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")