datasets
Training and evaluation data, with the modality, task and licence stated up front. Listed live from the Hugging Face Hub.
cpc_2015_brasil
SALVAMENTO do Dataset
from datasets import load_dataset
from datasets import Dataset
import pandas as pd
# Carregar os dados do arquivo de texto
df = pd.read_parquet('../data/cpc_2015_cleaned.parquet')
data = {
"livro": df["Livro"],
"capitulo": df["Capitulo"],
"titulo": df["Titulo"],
"secao": df["Secao"],
"subsecao": df["Subsecao"],
"artigo": df["Artigo"]
}
# Dividir o texto em seções
dataset = Dataset.from_pandas(pd.DataFrame(data))… See the full description on the dataset page: https://huggingface.co/datasets/0rakul0/cpc_2015_brasil.smoke-openai-terra-batch-brasil-25-20260724-01
Smoke OpenAI Terra Batch — Brasil × 25 tasks
Run real de validação do fluxo matricial document_task_matrix, executada
sobre um único documento da Wikipédia em português com o título Brasil.
Cada uma das 25 tasks canônicas recebeu exatamente um slot inicial.
Resultado
status: completed
documentos: 1
pares planejados: 25
exemplos aceitos: 25
pares pulados: 0
pares esgotados: 0
resultados reais do backend: 27
retries com nova chamada: 2
backend: openai_api… See the full description on the dataset page: https://huggingface.co/datasets/costadev00/smoke-openai-terra-batch-brasil-25-20260724-01.texto-clinico-brasileiro
Texto Clinico Brasileiro
Dataset unificado de texto clinico em portugues brasileiro para NLP.
Agrega multiplos datasets publicos em um schema Parquet padronizado, facilitando
o treinamento e avaliacao de modelos de linguagem para o dominio clinico.
Conteudo
Dataset
Registros
Tipo
Acesso
Fonte
MedPT
384.085
Perguntas e respostas medicas
Livre
AKCIT/MedPT
Sepse HC-RP
200
Resumos de alta hospitalar
Livre
Dataverse
Total: 384.285 registros | Tamanho: ~95 MB… See the full description on the dataset page: https://huggingface.co/datasets/LABDAPS/texto-clinico-brasileiro.texto-clinico-brasileiro
Texto Clinico Brasileiro
Dataset unificado de texto clinico em portugues brasileiro para NLP.
Agrega multiplos datasets publicos em um schema Parquet padronizado, facilitando
o treinamento e avaliacao de modelos de linguagem para o dominio clinico.
Conteudo
Dataset
Registros
Tipo
Acesso
Fonte
MedPT
384.085
Perguntas e respostas medicas
Livre
AKCIT/MedPT
Sepse HC-RP
200
Resumos de alta hospitalar
Livre
Dataverse
Total: 384.285 registros | Tamanho: ~95 MB… See the full description on the dataset page: https://huggingface.co/datasets/fabianonbfilho/texto-clinico-brasileiro.