jupyter-agent/kaggle-notebooks-edu-v0

--- dataset_info: features: - name: text dtype: string - name: id dtype: string - name: file_path dtype: string - name: response dtype: string - name: label dtype: int64 - name: contains_outputs dtype: bool splits: - name: error num_bytes: 31664883.4359375 num_examples: 112 - name: '0' num_bytes: 15266997.370898437 num_examples: 54 - name: '1' num_bytes: 128073144.61142579 num_examples: 453 - name: '2' num_bytes: 277915896.58505857 num_examples: 983 - name: '3' num_bytes: 1227296955.3161132 num_examples: 4341 - name: '4' num_bytes: 700020101.6730468 num_examples: 2476 - name: '5' num_bytes: 514837078.00751954 num_examples: 1821 download_size: 2107964624 dataset_size: 2895075057.0 configs: - config_name: default data_files: - split: error path: data/error-* - split: '0' path: data/0-* - split: '1' path: data/1-* - split: '2' path: data/2-* - split: '3' path: data/3-* - split: '4' path: data/4-* - split: '5' path: data/5-* --- # Kaggle Notebooks LLM Filtered - Model: `meta-llama/Meta-Llama-3.1-70B-Instruct` - Sample: `12,400` - Source dataset: `data-agents/kaggle-notebooks` - Prompt: ``` Below is an extract from a Jupyter notebook. Evaluate whether it has a high analysis value and could help a data scientist. The notebooks are formatted with the following tokens: START <text block> # Here comes markdown content <input block> <lang python> # Here comes python code <output block> # Here comes code output # More blocks END Use the additive 5-point scoring system described below. Points are accumulated based on the satisfaction of each criterion, so stop counting if any of the criteria is not fulfilled: - Add 1 point if the notebook contains valid code, even if it's not educational, like boilerplate code, configs, and niche concepts. - Add another point if the notebook successfully loads a dataset e.g. a CSV or JSON file, even if it lacks further analysis and contains the code outputs. - Award a third point if the notebook runs some analysis on the dataset by running statistics or plotting useful properties, even if they are mostly uncommented. - Give a fourth point if the majority of the notebook contains text between the code cells explaining insights and performing reasoning. - Give a fifth point if the notebook is clean and outstanding in it's analysis, creates insightful, explained plots and contains consistent, multi-step reasoning connected across the whole notebook and gains useful insights from the data. The extract: START {} END After examining the extract: - Briefly justify your total score, up to 100 words. - Conclude with the score using the format: "Educational score: <total points>" where <total points> is just a one digit number. ```数据集信息： 特征字段： - 名称：text，数据类型：字符串型 - 名称：id，数据类型：字符串型 - 名称：file_path，数据类型：字符串型 - 名称：response，数据类型：字符串型 - 名称：label，数据类型：64位整型 - 名称：contains_outputs，数据类型：布尔型 数据拆分： - 拆分名称：error，字节大小：31664883.4359375，样本数量：112 - 拆分名称：'0'，字节大小：15266997.370898437，样本数量：54 - 拆分名称：'1'，字节大小：128073144.61142579，样本数量：453 - 拆分名称：'2'，字节大小：277915896.58505857，样本数量：983 - 拆分名称：'3'，字节大小：1227296955.3161132，样本数量：4341 - 拆分名称：'4'，字节大小：700020101.6730468，样本数量：2476 - 拆分名称：'5'，字节大小：514837078.00751954，样本数量：1821 下载大小：2107964624 数据集总大小：2895075057.0 配置项： - 配置名称：default，数据文件： - 拆分：error，路径：data/error-* - 拆分：'0'，路径：data/0-* - 拆分：'1'，路径：data/1-* - 拆分：'2'，路径：data/2-* - 拆分：'3'，路径：data/3-* - 拆分：'4'，路径：data/4-* - 拆分：'5'，路径：data/5-* # 经大语言模型（Large Language Model）筛选的Kaggle笔记本数据集 - 所用模型：`meta-llama/Meta-Llama-3.1-70B-Instruct` - 样本量：12,400 - 源数据集：`data-agents/kaggle-notebooks` - 提示词： 以下为一段Jupyter笔记本的节选内容，请评估其是否具备较高的分析价值，能否为数据科学家提供助力。 笔记本采用如下标记格式： START <文本块> # 此处为Markdown内容 <输入块> <lang python> # 此处为Python代码 <输出块> # 此处为代码输出 # 更多代码块 END 请使用下述加分制5分评分体系，每满足一项准则即可获得对应分值，若任意准则未满足则停止计分： - 若笔记本包含有效代码（即便不具备教学意义，如样板代码、配置项及小众概念代码），加1分。 - 若笔记本成功加载数据集（如CSV或JSON文件），即便缺乏后续分析且包含代码输出，再加1分。 - 若笔记本对数据集执行了分析操作（如运行统计或绘制有效属性图表），即便多数代码未添加注释，授予第3分。 - 若笔记本的大部分内容为代码单元格间的文本，用于阐释见解与开展推理，授予第4分。 - 若笔记本整洁且分析质量出众，生成了具备洞察力且附带说明的图表，且全笔记本贯穿连贯的多步推理，从数据中获取了有效见解，授予第5分。 节选内容： START {} END 审阅节选内容后： - 简要阐述总得分的理由，字数不超过100词。 - 以格式“Educational score: <总分>”收尾，其中<总分>为一位数字。