К содержимому

Датасет · open-index

Архив публичных событий и активности на GitHub

open-index/open-github

Табличные и текстовые данные о пушах, пул-реквестах, релизах и обсуждениях из публичных репозиториев.

Что внутри

Массив публичных событий с платформы GitHub: пуши, pull request, issues, звёзды, форки, код-ревью, релизы и обсуждения из открытых репозиториев. Датасет представлен в табличном и текстовом форматах на английском и других языках, объём на Hugging Face — от 100 тысяч до 1 миллиона записей.

Что можно сделать

  • Обучение моделей генерации и классификации технических текстов и обсуждений кода
  • Извлечение признаков (feature extraction) и аналитика активности разработчиков
  • Создание систем для суммаризации issues, релизов и истории изменений
Задачи
Генерация текста, Классификация текста, Эмбеддинги
Языки
Английский, mul
Размер
100K–1M записей
Скачиваний за месяц
3,1 тыс.
Лайков
12

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("open-index/open-github")