将近十年前，我的同事 Deepak Singh 在为研究、分析和开发人员分页一文中介绍了 AWS 公用数据集的概念。我很高兴地告诉大家 Deepak 仍然是 AWS 团队的重要成员，公用数据集项目仍在不断发展壮大！
而今天我们宣布推出新的开放和公用数据利器，这就是 Registry of Open Data on AWS，简称 RODA。此注册表包含现有的公用数据集，任何人都可添加自己的数据集，从而在 AWS 上访问和分析。
注册表探秘
首页列举了注册表中的所有数据集：
输入搜索词以仅显示匹配的数据集，从而缩小列表：
每个数据集都有关联的详情页，包括使用情况举例、许可证信息以及在 AWS 上找到和访问数据集所需的信息：
在此例中，我可以使用简单的 CLI 命令访问数据：
此外我还可以通过编程访问数据，或将数据下载到我的 EC2 实例。
将数据添加到存储库
如果您拥有可供公开访问的数据集，并且希望将它添加到 RODA，您只需向我们发送一条 Pull 请求。转至 open-data-registry 存储库，读取 CONTRIBUTING 文档，然后使用 datasets 目录中的一个现有文件为模型，创建描述您的数据集的 YAML 文件：
我们会定期审核 Pull 请求；您可以“添加星标”或关注存储库以跟踪添加和更改。
欢迎让我震撼
我欢迎新数据集的蜂拥而入，也欢迎展示如何以强大而有意思的方式使用数据的博客和应用程序。立即尝试，将您的收获分享给我吧！
腾讯云云原生提质增效实践精选集 2024
《2024腾讯云云原生提质增效实践精选集》出炉，5大热门技术领域，13个行业精选标杆案例，痛点到解决方案全...
在医疗健康领域，企业大模型RAG优化实践
多环境下的 LLM Agent 应用与增强
华为仓颉：全场景智慧化应用编程语言的技术演进
评论