Starcoders - Unkown Sequences

kaggle2023-02-27 更新2024-03-08 收录

下载链接：

https://www.kaggle.com/datasets/joelmtucker/starcoders-unkown-sequences

下载链接

链接失效反馈

官方服务：

资源简介：

创建时间：

2023-02-27

unkown

kaggle2023-03-01 更新00

starcoder

Starcoder数据集（The Stack的子采样版）包含了一种或多种编程语言的源代码，这些源代码是从The Stack数据集中选取的，共包含384种编程语言。每个子集对应一种编程语言或数据类型，并以Parquet格式存储。

Hugging Face2025-10-25 更新150

Filtered-StarCoder-Dataset-Mini

Filtered StarCoder Dataset Mini是一个包含12种流行编程语言（C、C++、C#、Go、Java、JavaScript、Kotlin、Python、Ruby、Rust、Scala和TypeScript）代码样本的数据集。该数据集通过筛选高质量代码、去除异常值和标准化格式化处理而创建。每个样本都包含有关平均行长度和行数的元数据。数据集采用Parquet格式存储，便于机器学

Hugging Face2025-05-16 更新420

Acinetobacter baumannii strain:unkown Genome sequencing. Acinetobacter baumannii strain:unkown

for investigation of clinical acinetobacter baumanii

NIAID Data Ecosystem00

starcoder-chemistry

该数据集包含四个字段：文本内容、仓库路径、关键词和文本哈希。它被划分为训练集、验证集和测试集，分别用于模型的训练、验证和测试。数据集总量较大，适合用于文本分析相关的机器学习任务。

Hugging Face2025-05-08 更新10