datasets
Training and evaluation data, with the modality, task and licence stated up front. Listed live from the Hugging Face Hub.
COIN-collection
COIN collection dataset
This is the dataset for our paper "Predicting the Encoding Error of SIRENs". It consists of 300,000 small SIREN networks trained to encode images from the MSCOCO dataset.
We will publish a loading script for this dataset soon, but until then, see the following instructions:
How to Use
First, download this repository using:
huggingface-cli repo download predict-SIREN-PSNR/COIN-collection --repo_type datasets
There are two types of files in this… See the full description on the dataset page: https://huggingface.co/datasets/predict-SIREN-PSNR/COIN-collection.base-sirene-des-entreprises-et-de-leurs-etablissements-siren-siret
Base Sirene des entreprises et de leurs établissements (SIREN, SIRET)
Source
Source officielle : https://www.data.gouv.fr/datasets/base-sirene-des-entreprises-et-de-leurs-etablissements-siren-siret
Identifiant du jeu de données data.gouv.fr : 5b7ffc618b4c4169d30727e0
Slug data.gouv.fr : base-sirene-des-entreprises-et-de-leurs-etablissements-siren-siret
Licence indiquée dans les métadonnées data.gouv.fr : lov2
Structure Hugging Face
Un jeu de… See the full description on the dataset page: https://huggingface.co/datasets/Data-Gouv-ML/base-sirene-des-entreprises-et-de-leurs-etablissements-siren-siret.SiRenYongSIRENE_Clientsirene-toulouse
SIRENE Toulouse — Registered Businesses & Establishments
Geolocated, filtered extract of the active business establishments registered in Toulouse
(INSEE commune code 31555), sourced from INSEE's Sirene register — the official French
database of all businesses and their establishments.
157,911 active establishments
Point geometry (WGS84 / EPSG:4326 — [longitude, latitude])
Format: GeoJSON FeatureCollection (CSV export also suggested — see Formats below)
Geographic scope:… See the full description on the dataset page: https://huggingface.co/datasets/chaosskill/sirene-toulouse.SIREN-bench-datadetails_DreadPoor__Siren-7B-slerp
Dataset Card for Evaluation run of DreadPoor/Siren-7B-slerp
Dataset automatically created during the evaluation run of model DreadPoor/Siren-7B-slerp on the Open LLM Leaderboard.
The dataset is composed of 63 configuration, each one coresponding to one of the evaluated task.
The dataset has been created from 1 run(s). Each run can be found as a specific split in each configuration, the split being named using the timestamp of the run.The "train" split is always pointing to the… See the full description on the dataset page: https://huggingface.co/datasets/open-llm-leaderboard-old/details_DreadPoor__Siren-7B-slerp.siren-screening
SIREN Screening Dataset
~60,000 articles with synthetic relevance queries for training biomedical document screeners. Each article has multiple queries at three relevance levels: Relevant, Partial, Irrelevant.
Why this dataset?
Systematic reviews require screening thousands of articles against inclusion criteria (e.g., "RCTs in adults with diabetes, published after 2015"). Existing retrieval models (MedCPT, PubMedBERT)… See the full description on the dataset page: https://huggingface.co/datasets/Praise2112/siren-screening.siren-benchdataset-analisis-sentimen-review-produk
📊 Dataset untuk Model indobert-analisis-sentimen-review-produk
Model ini dilatih untuk melakukan klasifikasi sentimen terhadap review produk dalam Bahasa Indonesia menggunakan IndoBERT sebagai base model.
📁 Jumlah Data
Dataset ini terdiri dari:
Kelas Sentimen
Jumlah Data
Positif
6.000
Negatif
4.589
🔧 Tahapan Preprocessing Data
Dataset telah melalui beberapa tahap preprocessing untuk memastikan kualitas data yang digunakan dalam pelatihan… See the full description on the dataset page: https://huggingface.co/datasets/siRendy/dataset-analisis-sentimen-review-produk.riskradar-sirenesiren-tts-datasetdataset-klasifikasi-sentimen-ulasan-produkjointure-boamp-siren-cote-acheteurs-2024-2025-et-2026
Jointure BOAMP - SIREN / Côté acheteurs / 2024, 2025 et 2026.
Source
Source officielle : https://www.data.gouv.fr/datasets/jointure-boamp-siren-cote-acheteurs-2024-2025-et-2026
Identifiant du jeu de données data.gouv.fr : 6863b7cbb1aafe4118ea43d3
Slug data.gouv.fr : jointure-boamp-siren-cote-acheteurs-2024-2025-et-2026
Licence indiquée dans les métadonnées data.gouv.fr : lov2
Structure Hugging Face
Un jeu de données data.gouv.fr = un dépôt… See the full description on the dataset page: https://huggingface.co/datasets/Data-Gouv-ML/jointure-boamp-siren-cote-acheteurs-2024-2025-et-2026.base-sirene-des-entreprises-et-de-leurs-etablissements-en-bretagne
Base Sirene des entreprises et de leurs établissements en Bretagne
[!NOTE]
Ce jeu de données Hugging Face est vide. Cette carte sert seulement à référencer le jeu de données Base Sirene des entreprises et de leurs établissements en Bretagne qui est disponible à l'adresse https://www.data.gouv.fr/datasets/684004122f9592aab088e13f
Description
La base Sirene, ou Système Informatique pour le Répertoire des ENtreprises et des Etablissements, est un répertoire national… See the full description on the dataset page: https://huggingface.co/datasets/french-open-data/base-sirene-des-entreprises-et-de-leurs-etablissements-en-bretagne.base-sirene-des-entreprises-et-de-leurs-etablissements-siren-siret
Base Sirene des entreprises et de leurs établissements (SIREN, SIRET)
[!NOTE]
Ce jeu de données Hugging Face est vide. Cette carte sert seulement à référencer le jeu de données Base Sirene des entreprises et de leurs établissements (SIREN, SIRET) qui est disponible à l'adresse https://www.data.gouv.fr/datasets/5b7ffc618b4c4169d30727e0
Description
🔔 NAF 2025 : adaptation de la diffusion des informations du répertoire Sirene au passage à la nouvelle nomenclature… See the full description on the dataset page: https://huggingface.co/datasets/french-open-data/base-sirene-des-entreprises-et-de-leurs-etablissements-siren-siret.1200_rows_dataset_siren_greetings_thanks_augmenteddataset-review-produk-untuk-pretrain-model-transformersjointure-dataset-boamp-2025-dataset-siren-cote-acheteurs
Jointure Dataset BOAMP 2025 <> Dataset SIREN (côté acheteurs)
[!NOTE]
Ce jeu de données Hugging Face est vide. Cette carte sert seulement à référencer le jeu de données Jointure Dataset BOAMP 2025 <> Dataset SIREN (côté acheteurs) qui est disponible à l'adresse https://www.data.gouv.fr/datasets/6863b7cbb1aafe4118ea43d3
Description
Dataset de fusion du tableau BOAMP (DILA) avec la Base Sirene des entreprises (INSEE) / Année 2025 / Côté Acheteurs. (DOC EN COURS… See the full description on the dataset page: https://huggingface.co/datasets/french-open-data/jointure-dataset-boamp-2025-dataset-siren-cote-acheteurs.Sales-History-XGBdataset-sumarization-ulasan-produkdataset-boamp-siren-acheteur-bsa-assurances-83-colonnes-2024
Dataset «BOAMP-SIREN-ACHETEUR (BSA)» / Assurances / 83 colonnes / 2024
[!NOTE]
Ce jeu de données Hugging Face est vide. Cette carte sert seulement à référencer le jeu de données Dataset «BOAMP-SIREN-ACHETEUR (BSA)» / Assurances / 83 colonnes / 2024 qui est disponible à l'adresse https://www.data.gouv.fr/datasets/674ee6459ce96a9c6c4c9eee
Description
Pour une mise en pratique, rendez-vous sur AuFilDuBoamp par ici:
Boamp/Assurances - Élaborer le tableau du TOP-10/2024… See the full description on the dataset page: https://huggingface.co/datasets/french-open-data/dataset-boamp-siren-acheteur-bsa-assurances-83-colonnes-2024.repertoire-siren-janv-2023
Répertoire_SIREN_janv_2023
[!NOTE]
Ce jeu de données Hugging Face est vide. Cette carte sert seulement à référencer le jeu de données Répertoire_SIREN_janv_2023 qui est disponible à l'adresse https://www.data.gouv.fr/datasets/63ce5726bd20ba83db40ea59
Description
SIREN
Source : INSEE SIREN 1er Janvier 2023
Année de référence des données : 2022
Géographie : 2022
Le fichier original du Répertoire Siren recense l'ensemble des entreprises et de leurs… See the full description on the dataset page: https://huggingface.co/datasets/french-open-data/repertoire-siren-janv-2023.sirena_test1000_rows_dataset_siren_augmentedsla-base-sirene-etablissements-actifs
SLA - Base SIRENE - Etablissements "actifs"
[!NOTE]
Ce jeu de données Hugging Face est vide. Cette carte sert seulement à référencer le jeu de données SLA - Base SIRENE - Etablissements "actifs" qui est disponible à l'adresse https://www.data.gouv.fr/datasets/61aa0bd2c564b431e34ed799
Description
Le jeu de données présents sur le portail est extrait d'une base de données nationale pour obtenir seulement les données sur Saint-Louis Agglomération et seulement les… See the full description on the dataset page: https://huggingface.co/datasets/french-open-data/sla-base-sirene-etablissements-actifs.social-siren-synthetic
Social Siren Synthetic Multilingual Disaster-Tweet Dataset (v1)
5,000 synthetic, programmatically-generated tweets with multi-label annotations
for disaster detection, sarcasm, sentiment, and language, across English, Hindi,
Marathi, and code-mixed (Hinglish) text.
IMPORTANT — read before using in a paper. This is a synthetic dataset.
Every tweet was generated from templates, not collected from Twitter/X. It is
intended as a controlled testbed and demonstration fixture for… See the full description on the dataset page: https://huggingface.co/datasets/harrrrsh307/social-siren-synthetic.100_rows_dataset_siren_augmenteddataset-de-jointure-boamp-siren-acheteurs-bsa-5-colonnes-2024
Dataset de jointure «BOAMP-SIREN-ACHETEURS (BSA)» / 5 colonnes / 2024
[!NOTE]
Ce jeu de données Hugging Face est vide. Cette carte sert seulement à référencer le jeu de données Dataset de jointure «BOAMP-SIREN-ACHETEURS (BSA)» / 5 colonnes / 2024 qui est disponible à l'adresse https://www.data.gouv.fr/datasets/677a5b1788d03084594a18df
Description
À la demande générale nous publions désormais (gratuitement et en open data) un tableau de jointure exhaustif… See the full description on the dataset page: https://huggingface.co/datasets/french-open-data/dataset-de-jointure-boamp-siren-acheteurs-bsa-5-colonnes-2024.base-sirene-v3-soissons
Base Sirene v3 - Soissons
Source
Source officielle : https://www.data.gouv.fr/datasets/base-sirene-v3-soissons
Identifiant du jeu de données data.gouv.fr : 685e46377957c0d85f384bc1
Slug data.gouv.fr : base-sirene-v3-soissons
Licence indiquée dans les métadonnées data.gouv.fr : lov2
Structure Hugging Face
Un jeu de données data.gouv.fr = un dépôt Hugging Face
Une ressource tabulaire d’origine = un sous-ensemble/configuration Hugging Face
Chaque… See the full description on the dataset page: https://huggingface.co/datasets/Data-Gouv-ML/base-sirene-v3-soissons.