---
title: "50+ датасетов для машинного обучения — российские данные"
description: "В этой статье собраны более 50 датасетов с российскими данными, которые можно использовать для обучения моделей машинного обучения. Независимо от того, работаете ли вы с…"
url: "https://data-light.ru/blog/ml-dataseti-rossijskie-dannye/"
date_modified: "2025-03-21T15:39:03+03:00"
language: "ru-RU"
---
В этой статье собраны более 50 датасетов с российскими данными, которые можно использовать для обучения моделей машинного обучения. Независимо от того, работаете ли вы с текстами, изображениями, аудиозаписями или статистическими данными, здесь вы можете найти подходящий набор данных для своего проекта.

**Обработка естественного языка (NLP)**

![NLP датасеты](https://data-light.ru/wp-content/uploads/2025/03/nlp-dataset-1024x640.png)**Литература и художественные тексты**

- [**Russian Child Tales**](https://www.kaggle.com/datasets/bond005/russian-child-tales) — Набор данных, предназначенный для обучения LLM генерировать простые рифмы и детские стихотворения.
- [**19,000 Russian Poems**](https://www.kaggle.com/datasets/grafstor/19-000-russian-poems) — Набор данных, содержащий 19 тысяч стихотворений на русском языке.
- [**Russian Novels**](https://github.com/JoannaBy/RussianNovels) — Большой корпус русских классических романов, включает около 100 произведений.

**Параллельные и специализированные корпусы**

- [**English-Russian Parallel Corpus Data**](https://www.kaggle.com/datasets/nexdatafrank/english-russian-parallel-corpus-data) — Двуязычный корпус текстов на английском и русском языках для обучения систем машинного перевода.
- [**Ophthalmology Russian/English Translations**](https://www.kaggle.com/datasets/cheshrcat/ru-medical-texts-ophtalmology) — Датасет параллельных англо-русских предложений, специально подобранных для обучения языковых моделей профессионального медицинского перевода в области офтальмологии.
- [**RuAdapt: A Parallel Russian-Simple Russian Dataset**](https://github.com/Digital-Pushkin-Lab/RuAdapt) — Параллельный корпус, содержащий тексты на русском языке и их упрощенные версии, используемый в задачах автоматического упрощения текста.
- [**Gazeta Summaries**](https://www.kaggle.com/datasets/phoenix120/gazeta-summaries) — Коллекция статей и их кратких аннотаций на русском языке, полезная для задач суммаризации.
- [**Russian Corpus of Biographical Texts**](https://archive.ics.uci.edu/dataset/576/russian+corpus+of+biographical+texts) — Корпус биографических текстов из Википедии для задачи автоматического поиска фрагментов в тексте.
- [**Movie Plots from Wikipedia in Russian**](https://www.kaggle.com/datasets/maksimpotorochin/movie-plots-from-wikipedia-in-russian) — Датасет с краткими пересказами сюжетов фильмов, мультфильмов, аниме, сериалов на русском языке.
- [**Kinopoisk Top 250 Russian Dataset**](https://www.kaggle.com/datasets/alexandertesemnikov/kinopoisktop250russiandataset) — Датасет, содержащий информацию о 250 лучших фильмах по версии Кинопоиска, включая их названия, рейтинги, жанры, год выпуска.
- [**Russian Financial News**](https://www.kaggle.com/datasets/kkhubiev/russian-financial-news) — Датасет с текстами финансовых новостей на русском языке.

**Анализ тональности**

- [**Russian Sentiment Dataset**](https://www.kaggle.com/datasets/senylar/sis-text-class) — Датасет русскоязычных отзывов на различные услуги и заведения, включая рестораны, медицинские учреждения и др.
- [**Russian-language Reviews**](https://www.kaggle.com/datasets/laytsw/reviews) — Датасет русскоязычных отзывов о покупках одежды и заказах в интернет-магазинах.
- [**RuReviews**](https://github.com/sismetanin/rureviews) — Разнообразные русскоязычные отзывы для анализа тональности.
- [**Отзывы на мобильные телефоны**](https://www.kaggle.com/datasets/theovall/phonereviews) — Датасет русскоязычных отзывов на мобильные телефоны, содержащий рейтинговые оценки (от 1 до 5).
- [**Kinopoisk’s movies reviews**](https://www.kaggle.com/datasets/mikhailklemin/kinopoisks-movies-reviews) — Коллекция рецензий пользователей на фильмы с Кинопоиска, включает более 130 тысяч записей.
- [**Reviews Dataset**](https://github.com/akanat/russian_reviews_dataset) — Датасет русскоязычных отзывов, охватывающий 17 категорий товаров, включая электронику, косметику, бытовую технику и другие.
- [**KartaSlovSent**](https://github.com/dkulagin/kartaslov/tree/master/dataset/kartaslovsent) — Датасет слов и выражений русского языка с разметкой тональности («положительное», «отрицательное», «нейтральное»).

**Лингвистика и языковой анализ**

- [**Open Semantics**](https://github.com/dkulagin/kartaslov/tree/master/dataset/open_semantics) — Корпус русскоязычных слов и выражений с семантической разметкой.
- [**Assoc**](https://github.com/dkulagin/kartaslov/tree/master/dataset/assoc) — Содержит ассоциации к словам и выражениям русского языка, придуманные реальными людьми.
- [**Orfo and Typos**](https://github.com/dkulagin/kartaslov/tree/master/dataset/orfo_and_typos) — Набор данных, состоящий из слов на русском языке и вариантов их неправильного написания (включая ошибки и опечатки).
- [**Russian Event2Mind**](https://github.com/Alenush/russian_event2mind) — Аннотированные данные о намерениях и реакциях.
- [**RULEC-GEC**](https://github.com/arozovskaya/RULEC-GEC) — Набор предложений, написанных людьми, изучающий русский язык как иностранный, аннотированный на предмет грамматических ошибок.
- [**Russian News Corpus**](https://github.com/maxoodf/russian_news_corpus) — Лемматизированные (морфологически нормализованные) тексты новостей российских СМИ.

**Жестовый язык**

- [**Russian Sign Language Alphabet**](https://www.kaggle.com/datasets/kamillakabardieva/russian-sign-language-alphabet) — Датасет с изображениями алфавита жестового русского языка.
- [**Slovo — Russian Sign Language Dataset**](https://github.com/hukenovs/slovo) — Крупномасштабный видеодатасет для задач распознавания жестов русского жестового языка. Содержит 20 400 RGB-видео, охватывающих 1 000 жестов, выполненных 194 исполнителями, по 20 видео на каждый жест.
- [**Datasets for Russian Sign Language**](https://github.com/Maksat03/Datasets-for-Russian-sign-language-) — Алфавит жестов русского жестового языка.

**Визуальное распознавание текста**

- [**Handwritten Russian Letters**](https://www.kaggle.com/datasets/olgabelitskaya/handwritten-russian-letters) — Изображения рукописных русских букв.
- [**RusTitW: Russian Language Visual Text Recognition**](https://www.kaggle.com/datasets/hardtype/rustitw-russian-language-visual-text-recognition) — Датасет для задачи распознавания печатного и рукописного текста на русском языке в реальных условиях.
- [**Kazakh, Russian and English Glyph Images Dataset**](https://www.kaggle.com/datasets/gabitsekenov/kazakh-russian-and-english-glyph-images-dataset) — Коллекция изображений символов казахского, русского и английского алфавитов.

**Аудиоданные**

- [**Russian Emotional Speech Dialogs (RESD)**](https://www.kaggle.com/datasets/ar4ikov/resd-dataset) — Аудиозаписи эмоциональной русской речи с различными метками тональности.
- [**Russian Speech Disorder Audio (RSDA)**](https://www.kaggle.com/datasets/mhantor/russian-voice-dataset) — Датасет аудиозаписей русскоязычной речи с нарушениями, предназначенный для диагностики гиперкинетической дизартрии.
- [**Russian Open Text To Speech (TTS) Dataset**](https://github.com/ishine/open_tts) — Масштабный аудиодатасет для задач обучения и тестирования моделей синтеза речи (TTS).
- [**Russian Open Speech To Text (STT/ASR) Dataset**](https://github.com/snakers4/open_stt/) — Датасет русскоязычных аудиозаписей с транскрипциями, предназначенный для обучения и тестирования систем автоматического распознавания речи (ASR).
- [**Golos**](https://github.com/sberdevices/golos) — 1240 часов аннотированных аудиозаписей на русском языке.
- [**Speech Recognition Dataset**](https://github.com/avenaki/speech-recognition-dataset) — Датасет включает видеоролики, в которых различные спикеры произносят фразы на русском языке.
- [**Russian Single Speaker Speech Dataset**](https://www.kaggle.com/datasets/bryanpark/russian-single-speaker-speech-dataset) — Аудиозаписи речи одного носителя русского языка.

---

## Компьютерное зрение (CV)

![Датасеты для компьютерного зрения (CV)](https://data-light.ru/wp-content/uploads/2025/03/cv-dataset-1024x640.png)**Транспорт и автономное вождение**

- [**Traffic Signs in Post-Soviet States**](https://www.kaggle.com/datasets/mikhailkosov/traffic-signs-in-post-soviet-states-200-classes) — Датасет с изображениями дорожных знаков.
- [**Car Crash Dataset Russia 2022–2023**](https://www.kaggle.com/datasets/sivoha/car-crash-dataset-russia-2022-2023) — Видеозаписи различных сценариев вождения.

**Искусство и культура**

- [**Russian Classic Painting Dataset**](https://www.kaggle.com/datasets/downshift/russian-classic-painting-dataset) — Набор изображений русской классической живописи с автоматически сгенерированными описаниями на русском и английском языках, предназначенный для разработки моделей генерации изображений.
- [**Museum exhibits dataset**](https://www.kaggle.com/datasets/vladimirarchipov/mincult-museum-dataset) — Датасет, содержащий около 16 000 изображений музейных экспонатов. Полезен для разработки систем классификации, поиска объектов на изображениях и анализа визуального сходства.

**Медицина**

- [**MosMedData — Chest CT Scans with COVID-19**](https://www.kaggle.com/datasets/mathurinache/mosmeddata-chest-ct-scans-with-covid19) — Компьютерные томограммы легких пациентов с COVID-19.

**Природа и окружающая среда**

- [**Urban Underlying Surfaces in Winter Dataset**](https://www.kaggle.com/datasets/grigoriiott/urban-underlying-surfaces-in-winter-dataset) — Включает размеченные (сегментированные) изображения покрытий городских улиц зимой.
- [**Mushroom Species**](https://www.kaggle.com/datasets/thehir0/mushroom-species) — Более 50 000 фотографий 100 видов грибов, сделанных в России.
- [**Flower from Shops Classification**](https://www.kaggle.com/datasets/vitalymakin/flower-from-shops-classification) — Масштабный набор фотографий растений, продающихся в российских цветочных магазинах.

---

## Статистика, анализ, прогнозирование

![Датасеты для статистики и анализа](https://data-light.ru/wp-content/uploads/2025/03/analiz-dataset-1024x640.png)**Финансы и экономика**

- [**Moscow Housing Price Dataset**](https://www.kaggle.com/datasets/egorkainov/moscow-housing-price-dataset) — Данные о ценах на жилье в Москве.
- [**Real Estate Saint Petersburg**](https://www.kaggle.com/datasets/litvinenko630/real-estate-saint-petersburg-2014-2019) — Данные о рынке недвижимости Санкт-Петербурга за 5 лет.
- [**Bond Market Volume — Russia**](https://www.kaggle.com/datasets/lomowg/bond-market-volume-russia) — Данные об объеме российского рынка облигаций.
- [**Macroeconomic data on the Russian economy**](https://www.kaggle.com/datasets/zavidnikitamahbub/russian-economy-macroeconomic-data-2005-2021) — Макроэкономическая статистика России.
- [**B2B Technographic Data in Russia**](https://www.kaggle.com/datasets/techsalerator/b2b-technographic-data-in-russia) — Данные о российских компаниях, полезны для маркетингового анализа и B2B-исследований.
- [**Auction prices for Russian Empire coins**](https://www.kaggle.com/datasets/numizmat/ancient-russian-coins-auction-prices-2008-2020) — Аукционные цены на старинные российские монеты.

**Социальные исследования**

- [**The Number of Crimes in Russia (2008–2023)**](https://www.kaggle.com/datasets/scibearia/the-number-of-crimes-in-russia-2008-2023) — Статистика преступности в России за 15 лет.
- [**University Admission in Russia (2014–2023)**](https://www.kaggle.com/datasets/scibearia/university-admission-in-russia-2014-2023) — Данные о поступлении в вузы.
- [**Russian Demography Data (1990–2017)**](https://www.kaggle.com/datasets/dwdkills/russian-demography) — Демографическая статистика России.
- [**Consumption of Alcohol in Russia (2017–2023)**](https://www.kaggle.com/datasets/scibearia/consumption-of-alcohol-in-russia-2017-2023) — Данные о потреблении алкоголя в России.

[Full list of this site's AI-readable pages](https://data-light.ru/llms.txt)