Datasetpublic

Bahadir26/turkce-master-dataset-1280-capped

Turkce Master Dataset 1280 Capped Egitim maliyetini kontrol etmek icin Qwen/Qwen3.5-2B tokenizer'i ile 1280 token ustundeki ornekler veri setine alinmadi. Istatistikler Alan Deger Base kaynaktan eklenen 69729 Ek kaynaktan eklenen 40411 Filtrelenen (>1280 token) 6198 Son toplam 103942 Ortalama token 573.84 Min token 61 Max token 1280 P90 token 1051 P95 token 1142 Format Her satir bir JSON nesnesidir:… See the full description on the dataset page: https://huggingface.co/datasets/Bahadir26/turkce-master-dataset-1280-capped.

sourceHugging Faceapache-2.0updated 6mo agoView on Hugging Face

0likes14downloads

Dataset Card

Turkce Master Dataset 1280 Capped

Egitim maliyetini kontrol etmek icin Qwen/Qwen3.5-2B tokenizer'i ile 1280 token ustundeki ornekler veri setine alinmadi.

Istatistikler

Alan	Deger
Base kaynaktan eklenen	69729
Ek kaynaktan eklenen	40411
Filtrelenen (`>1280` token)	6198
Son toplam	103942
Ortalama token	573.84
Min token	61
Max token	1280
P90 token	1051
P95 token	1142

Format

Her satir bir JSON nesnesidir:

json

{"messages":[{"role":"system","content":"..."},{"role":"user","content":"..."},{"role":"assistant","content":"..."}],"tags":["..."]}

Kullanim

python

from datasets import load_dataset
dataset = load_dataset("Bahadir26/turkce-master-dataset-1280-capped")