TilQazyna/Til-Corpus-exp078

Til-Corpus-exp078 Қазақ тілі басым оқыту корпусы · Корпус для обучения с преобладанием казахского языка · Kazakh-dominant training corpus Қазақша · Русский · English Қазақша Til-Corpus-exp078 — тілдік модельдерді алдын ала оқытуға дайындалған, қазақ тілі басым корпус. Репозиторий көлемі — 139.07 ГБ; оқытуға дайын бөлігінде 32.9M жол және Til-Tokenizer-128k бойынша 7.21B токен бар. Құрамы Дерек сапасы оқу соңына қарай арта түсетін ретпен жиналған.… See the full description on the dataset page: https://huggingface.co/datasets/TilQazyna/Til-Corpus-exp078.