有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
sanjay920/MetaMathQA-sharegpt|数学问题解答数据集|人工智能辅助教学数据集
收藏hugging_face2024-04-02 更新2024-06-11 收录
下载链接：
https://hf-mirror.com/datasets/sanjay920/MetaMathQA-sharegpt
下载链接
链接失效反馈资源简介：
---
dataset_info:
features:
- name: original_question
dtype: string
- name: type
dtype: string
- name: response
dtype: string
- name: query
dtype: string
- name: tools
dtype: string
- name: conversations
dtype: string
splits:
- name: train
num_bytes: 853779213
num_examples: 395000
download_size: 368993237
dataset_size: 853779213
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
提供机构：
sanjay920
原始信息汇总
数据集概述
数据集特征
- original_question: 数据类型为字符串
- type: 数据类型为字符串
- response: 数据类型为字符串
- query: 数据类型为字符串
- tools: 数据类型为字符串
- conversations: 数据类型为字符串
数据集划分
- 训练集:
- 示例数量: 395000
- 数据大小: 853779213字节
数据集大小
- 下载大小: 368993237字节
- 数据集总大小: 853779213字节
配置信息
- 配置名称: default
- 数据文件:
- 划分: 训练集
- 路径: data/train-*
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
China Health and Nutrition Survey (CHNS)
China Health and Nutrition Survey（CHNS）是一项由美国北卡罗来纳大学人口中心与中国疾病预防控制中心营养与健康所合作开展的长期开放性队列研究项目，旨在评估国家和地方政府的健康、营养与家庭计划政策对人群健康和营养状况的影响，以及社会经济转型对居民健康行为和健康结果的作用。该调查覆盖中国15个省份和直辖市的约7200户家庭、超过30000名个体，采用多阶段随机抽样方法，收集了家庭、个体以及社区层面的详细数据，包括饮食、健康、经济和社会因素等信息。自2011年起，CHNS不断扩展，新增多个城市和省份，并持续完善纵向数据链接，为研究中国社会经济变化与健康营养的动态关系提供了重要的数据支持。
www.cpc.unc.edu 收录
ERIC (Education Resources Information Center)
ERIC (Education Resources Information Center) 是一个广泛的教育文献数据库，包含超过130万条记录，涵盖从1966年至今的教育研究、政策和实践。数据集内容包括教育相关的期刊文章、书籍、研究报告、会议论文、技术报告、政策文件等。
eric.ed.gov 收录
Wind Turbine Data
该数据集包含风力涡轮机的运行数据，包括风速、风向、发电量等参数。数据记录了多个风力涡轮机在不同时间点的运行状态，适用于风能研究和风力发电系统的优化分析。
www.kaggle.com 收录
Global Firepower Index (GFI)
Global Firepower Index (GFI) 是一个评估全球各国军事力量的综合指数。该指数考虑了超过50个因素，包括军事预算、人口、陆地面积、海军力量、空军力量、自然资源、后勤能力、地理位置等。数据集提供了每个国家的详细评分和排名，帮助分析和比较各国的军事实力。
www.globalfirepower.com 收录
FACED
FACED数据集是由清华大学脑与智能实验室和智能技术与系统国家重点实验室共同创建，包含从123名参与者收集的32通道EEG信号，用于情感计算研究。数据集通过记录参与者观看28个情感诱发视频片段时的EEG信号构建，旨在通过EEG信号分析情感状态。创建过程中，数据经过标准化和统一预处理，设计了四个EEG分类任务。该数据集主要应用于情感识别和脑机接口领域，旨在解决情感计算中的分类问题，提高情感识别的准确性和效率。
arXiv 收录