لینک‌های پرکاربرد

دیتاست بانک جهانی http://datacatalog.worldbank.org
دیتاست الزایمر و mri برای یادگیری عمیق (یادگیری ژرف) https://www.kaggle.com/dalpozz/creditcardfraud
دیتاست سرطان پستان پروتئوم https://www.kaggle.com/piotrgrabo/breastcancerproteomes
دیتاست پیش‌بینی strom https://www.kaggle.com/jtennis/spctornado
دیتاست گوگل http://www.google.com/publicdata/directory
دیتاست کمردرد. مجموعه داده‌ها https://www.kaggle.com/sammy123/lower-back-pain-symptoms-dataset
مجموعه‌ای کامل و جدید از ویدئوهای مرتبط با آموزش دیتا ساینس در دانشگاه هاروارد https://matterhorn.dce.harvard.edu/engage/ui/index.html#/2016/01/14328
مجموعه داده‌های Kaggle https://www.kaggle.com/datasets
آموزش آپاچی اسپارک دوره تخصصی دانشگاه برکلی با تمرکز بر پایتون و کتابخانه Pyspark https://www.edx.org/course/introduction-apache-spark-uc-berkeleyx-cs105x
دوره‌های آنلاین کلان داده‌ها (Big Data) http://bigdatauniversity.com
Academic Torrents: یکی از بزرگ‌ترین مخزن‌های دیتاست‌های مربوط به حوزه یادگیری ماشین و یادگیری عمیق http://academictorrents.com
دیتاست‌های سازمان ملل http://data.un.org/Explorer.aspx
دوره یادگیری ماشین در دانشگاه واشنگتن با زبان برنامه‌نویسی پایتون https://www.coursera.org/specializations/machine-learning
دوره‌های یادگیری ماشین توسط دوره آقای Andrew Ng در دانشگاه استنفورد با ابزار Octave https://www.coursera.org/learn/machine-learning
دوره‌های آموزشی حوزه علم داده با زبان R در دانشگاه John Hopkins https://www.coursera.org/specializations/jhu-data-science
دیتاست آمازون http://aws.amazon.com/public-data-sets
دیتاست کلیک‌های کاربر (1.2 گیگابایت) https://datahub.io/dataset/wikipedia-clickstream
دیتاست بازدید صفحات در هر ثانیه (255 مگابایت) https://datahub.io/dataset/english-wikipedia-pageviews-by-second
ماشین مجازی آماده Cloudera SandBox برای نصب Stand Alone برای VMware، KVM، VirtualBox & Docker http://www.cloudera.com/downloads/quickstart_vms/5-8.html
ماشین مجازی آماده HortonWorks SandBox برای نصب Stand Alone برای VMware،VirtualBox & Docker http://hortonworks.com/downloads/#sandbox
سایت DataQuest برای آموزش پایتون در داده‌کاوی https://www.dataquest.io
سایت datacamp برای آموزش R و داده‌کاوی https://www.datacamp.com
دوره‌های آموزشی edx، در این سایت تعداد زیادی دوره رایگان توسط دانشگاه‌های برتر جهان برگزار می‌شود. https://www.edx.org