datasets
Training and evaluation data, with the modality, task and licence stated up front. Listed live from the Hugging Face Hub.
TILO.RA_CODER_Dataset
TILO.RA CODER Dataset
Объединённый русско-английский датасет для обучения и поиска по коду.
Формат — пары question / code: вопрос на естественном языке → готовый код-ответ.
Датасет собран для локального ассистента TILO.RA CODER — офлайн-помощника по программированию
Скачать по ссылке
https://github.com/thetemirbolatov/TILO.RA_CODER_Dataset/releases/download/v1.0.0/tilora_knowledge_merged.jsonl
Состав
Источник
Язык
Записей
English coding… See the full description on the dataset page: https://huggingface.co/datasets/thetemirbolatov/TILO.RA_CODER_Dataset.kaz-morphology-sample
kaz-morphology-sample
Қазақ сөздерінің морфологиялық үлгісі · Образец морфологической разметки казахских слов · Kazakh word morphology sample
Қазақша · Русский · English
Қазақша
kaz-morphology-sample — қазақ сөздерінің морфологиялық талдауы бар 9.3 МБ деректер жинағы. Жинақта 10 000 жазба және 7 сөз табы қамтылған; оны морфологиялық талдау, леммалау және POS-tagging үлгілерін тексеруге қолдануға болады.
Деректер құрамы
Файл
Жазба… See the full description on the dataset page: https://huggingface.co/datasets/TilQazyna/kaz-morphology-sample.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.kazakh-terms-8k
kazakh-terms-8k
Қазақ терминдерін морфологиялық сегменттеу жинағы · Датасет морфологической сегментации казахских терминов · Kazakh term morphological segmentation dataset
Қазақша · Русский · English
Қазақша
kazakh-terms-8k — қазақ терминдерін морфологиялық сегменттеу модельдерін оқытуға және бағалауға арналған 8 000 белгіленген термин жинағы. Репозиторий көлемі — 2.3 МБ.
Құрамы
Негізгі кесте 8k_labeled_terms.csv файлында сақталған. Репозиторийде… See the full description on the dataset page: https://huggingface.co/datasets/TilQazyna/kazakh-terms-8k.