bigscience-workshop/data_tooling

Tools for managing datasets for governance and training.

Estrellas: 91
Forks: 47
Issues abiertos para principiantes: 8
Issues indexados: 138

Lenguaje dominante: HTML
Licencia: Apache-2.0
Último push a GitHub: 4/7/2022
Última indexación: 14/9/2026
Guía de contribución: Sin guía de contribución
Código de conducta: Sin código de conducta
Etiquetas para principiantes: help wanted
Métricas de merge de PR: Sin PR fusionados en 30 d

Para principiantes Todo

Abierto Todos

Reason for not applying remove_non_prining_characters normalization Abierto

Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100

bigscience-workshop/data_tooling#416 · 1 comentario · Abierto el 20/5/2022
Citing this resource Abierto

Dificultad 2/5 1-3 horas Aptitud para principiantes 25/100

bigscience-workshop/data_tooling#414 · 4 comentarios · Abierto el 26/4/2022
Create dataset vanguard_daily_media Abierto

data catalog

Dificultad 2/5 1-3 horas Aptitud para principiantes 45/100

bigscience-workshop/data_tooling#363 · Abierto el 19/1/2022
Create dataset mind_body_green Abierto

data catalog

Dificultad 1/5 Menos de una hora Aptitud para principiantes 45/100

bigscience-workshop/data_tooling#362 · Abierto el 19/1/2022
Create dataset human_instructions_in_indonesian_extracted_from_wikihow Abierto

data catalog

Dificultad 2/5 1-3 horas Aptitud para principiantes 56/100

bigscience-workshop/data_tooling#361 · Abierto el 19/1/2022
Create dataset malindomorph__morphological_dictionary_and_analyser_for_malay_indonesian Abierto

data catalog need custodian permission

Dificultad 2/5 1-3 horas Aptitud para principiantes 45/100

bigscience-workshop/data_tooling#360 · Abierto el 19/1/2022
Create dataset wikihow_vietnamese_human_instructions Abierto

data catalog

bigscience-workshop/data_tooling#358 · 2 comentarios · 1 asignado · Abierto el 19/1/2022
Create dataset information_week_digital_magazine Abierto

data catalog

Dificultad 1/5 Menos de una hora Aptitud para principiantes 45/100

bigscience-workshop/data_tooling#356 · Abierto el 19/1/2022
Create dataset nurition_fact Abierto

data catalog

Dificultad 1/5 Menos de una hora Aptitud para principiantes 35/100

bigscience-workshop/data_tooling#355 · Abierto el 19/1/2022
Create dataset ekantipur_com Abierto

data catalog

Dificultad 1/5 Menos de una hora Aptitud para principiantes 45/100

bigscience-workshop/data_tooling#354 · Abierto el 19/1/2022
Create dataset tsac Abierto

data catalog

Dificultad 2/5 1-3 horas Aptitud para principiantes 55/100

bigscience-workshop/data_tooling#352 · Abierto el 19/1/2022
Create dataset xnli Abierto

data catalog

Dificultad 2/5 1-3 horas Aptitud para principiantes 48/100

bigscience-workshop/data_tooling#350 · Abierto el 19/1/2022
Create dataset washington_post_wapo Abierto

data catalog

Dificultad 1/5 Menos de una hora Aptitud para principiantes 35/100

bigscience-workshop/data_tooling#349 · Abierto el 19/1/2022
Create dataset offenseval_dravidian Abierto

data catalog

Dificultad 1/5 Menos de una hora Aptitud para principiantes 55/100

bigscience-workshop/data_tooling#347 · Abierto el 19/1/2022
Create dataset the_hill_newspaper_and_digital_media Abierto

data catalog

Dificultad 1/5 Menos de una hora Aptitud para principiantes 82/100

bigscience-workshop/data_tooling#346 · Abierto el 19/1/2022
Create dataset lihkg Abierto

data catalog

Dificultad 2/5 1-3 horas Aptitud para principiantes 42/100

bigscience-workshop/data_tooling#345 · Abierto el 19/1/2022
Create dataset apple_insider_blog Abierto

data catalog

Dificultad 1/5 Menos de una hora Aptitud para principiantes 50/100

bigscience-workshop/data_tooling#344 · Abierto el 19/1/2022
Create dataset webmd_health_and_wellbeing Abierto

data catalog

Dificultad 1/5 Menos de una hora Aptitud para principiantes 45/100

bigscience-workshop/data_tooling#343 · Abierto el 19/1/2022
Create dataset the_new_york_times Abierto

data catalog

Dificultad 2/5 1-3 horas Aptitud para principiantes 52/100

bigscience-workshop/data_tooling#342 · Abierto el 19/1/2022
Create dataset everyday_health_group_digital_media Abierto

data catalog

Dificultad 2/5 1-3 horas Aptitud para principiantes 45/100

bigscience-workshop/data_tooling#340 · Abierto el 19/1/2022
Create dataset boy_genius_report_bgr Abierto

data catalog

Dificultad 1/5 Menos de una hora Aptitud para principiantes 35/100

bigscience-workshop/data_tooling#338 · Abierto el 19/1/2022
Create dataset stack_exchange_website Abierto

data catalog

Dificultad 1/5 Menos de una hora Aptitud para principiantes 35/100

bigscience-workshop/data_tooling#337 · Abierto el 19/1/2022
Create dataset detik Abierto

data catalog

Dificultad 1/5 Menos de una hora Aptitud para principiantes 55/100

bigscience-workshop/data_tooling#336 · Abierto el 19/1/2022
Create dataset science_magazing_aaas_academic_journal Abierto

data catalog

Dificultad 2/5 1-3 horas Aptitud para principiantes 48/100

bigscience-workshop/data_tooling#335 · Abierto el 19/1/2022
Create dataset freelancer_market_place_website Abierto

data catalog

Dificultad 1/5 Menos de una hora Aptitud para principiantes 62/100

bigscience-workshop/data_tooling#334 · Abierto el 19/1/2022
Create dataset bleacher_report_sport_blog Abierto

data catalog

Dificultad 2/5 1-3 horas Aptitud para principiantes 45/100

bigscience-workshop/data_tooling#333 · Abierto el 19/1/2022
Create dataset the_athletic_sport_coverage Abierto

data catalog

Dificultad 1/5 Menos de una hora Aptitud para principiantes 55/100

bigscience-workshop/data_tooling#331 · Abierto el 19/1/2022
Create dataset reuters_news_organisation Abierto

data catalog

Dificultad 1/5 1-3 horas Aptitud para principiantes 35/100

bigscience-workshop/data_tooling#330 · Abierto el 19/1/2022
Create dataset geekwire_technology_news Abierto

data catalog

Dificultad 1/5 Menos de una hora Aptitud para principiantes 50/100

bigscience-workshop/data_tooling#329 · Abierto el 19/1/2022
Create dataset the_verge_vox_media Abierto

data catalog

Dificultad 1/5 Menos de una hora Aptitud para principiantes 45/100

bigscience-workshop/data_tooling#327 · Abierto el 19/1/2022
Create dataset engadget_technology_blog Abierto

data catalog

Dificultad 1/5 Menos de una hora Aptitud para principiantes 45/100

bigscience-workshop/data_tooling#326 · Abierto el 19/1/2022
Create dataset forbes_whale_media Abierto

data catalog

Dificultad 2/5 1-3 horas Aptitud para principiantes 48/100

bigscience-workshop/data_tooling#325 · Abierto el 19/1/2022
Create dataset ratopati_com Abierto

data catalog

Dificultad 1/5 1-3 horas Aptitud para principiantes 55/100

bigscience-workshop/data_tooling#324 · Abierto el 19/1/2022
Create dataset french_treebank Abierto

data catalog need custodian permission

Dificultad 2/5 1-3 horas Aptitud para principiantes 35/100

bigscience-workshop/data_tooling#323 · Abierto el 19/1/2022
Create dataset bt_sport_uk_and_ireland Abierto

data catalog

Dificultad 2/5 1-3 horas Aptitud para principiantes 48/100

bigscience-workshop/data_tooling#322 · Abierto el 19/1/2022
Create license-compliant version of the Pile: Wikipedia (en) Abierto

data catalog

bigscience-workshop/data_tooling#311 · 1 asignado · Abierto el 14/12/2021
Create dataset libre_commons Abierto

data catalog

bigscience-workshop/data_tooling#309 · 2 comentarios · 1 asignado · Abierto el 9/12/2021
Create license-compliant version of the Pile: subsets Abierto

data catalog

bigscience-workshop/data_tooling#301 · 1 asignado · Abierto el 3/12/2021
Crawling curated list of sites: Data Sourcing Candidate seeds spreadsheet Abierto

data catalog

Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100

bigscience-workshop/data_tooling#299 · Abierto el 2/12/2021
Crawling curated list of sites: BigScience catalog app URLs Abierto

data catalog

bigscience-workshop/data_tooling#298 · 2 comentarios · 1 asignado · Abierto el 2/12/2021
Create dataset TALAA Abierto

data catalog need custodian permission

bigscience-workshop/data_tooling#290 · 4 comentarios · 1 asignado · Abierto el 29/11/2021
Create dataset MultiUN v2 Abierto

data catalog language modeling script

bigscience-workshop/data_tooling#288 · 7 comentarios · 2 asignados · Abierto el 29/11/2021
Create dataset AOC Abierto

data catalog need data sourcing feedback

bigscience-workshop/data_tooling#287 · 4 comentarios · 1 asignado · Abierto el 29/11/2021
Create dataset QADI Arabic Abierto

data catalog

bigscience-workshop/data_tooling#284 · 5 comentarios · 1 asignado · Abierto el 29/11/2021
Create dataset OSIAN Abierto

data catalog need data sourcing feedback

bigscience-workshop/data_tooling#281 · 4 comentarios · 1 asignado · Abierto el 29/11/2021
Dummy demo issue Abierto

data catalog help wanted

bigscience-workshop/data_tooling#276 · 5 comentarios · 1 asignado · Abierto el 29/11/2021
Improve lexicon and ontology_manager.py Abierto

PII

Dificultad 4/5 3-5 días Aptitud para principiantes 35/100

bigscience-workshop/data_tooling#274 · Abierto el 27/11/2021
Take-down mechanism for PII or content Abierto

PII tooling

bigscience-workshop/data_tooling#267 · 2 asignados · Abierto el 26/11/2021
Connect data filtering, visualization, PII pipeline into datastore Abierto

PII tooling

bigscience-workshop/data_tooling#262 · 5 asignados · Abierto el 24/11/2021
Create dataset theses_on_line Abierto

data catalog

bigscience-workshop/data_tooling#260 · 2 comentarios · 1 asignado · Abierto el 24/11/2021

Mostrando los 100 más recientes

Esta página solo lista lo indexado más recientemente. El filtro avanzado tiene el inventario completo, acotado por lenguaje, dificultad y duración.

Abrir el filtro avanzado

bigscience-workshop/data_tooling

Mostrando los 100 más recientes

Recibe los nuevos issues en tu correo