook/騰訊有社交資料，亞馬遜/阿里有商業行為資料……
所以，我們在此匯總了一些開放的巨量資料平台， 可以做資料的獲取和分析。
1. 世界級巨量資料開放平台
-
data.worldbank：世界銀行，全球人口、大量經濟、發展指標的統計資料。
-
Google Trends：網際網路搜尋行為、熱門新聞報道。
-
Google open data：資料極多，此外視覺化資料之間的相關性。
-
imf：國際貨幣基金（餘額寶就是貨幣基金）組織資料：國際貨幣基金組織公布的有關國際金融，債務利率，外匯儲備，商品價格和投資的巨量資料。
-
markets.ft：世界各地的金融市場的最新資訊，包括股票價格指數，商品和外匯。
-
UN comtrade database：全球貿易鉅量資料平台。
2. 國家級巨量資料平台
-
stats.gov：中國，包含 總人口、財政、GDP、物價上漲指數CPI 等。
-
data.gov：美國，包含 農業、氣候、消費、教育、能源、健康、基建 等14個主議題。
-
data.gov.uk：英國，包含 商業與經濟，環境，測繪，犯罪與司法，政府，社會 等。
-
open.canada.ca：加拿大，提供 資料、地圖資訊、API 等。
-
verikaynagi.com：土耳其
-
data.norge.no：挪威
-
opengovdata.ru：俄羅斯
-
data.gov.au：澳大利亞
-
dati.gov.it：意大利
3. 經濟/金融巨量資料平台
Quandl：經濟和金融資料，有助於建立預測經濟指標或股票價格的模型。
理杏仁：提供A股、B股、港股、美股以及行業、指數等歷史估值資料、財報資料、博弈資料。
天天基金網 檢視基金業績，規模、持倉、基金經理的基本資訊。
4. 機器學習巨量資料平台
機器學習入門階段：
-
Kaggle：競賽平台，有許多有趣的資料集
-
UCI機器學習庫：很古老了，有貨
-
VisualData：計算機視覺資料集
機器視覺：
-
谷歌開放影象：開源共用
-
野外標記面：人臉標記影象
-
斯坦福狗狗：20580張狗狗的圖片、120個不同品種。
-
室內場景識別：室內類別的影象
-
MS COCO：計算機視覺資料集
-
Labelme：大型影象資料集
情緒分析：
-
Sentiment140：資料來自推文，且去了表情
-
斯坦福情緒樹庫：帶有情感注釋的標準情緒資料集。
-
IMDB評論：二元情緒分類的電影評論資料集。
自動駕駛：
-
Berkeley DeepDrive BDD100k：帶注釋的影象來自紐約和舊金山地區
-
度娘Apolloscapes：定義了26種不同物體，如汽車、自行車、行人、建築物、路燈等。
-
LISA：交通標誌、車輛檢測、交通訊號燈和軌跡模式。
自然語言處理：
-
HotspotQA：具有自然、多跳問題的問答資料集，具有支援事實的強大監督。
-
亞馬遜評論
-
維基百科：有400多萬篇文章、近19億個單詞，可按段落、短語或段落進行搜尋。
-
Spambase：垃圾郵件過濾資料集
提示：資料的雷區
一般能打起資料官司的，不是侵犯了【隱私】就是【版權】。
如果要做與個人相關的研究，敏感資訊要脫敏；如果是傳統企業，那麼多年，積累下來的資料就是一筆非常寶貴的財富。
可以選擇和缺乏資料，但有技術的企業合作，比如美國的 Splunk公司。但是，一定要考慮的是，這份資料的所有權。
中國網路安全法：https://baike.baidu.com/item/中華人民共和國網路安全法/16843044