iamtarun/code_contest_processed

---
dataset_info:
features:
- name: id
dtype: string
- name: description
dtype: string
- name: code
dtype: string
- name: language
dtype:
class_label:
names:
'0': UNKNOWN
'1': Python2
'2': C++
'3': Python3
'4': JAVA
- name: test_samples
sequence:
- name: input
dtype: string
- name: output
dtype: string
- name: source
dtype:
class_label:
names:
'0': UNKNOWN_SOURCE
'1': CODECHEF
'2': CODEFORCES
'3': HACKEREARTH
'4': CODEJAM
'5': ATCODER
'6': AIZU
splits:
- name: train
num_bytes: 3321514817
num_examples: 38438
- name: valid
num_bytes: 122746000
num_examples: 396
- name: test
num_bytes: 77106001
num_examples: 514
download_size: 1047406436
dataset_size: 3521366818
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: valid
path: data/valid-*
- split: test
path: data/test-*
task_categories:
- text-generation
- text2text-generation
- question-answering
tags:
- code
size_categories:
- 10K<n<100K
---
# Dataset Card for Code Contest Processed

## Dataset Summary
This dataset is created by processing [code_contest dataset from Deepmind](https://huggingface.co/datasets/deepmind/code_contests). It is a competitive programming dataset for machine-learning. Read more about dataset at [original source](https://huggingface.co/datasets/deepmind/code_contests).

## Columns Description
- `id` : unique string associated with a problem
- `description` : problem description
- `code` : one correct code for the problem
- `language` : programming language used for code
- `test_samples` : contains inputs and their corresponding outputs for the problem
- `source` : source of problem

原始信息汇总

数据集概述

数据集特征

• id：字符串类型，唯一标识符。
• description：字符串类型，问题描述。
• code：字符串类型，问题的正确代码。
• language：分类标签类型，编程语言，包括：
  • 0: UNKNOWN
  • 1: Python2
  • 2: C++
  • 3: Python3
  • 4: JAVA
• test_samples：序列类型，包含：
  • input：字符串类型，输入数据。
  • output：字符串类型，输出数据。
• source：分类标签类型，问题来源，包括：
  • 0: UNKNOWN_SOURCE
  • 1: CODECHEF
  • 2: CODEFORCES
  • 3: HACKEREARTH
  • 4: CODEJAM
  • 5: ATCODER
  • 6: AIZU

数据集划分

• train：38438个样本，大小为3321514817字节。
• valid：396个样本，大小为122746000字节。
• test：514个样本，大小为77106001字节。

数据集大小

• 下载大小：1047406436字节。
• 数据集大小：3521366818字节。

配置文件

• default：包含训练、验证和测试数据的路径配置。

任务类别

• 文本生成
• 文本到文本生成
• 问答

标签

• 代码

大小类别

• 10K<n<100K