العودة إلى البيانات المفتوحة
معالجة اللغات واللغات
Darija-Dataset-Builder — IlyasFardaouix
نبذة
خط أنابيب قابل للتطوير لبناء مجموعات بيانات الدارجة المغربية (Darija) لتدريب نماذج اللغة الكبيرة (LLMs). يوفر أدوات ومكتبات لاستخراج البيانات، ومعالجتها، وتنظيمها لتدريب نماذج اللغة على الدارجة المغربية.
https://github.com/IlyasFardaouix/darija-dataset-builder
زيارة الموقعفي نفس الفئة
Goud-sum (HuggingFace) — Darija Summarization Dataset
158 ألف مقالة + عناوين من موقع Goud.ma — مجموعة بيانات تلخيص نصوص بالدارجة/العربية الفصحى
Darija Open Dataset (DODa)
أكثر من 100 ألف مدخل للترجمة من الدارجة إلى الإنجليزية — أكبر مجموعة بيانات مفتوحة المصدر للدارجة
MA_Open_Datasets — Goud.ma
مقالات Goud الإخبارية بصيغة CSV — توزيع بديل لبيانات Goud
MA_Open_Datasets — LeMatin
مقالات جريدة Le Matin مصنفة حسب الفئة — وطن، اقتصاد، ثقافة، رياضة
