Датасет · nyuuzyou
Архив открытого кода Google Code
nyuuzyou/google-code-archive
Снимок проектов Google Code 2006–2016 для обучения моделей на историческом коде.
Что внутри
Датасет собран из Google Code Archive — сохранённого снимка проектов, размещённых на Google Code с 2006 по 2016 год. Платформа хранила сотни тысяч open-source проектов до закрытия. Языки — код и английский, модальность — текст, размер — от 10 до 100 млн записей. Это исторический срез разработки open source.
Что можно сделать
- Обучение code-модели на исторических репозиториях
- Дообучение модели генерации кода
- Анализ эволюции open-source проектов
- Задачи
- Генерация текста
- Языки
- Код, Английский
- Размер
- 10M–100M записей
- Скачиваний за месяц
- 3 тыс.
- Лайков
- 74
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("nyuuzyou/google-code-archive")