Persian Datasets @PersianDatasets
جمع آوری و معرفی دادگان فارسی https://t.co/i33k1KWDwU Joined January 2025-
Tweets19
-
Followers18
-
Following56
-
Likes89
برای زیر 10 میلیون سند واقعا elasticsearch و opensearch جز خوردن رم و سی‌پی‌یو حاصلی ندارن. البته با اومدن جایگزین هایی که همون قابلیت‌ها رو برای دیتای کوچکتر فراهم میکنن حق انتخاب پیدا کردیم.
برای دیدن و چندتا کوئری ساده زدن روی Sqlite برنامه بدرد بخور با ui مناسب پیدا نمیکردم. کلاد به راحتی بهترین برنامه رو با html و ui عالی در 5 دقیقه برام ساخت.
راه یکیست و آن OpenSearch است. از elasticsearch و featureهای پولیش بپرهیزید.
نسخه gguf گروک رو پیدا نمیکنم
The @xai Grok 2.5 model, which was our best model last year, is now open source. Grok 3 will be made open source in about 6 months. huggingface.co/xai-org/grok-2
دادگان پرسش و پاسخ قانونی با داده بیشتر به روز شد: تعداد سطرها: 600 هزار
📒دادگان پرسش و پاسخ حقوقی ایران. - شامل 570 هزار سطر (بیشتر از 570 هزار سوال، بیشتر از 1.9 میلیون پاسخ). - ستونها: عنوان، پاسخ(ها)، متن سوال، موضوع(ها) huggingface.co/datasets/PerSe…
مدل های مولتی مدال grok3, grok3 thinking, qwen2-vl-2b, gemma3-4b, gemini2, gemini2-thinking نتونستن ساعت یه تصویر ساعت عقربه ای رو درست بخونن، حتی با توضیح کارکرد هر کدوم از عقربه ها. مدل gemini2.5 با پرامپت معمولی نه ولی با توضیح کارکرد هر کدوم از عقربه ها ساعت رو درست خوند.
@realshojaei این سری مدل های کوئن توی این موضوع خیلی خوب عمل کرده. من چند مورد دیگه هم دیدم که با دیتای خیلی کم و حتی با فان تیون روی کوئن نتیجه خیلی خوبی توی استدلال ریاضی گرفتن
📒 دادگان پرسش و پاسخ جدول کلمات متقاطع - شامل بیشتر از 30 هار سطر. - ستونها: سوال، جواب huggingface.co/datasets/PerSe…
لیست ویدئوهای استفاده شده در این دیتاست (فایل movie_ids.csv) شامل عنوان و شناسه ویدئو اضافه شد.
📒 دادگان بازشناسی گفتار فیلیمو تا میانه تابستان 1403. - شامل 245 ساعت صدا (بیشتر از 400 هزار سطر). - ستونها: صدا و متن پیاده شده. huggingface.co/datasets/PerSe…
لیست ویدئوهای استفاده شده (عنوان و شناسه یوتیوب) در دیتاست اضافه شد (فایل yt_ids.csv).
📒 دادگان بازشناسی گفتار یوتیوب فارسی 2024. - شامل 385 ساعت صدا و متن پیاده شده (بیشتر از 400 هزار سطر) - ستونها: صدا و متن پیاده شده. huggingface.co/datasets/PerSe…
@mirzaei_mani 👏👌عالییی دستت درد نکنه🙏
📒دادگان پرسش و پاسخ حقوقی ایران. - شامل 570 هزار سطر (بیشتر از 570 هزار سوال، بیشتر از 1.9 میلیون پاسخ). - ستونها: عنوان، پاسخ(ها)، متن سوال، موضوع(ها) huggingface.co/datasets/PerSe…
📒 دادگان پرسش و پاسخ پزشکی دو. - شامل 211 هزار سطر (بیشتر از 211 هزار سوال و بیشتر از 700 هزار پاسخ). - ستونها: عنوان، خلاصه سوال، عنوان سوال، جواب(ها)، متن سوال huggingface.co/datasets/PerSe…
📒 دادگان بازشناسی گفتار فیلیمو تا میانه تابستان 1403. - شامل 245 ساعت صدا (بیشتر از 400 هزار سطر). - ستونها: صدا و متن پیاده شده. huggingface.co/datasets/PerSe…
📒 دادگان بازشناسی گفتار یوتیوب فارسی 2024. - شامل 385 ساعت صدا و متن پیاده شده (بیشتر از 400 هزار سطر) - ستونها: صدا و متن پیاده شده. huggingface.co/datasets/PerSe…
📒دادگان بازشناسی گفتار ترجمان - شامل 507 مقاله و فایل صوتی مربوط. - ستونها: عنوان، تیتر فرعی، مقدمه، متن اصلی، فایل صوتی huggingface.co/datasets/PerSe…
📒دادگان پرسش و پاسخ پزشکی یک. - 50 هزار پرسش. - 60 هزار جواب. - ستونها: عنوان، دسته سوال، جنسیت بیمار، سن بیمار، وزن بیمار، پاسخ(ها)، متن سوال huggingface.co/datasets/PerSe…
Ali B ⌘ @aliib1991
45 Followers 159 Following Web Developer & SEO/SEM Specialist. Boosting web traffic & building high-quality apps. From clean code to high-converting campaigns.
Reza Sayar @iamRezaSayar
1K Followers 5K Following 👨🏻🎓AI-Native Assistive Tech Developer👨🏻🎓 👨🍳Developing Persian models (Shenava, Bina, Gooya, etc.)👨🍳 Kindness❤️, AI🧠, Robotics🦾 & Reggaetón💃🏻
HerneHunter @h3rn3hunt3r
52 Followers 308 Following
🇮🇷 مارسی �... @marseilleiran
877 Followers 7K Following کانون هواداران مارسی در ایران #OMFanClub سابقه فعالیت از سال ۱۳۹۷ در تلگرام اینستاگرام و حالا در توییتر | یه سر به چنلمون بزن #MercatOM | #TeamOM | #OM
cloud 7 @30roozazshab
106 Followers 654 Following
Holly maryshko 🌚 @marry93538618
194 Followers 329 Following AI Researcher | Exploring the intersection of Machine Learning & Neuroscience | Bridging artificial & biological intelligence. 🤖👩🏻💻🐍
امیر احمد ش�... @shishehgar
1K Followers 4K Following دانش آموخته: علوم سیاسی، حقوق بینالملل و اقتصاد
Romain Gary @RomainGaryy
1K Followers 799 Following A Silent Observer | Linguist | Teacher, Translator, & Editor |
mobin @ahf_mobin
40 Followers 895 Following
Ned @N_Ap00
0 Followers 1 Following
Majid Manzarpour @majidmanzarpour
11K Followers 3K Following Technology Advisor, Game Designer, Prompt Wizard, Sold Startup to @Google
Amin Anvary @AminAnvary
24K Followers 915 Following سَلامٌ للذين أحبُّهم عبثاً - سلام بر آنان که بیهوده دوستشان دارم
Pramod Goyal @goyal__pramod
12K Followers 481 Following Trying to change the world one line at a time
DAIR.AI @dair_ai
136K Followers 1 Following Democratizing AI research, education, and technologies. Learn about AI Agents for FREE at https://t.co/HHXg8rryu4
Kutchon Asher @KooshyA
4 Followers 11 Following I make crap, actually I make up crap, stories mostly, collaborations of thoughts, dreams, and actions and you should care. I gotta be me.
Dan Vahdat @danvahdat
21K Followers 156 Following CEO & Founder of Huma, a $1B healthtech AI company.
Aliasghar Honarmand |... @aahonarmand
47K Followers 305 Following Editor-in-chief@ https://t.co/WJr1biQnFk and https://t.co/gIECya0aeW Co-founder@ https://t.co/xLbPXPnNpB Founder https://t.co/ixNdX00Uyk, ex-prisoner and a Physician!
Sam92 @Saeedam92
10K Followers 584 Following Senior Data Scientist @ Microsoft | Curious mind | Running on çay 🍵, tennis 🎾, new places 🌍, and good books 📚
Stefano Ermon @StefanoErmon
257K Followers 347 Following AI Prof @Stanford | Cofounder @_inception_ai | Co-inventor of DDIM, FlashAttention, DPO, GAIL, and score-based/diffusion models
Shana @Shana_Kite
14K Followers 390 Following 📚 Postdoc Researcher and Co-founder of @applykite, https://t.co/mDu4aPiL16
Yusef Saadat یوسف... @SaadatYusef
14K Followers 939 Following Researcher in the fields of Pahlavi language and literature and Persian etymology. Iranian. Academia: https://t.co/N8VjZsScrs…
Roozbeh Pournader @roozbehp
12K Followers 2K Following Internationalization and @Unicode Guru; Founder of Persian Wikipedia; bio at https://t.co/ppPgABbfZ7; he/him/his
زبونشناس @zabunshenas
29K Followers 742 Following مطالب مربوط به زبانشناسی، روانشناسی زبان، علوم شناختی با ویدئوهای جسته گریخته از موسیقی کلاسیک و ویولون. بعضا حرفهای نامربوط به مسائل روز
Teegra 🧝♀�... @Teeegra
20K Followers 2K Following 🔞 𝕏 🤖 Infrastructure Cyber Security 💊 🎓 M.S. Cybersecurity ⁶⁶⁶𖤐 🍄 #cybersecurity
Sabi Soltani @sabber_dev
26K Followers 554 Following CTO & Co-Founder @GoldenOwl_AI | OSINT Researcher | Data & Intelligence Lead | https://t.co/3lojlvTiCm
Mohammad Javidan @javidanmd
1K Followers 349 Following Data Enthusiast from 🇮🇷 living in 🇩🇪 - Nothing matters until my homeland is free
S.Mehran M.Ziabary (�... @ziabary
3K Followers 2K Following Software engineer, Robotic fan, and Linux lover. Co-Founder and CEO @targoman رئیس کمیسیون هوش مصنوعی #نصر
وحید ⧉ @vahidbaghi95
9K Followers 301 Following Msc. in Algorithms and Computation, Data Scientist, Data Thief, Jimmy Neutron, μ ≠ me, Rejecting H₀ since birth
Unsloth AI @UnslothAI
102K Followers 483 Following Run and train models locally with the Unsloth Desktop app. 🦥 https://t.co/2kXqhhvdCD
clem 🤗 @ClementDelangue
730K Followers 5K Following Co-founder & CEO @HuggingFace 🤗, the open and collaborative platform for AI builders
Min Choi @minchoi
392K Followers 1K Following Building with Super Intelligence. Sharing what's wild, what's practical, and what's next.
Milad Nouri（ツ） @MilaDnu
86K Followers 1K Following 𝚂𝚘𝚏𝚝𝚠𝚊𝚛𝚎 𝙳𝚎𝚟𝚎𝚕𝚘𝚙𝚎𝚛 ☕ {معتقد به اینترنت آزاد برای همه} 
لوکوموتیو @Loc0m0
49K Followers 173 Following Thinker. Listener. Learner. Author. Builder. CTO. Founder at @theCodelita. Private 1:1 Consultant for career and life available at: 👇
soh3il @soh3il
31K Followers 2K Following Celebrating humanity 🙌 The act of creation is the only thing that justifies existence. Podcast طبقه ۱۶ → https://t.co/8mfTeDzwyv
EXO Labs @exolabs
55K Followers 3 Following Frontier AI on local hardware. EXO 1.0 is now open-source (Apache 2.0): https://t.co/SGGGK784Qp
DeepSeek @deepseek_ai
1.2M Followers 1 Following Unravel the mystery of AGI with curiosity. Answer the essential question with long-termism.
Mehdi Allahyari @MehdiAllahyari
13K Followers 1K Following Entrepreneur | Building AI products to serve at scale. https://t.co/Fr8IYckevG, https://t.co/9MJWd8SRD9, https://t.co/hAIZWTfkqd, English account: @MehdiYarix
Hugging Face @huggingface
827K Followers 227 Following The AI community building the future. https://t.co/TpiXQMQ9rZ
mehrzad Samadi @mehrzadsamadi
2K Followers 2K Following GenAI at @NVIDIA, Former CEO and cofounder of #Parabricks. Views are my own.
گنجور @GanjoorOfficial
10K Followers 9 Following گنجور پروژهای برای در دسترس گذاشتن بیشتر آثار ادبی فارسی است و شامل یک سایت اینترنتی، یک نرمافزار آزاد و رایگان و امکاناتی جهت گسترش دامنهٔ دادههای آن است.
yedoost @iyedoost
5K Followers 876 Following Back-end developer 👨💻, knows a thing or two about DevOps and Linux (I use Arch BTW), gamer 🎮, headbanger 🎸 and otaku. 🏎 gpg: 6AB5 E828 BB29 95C1
Sajjad Ayoubi @ayoubi_sajjad
53 Followers 54 Following Lead Data Scientist @Divar_Official CS at somewhere
شایان! @shayan_s6n
16K Followers 351 Following co-founder @mirendil | prev. @xAI, @X, @Twitter | 💻 ♟️ ⚽️ 🎤 🎮
Shahriar Shariati @shahriarshm
2K Followers 559 Following Part-time Computer Science Student. Full-time Geek. AI Engineer, NLP, Benchmark Researcher, and Open Source Fanboy.
Andrej Karpathy @karpathy
4.4M Followers 1K Following
Andrew Ng @AndrewYNg
1.9M Followers 1K Following Co-Founder of Coursera; Stanford CS adjunct faculty. Former head of Baidu AI Group/Google Brain. #ai #machinelearning, #deeplearning #MOOCs
Kian @kian1024
8K Followers 13 Following فعال در مهندسی نرمافزار با اندکی تجربه از صنعت (عمدتا گوگل) و آکادمی (عمدتا اتلاف عمر). علاقمندم آموختههامون رو رد و بدل کنیم. [email protected]
Iranistics UT - ای�... @Iranistics_UT
17K Followers 509 Following History, Literature, linguistics, Archeology, Culture, Politics at University of Tehran #Iranian_Studies #PersianGulf ایرانشناسی و ایرانشهر در دانشگاه تهران
You might like
