1. 图片/视觉：Google Images。直接输入搜索词，然后人工把一些符合目标的图片下下来。这是Caltech 101/256和ImageNet的主要采集方式

　　2. 文本/自然语言处理：

　　2.1. Wikipedia。Wikipedia经常发布整个网站的snapshot，包括所有的文本(有些版本还包括多媒体资料)，这是自然语言处理研究常用的数据集之一。好处是它还包含多语言版本，有时也被机器翻译学者用作研究对象。

　　2.2. Google Search。搜索引擎的搜索条目摘要(search snippets)也是重要的语义/语料来源之一。

　　2.3. WordNet。英语名词的分类、解释和相互关系。常用于语义任务。

　　3. 语音/语音识别：LDC(Linguistic Data Consortium)。学界做语音识别的数据集大多来自这里。有英语、汉语(普通话)、阿拉伯语等多语种的数据——不过大部分数据要钱。

　　4. 其它：Amazon Mechanical Turk。如果你有大量数据需要利用人类常识进行标注(而非专业人士分析)，但手头只有闲钱没有人力的话，AMT是不二的选择。ImageNet等数据集都是在AMT的帮助下完成的。