TilQazyna/Til-Corpus

Til-Corpus Қазақ тілі басым мәтін корпусы · Текстовый корпус с преобладанием казахского языка · Text corpus centered on Kazakh Қазақша · Русский · English Қазақша Til-Corpus — тілдік модельдерді алдын ала оқытуға арналған 58 850 639 құжаттан тұратын, көлемі 204.20 ГБ мәтін корпусы. Негізгі бөлігі қазақ тілінде, сонымен бірге ағылшын, орыс және аралас мәтіндер бар. Құрамы Құжаттарды модель-сарапшы бағалап, сапа деңгейлеріне бөлген. premium, clean… See the full description on the dataset page: https://huggingface.co/datasets/TilQazyna/Til-Corpus.