NLP & Langues

Darija-Dataset-Builder — IlyasFardaouix

À Propos

Pipeline évolutif pour construire des datasets NLP en Darija marocaine pour l'entraînement de grands modèles de langage. Fournit des outils et bibliothèques pour l'extraction, le traitement et l'organisation des données.

https://github.com/IlyasFardaouix/darija-dataset-builder

Visiter le site

Dans la même catégorie

Goud-sum (HuggingFace) — Darija Summarization Dataset

158k articles + headlines from Goud.ma — Darija/MSA text summarization dataset

Darija Open Dataset (DODa)

100k+ entries darija↔English — largest open source Darija translation dataset

MA_Open_Datasets — Goud.ma

Goud news articles in CSV format — alternative distribution of Goud data

MA_Open_Datasets — LeMatin

Le Matin newspaper articles by category — nation, économie, culture, sport