Датасет · ronantakizawa
Код топ-разработчиков GitHub
ronantakizawa/github-top-code
1,3 млн файлов исходного кода от ~4,7 тыс. топовых разработчиков GitHub на 80+ языках программирования.
Что внутри
Датасет собран из репозиториев примерно 4 700 уникальных разработчиков с высоким рейтингом на GitHub за 2015–2025 годы. Внутри более 1,3 млн файлов исходного кода на 80+ языках, включая Python, JavaScript, TypeScript, Rust, Go, C/C++ и Java. Язык данных — код; размер репозитория — 1M–10M.
Что можно сделать
- Претрейн code LLM
- Дообучение LoRA для генерации кода
- Оценка стиля и качества кода
- Задачи
- Генерация текста
- Языки
- Код
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 502
- Лайков
- 125
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("ronantakizawa/github-top-code")