谷歌上線(xiàn)“新型冠狀病毒公共數據集”，可免費使用到9月15日

開(kāi)放可獲取、完整、細顆粒、及時(shí)、可機讀、結構化數據，對疫情防控尤為重要。

疫情防控，科技公司一直在行動(dòng)。

在全球疫情蔓延的情況下，3月31日，谷歌啟動(dòng)了一項名為“COVID-19 Public Datasets（新型冠狀病毒公共數據集）”的項目，托管一個(gè)與疫情相關(guān)的公共數據資料庫，并免費向外界開(kāi)放，用戶(hù)可以自由訪(fǎng)問(wèn)，以及自由分析其中的數據信息。

“COVID-19 Public Datasets”是什么？

據項目官方解釋?zhuān)?ldquo;COVID-19 Public Datasets”中的數據，囊括了JHU CSSE（約翰·霍普金斯大學(xué)系統科學(xué)與工程中心）數據集、世界銀行的全球健康數據和OpenStreetMap數據，它們都被存儲在了Google Cloud 上，并帶有“COVID-19 ”標簽，研究人員可以免費訪(fǎng)問(wèn)和查詢(xún)，并通過(guò)BigQuery ML服務(wù)（一個(gè)完全托管的數據倉庫）直接在內部使用這些數據訓練高級機器學(xué)習模型，直至2020年9月15日。

谷歌方面表示，“COVID-19 Public Datasets”的啟動(dòng)是為了更好的為‘以教育和研究為目的’的工作者提供賦能服務(wù)，我們不會(huì )加入或管理PHI（一個(gè)致病菌的數據庫）或PII（個(gè)人驗證信息）數據，希望盡最大努力阻止疫情蔓延。

不過(guò)需要注意的是，如果用戶(hù)要將“COVID-19 Public Datasets”和其它非新冠病毒數據集結合使用，那么BigQuery Sandbox將以字節為計，在每月的免費額僅有10GB存儲空間和1TB查詢(xún)空間之外，超出部分則按量收費。

疫情之下，開(kāi)放數據集意味著(zhù)什么？

數據統計顯示，截至到昨日下午2點(diǎn)，全球COVID-19病毒確診感染人數已超72萬(wàn)人，死亡人數達3.4萬(wàn)人。

但與此同時(shí)，正因數據量龐大、分散，研究人員面臨著(zhù)極高強度的數據分析工作。除此之外，數據信息的不完整和部分不公開(kāi)，也在一定程度上讓大眾對疫情了解不夠全面。也因此，開(kāi)放可獲取、完整、細顆粒、及時(shí)、可機讀、結構化數據尤為重要。

此前，為加強全球疫情防控聯(lián)動(dòng)，多個(gè)科技界、學(xué)術(shù)界機構便聯(lián)合推出了一個(gè)公開(kāi)數據集“CORD-19”，其中涵蓋了截至3月13日之前的近3萬(wàn)篇新型冠狀病毒相關(guān)論文，以及針對文本進(jìn)行優(yōu)化的文本處理工具包SciSpacy、在科學(xué)文本上進(jìn)行預訓練的BERT模型SciBERT、開(kāi)放研究語(yǔ)料庫和API等。

而針對谷歌的“COVID-19 Public Datasets”數據集，Descartes Labs的工程主管Sam Skillman評論稱(chēng)，“谷歌在BigQuery中開(kāi)放并提供COVID-19數據將極大的推動(dòng)研究人員進(jìn)行數據分析，特別是免費查詢(xún)服務(wù)的推出，會(huì )吸引更多人參與到這一項目中來(lái)，這對全球數據共享、提升數據分析能力、普及病毒信息非常有幫助。”

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！