如何合法免费获取ML模型训练所需的带标注简历数据集

以下渠道都合规无版权风险，可免费拿到带标注的简历数据做CNN模型效果测试：

• 学术圈公开的标注简历语料
  NLP、HR科技方向的公开学术项目、顶会论文附带的开源数据集里，有不少经过用户授权、脱敏处理的标注简历数据，这类资源大多明确开放给非商业学术研究使用，标注维度覆盖行业分类、岗位适配类别、技能标签等简历分类需要的核心标签，部分数据集还标注了简历版式、文本块位置信息，刚好适配CNN提取文本、版式特征的需求，用之前看一眼项目的授权协议，不拿去商用就完全没问题。
• 算法赛事公开的脱敏简历数据集
  之前很多招聘类算法赛、公开数据科学竞赛都出过简历筛选、人岗匹配类的赛题，赛事方公开的训练集都是走了正规授权流程、做了全量隐私脱敏（抹掉姓名、手机号、身份证号等可定位到个人的信息）的标注数据，标签都是赛事方统一校准过的，质量很高，标签体系也和简历分类任务匹配度很高，不用花太多时间清洗就能直接拿来测模型效果，所有人都可以免费下载。
• 自己动手构建合规测试集
  如果公开数据集的标签和你自己的分类目标对不上，有两种零风险的自建方式：一是拿公开的简历模板，填虚构的个人经历、技能、求职意向，按照你自己的分类标准标注，这类生成的数据完全没有隐私、版权纠纷；二是找高校就业指导中心、公益人才服务机构合作，在拿到简历所有者明确授权、全部敏感信息抹除的前提下，收集少量真实简历标注，做出来的测试集和你的任务适配度最高。

重要提醒：所有简历数据的使用必须严格遵守个人信息保护相关法规，只能用来做非商业的算法研究测试，不能泄露、转售数据，也不能没经过授权就拿去做商业用途。

内容的提问来源于stack exchange，提问作者nouns