DNAseq data for Module 4 (subsampled)

NIAID Data Ecosystem2026-03-12 收录

数据预处理

数据链接：

https://zenodo.org/record/4628536 数据链接链接失效反馈

官方服务：

资源简介：

data from SRR1171886, subsampled, dup reads removed

创建时间：

2021-03-23

anon8231489123/ShareGPT_Vicuna_unfiltered

数据预处理

共享经济

该数据集来源于ShareGPT对话，经过筛选后保留了约53k条英文对话。清理过程包括移除非英文对话、过多的Unicode字符、重复字符以及包含特定道德化短语的对话。数据集提供了两个版本：一个移除了包含Im sorry, but的对话，另一个保留了这些对话。数据集已准备好用于训练未经过滤的Vicuna模型。

Hugging Face2023-04-12 更新530

yosubshin/walton-mm-mathinstruct-mmr1

视觉语言模型

数据预处理

这是一个结合了 Walton 和 MMR1 的视觉语言数据集，经过 data-preproc 包处理，用于视觉语言模型的训练。数据集包含了输入序列的token化ID、序列的注意力掩码、语言建模的标签、PIL图像对象、原始对话消息和处理元数据等特征。数据集共有10000个样本，处理成功率为100%。

Hugging Face2025-10-07 更新70

M5 Accuracy - Preprocessed Datasets

时序预测

数据预处理

Preprocessed datasets for preventing memory issues

kaggle2020-05-15 更新60

datajuicer/the-pile-pubmed-central-refined-by-data-juicer

数据预处理

语言模型预训练

--- license: apache-2.0 task_categories: - text-generation language: - en tags: - data-juicer - pretraining size_categories: - 1M<n<10M --- # The Pile -- PubMed Central (refined by Data-Juicer) A re

Hugging Face2023-10-23 更新230

MNIST Preprocessed

手写识别

数据预处理

Normalized (/255, mean, std) and divided into 3 datasets

kaggle2019-07-24 更新60