CHIME是用于语音识别挑战赛（CHiME Speech Separation and Recognition Challenge）的数据集。该数据集包含了训练集、开发机、测试集三部分，每份里面包括了多个扬声器在不同噪音环境下的数据。
源于Quora 的包含重复/语义相似性标签的数据集。数据集由超过40万行的潜在问题的问答组成。每行数据包含问题ID、问题全文以及指示该行是否真正包含重复对的二进制值。
斯坦福问答回答数据集（SQuAD）是一个新的阅读理解数据集，从维基百科中提炼出的问题组成，每个问题的答案都是相应段落的一段文本。在500多篇文章中有超过10万个问答对。
COCO数据集由微软赞助，其对于图像的标注信息不仅有类别、位置信息，还有对图像的语义文本描述，COCO数据集在图像分割语义理解取得了巨大的进展。
表情识别规格：10位日本女性表达者7 种面部表情（6 种基本面部表情 + 1 中性）每个表达者的每个表达的几个图像 共 213 张图片每张图片都有 60 位日本观众对 6 个面部表情的平均语义评分分辨率 256x256 像素8位灰度Tiff 格式，无压缩文档：README_FIRST.txt 和下面...
47个人,共1910段视频
205幅图像,共468个人脸.由从Flickr采集的205幅图像组成,共468个人脸,其包含复杂的背景变化和人脸姿态变化等。
用两个概念来读一个句子，例如“一只狗是一种动物”或“船长可以与主人具有相同的含义”，判断这句话是否属实，然后将结果排列为1-5五个等级（700 KB）
包含2010年4月以前维基百科英文部分中的所有文章的快照，已经去除了所有链接和不相关的材料（导航文本等），但未经标记，是原始文本（1.8 GB）
上个数据集的子集（8 GB）
Yahoo! Answers corpus的子集，并根据语言属性进行选择，包含142,627个问题及其答案。（104 MB）
Question / Answer pairs + context；如果与问题/答案有关，则判断上下文关系（8 MB）
包含在整个语料库中出现超过40次的n-gram，优化了快速查询小组短语的用法（2.2 TB）
20284个人,共523051幅人脸图像(年龄、性别识别)
Twitter美国航空公司情绪[Kaggle]：收集了twitter用户对于一些美国主要航空公司的评价情况。数据始于从2015年2月，评论者需选择正面、负面和中性中的一类，如有负面评价，再进行原因分类（如“晚班”或“粗鲁服务”）（2.5 MB）
收集了从2008以来抓取的50亿个网页的数据。其中自2013年开始，所有爬虫只持续一个月，数据以WARC文件格式存储。从2012年开始，抓取的数据还包含元数据（WAT）和文本数据（WET）提取，大大简化了数据处理（541 TB）
社交媒体上用户按个人喜好分类内容的树形数据集，包含7,121位Flickr的树（40 MB）
与品牌/关键字相关的推文，网站上包括论文和研究想思路（77 MB）
所有《纽约时报》的Facebook帖子（5 MB）
3837幅图像,每个人脸标定68个关键点