Datasets
Dataset
sangraha
by ai4bharat
Sangraha Sangraha is the largest high-quality, cleaned Indic language pretraining data containing 251B tokens summed up over 22 languages, extracted from curated sources, existing multilingual corpora and large scale translations.
CC-BY-4.0text-generation 19065 83100M < n < 1B rows
published 5 Mar 2024
Preview
First 5 rows of synthetic / asm_Beng, from the Hugging Face dataset viewer.
| doc_id | text |
|---|---|
| 07da7c71a9a530e8c086c466c8a058f47b6ab886299fd20b78c3450ccd3b65be | সুস্থ বায়ুচক্কী স্থাপন কৰক মাউণ্ট হেল্থী উইণ্ডমিল হৈছে ব্ৰিটিছ ভাৰ্জিন দ্বীপপুঞ্জৰ টৰ্টোলাৰ উত্তৰ ফালে থকা এটা ধ্বংসপ্ৰাপ্ত ৱিণ্ডমিল। পূৰ্বতে অঞ্চলটোৰ বৃক্ষৰোপণৰ যুগত কুঁহিয়াৰ পিহি পেলোৱাৰ বাবে ইয়াক ব্যৱহাৰ কৰা হৈছিল। ঊনবিংশ শতিকাৰ আৰম্ভণিতে চেনিৰ অৰ্থনীতিৰ পতনৰ পিছত বায়ুচক্কীটো অব্যৱহাৰত পৰি… |
| e86b36b7c073578d7487137402e3ffa63b1456b00c0ed56f71432849300e8a22 | 2002-03 এন. চি. এ. এ. বিভাগ 1 পুৰুষৰ আইচ হকী ৰেংকিং দুটা মানৱ পৰীক্ষাত পুৰুষৰ আইচ হকী ৰেংকিং, ইউএছচিঅ "ৰ 2002-03 এনচিএএ বিভাগ 1 গঠন কৰা হৈছিল।কম বিভাগ 1 পুৰুষৰ প 'ল আৰু আমেৰিকা যুক্তৰাষ্ট্ৰৰ টুডে/আমেৰিকান হকী আলোচনীৰ প' ল। 2002-03 ছিজনৰ অগ্ৰগতিৰ লগে লগে সাপ্তাহিক ৰেংকিং আপডেট কৰা হৈছিল। আজিৰ নিৰ্… |
| cc86920dbc3e840eefc339479cb8d8ef28e418fc0f7a0b3075347d6d4642caf2 | কে. ভি. পি. এম. কেভিপিএম (95.7 এফএম) হৈছে কেলিফৰ্ণিয়াৰ আৰভিনলৈ অনুজ্ঞাপত্ৰপ্ৰাপ্ত এটা ৰেডিঅ 'ষ্টেচন আৰু ই বেকাৰ্ছফিল্ড অঞ্চলত সেৱা আগবঢ়ায়। ইয়াৰ সম্প্ৰচাৰ অনুজ্ঞাপত্ৰ শ্বেমোগুল মিডিয়া, এল. এল. চি.-ৰ হাতত আছে। ইতিহাস। এই ষ্টেচনটোৱে 2015 চনৰ 6 নৱেম্বৰত ফেডাৰেল কমিউনিকেচন কমিছনৰ পৰা ইয়াৰ মূল নি… |
| b97bf2432f57ed1f05111a11f25eba59f3c5cbeda5e8f3361f94970325b3221a | এইচ. এম. এছ. মেডোছুইট (কে144) এইচ. এম. এছ. "মেডোছৱিট" আছিল দ্বিতীয় বিশ্বযুদ্ধৰ সময়ত ৰাজকীয় নৌবাহিনীৰ সৈতে সেৱা আগবঢ়োৱা এক প্ৰকাৰ। তেওঁ আটলাণ্টিকৰ যুদ্ধত সাগৰৰ এস্কোৰ্ট হিচাপে সেৱা আগবঢ়াইছিল। |
| abf9f90090c7928d619246ea284e1d484e1d462adbf977603551f1ffcda6bd9e | হেঞ্চেল ৰোপেলছ হেঞ্চেল মেনুৱেল ৰবলছ (জন্ম 13 আগষ্ট, 1990) হৈছে মেক্সিকান লীগৰ টৰ 'ছ ডি টিজুৱানাৰ বাবে এটা ডমিনিকান পেচাদাৰী বেছবল পিচাৰ। ইয়াৰ পূৰ্বে তেওঁ নিউয়ৰ্ক মেট্স, লছ এঞ্জেলেছ এঞ্জেলছ, মিনেসোটা টুইনছ আৰু বষ্টন ৰেড ছক্সৰ হৈ মেজৰ লীগ বেছবল (এম. এল. বি.) ত খেলিছিল। কেৰিয়াৰ। নিউয়ৰ্ক মেট্স। 2… |
Cite this
CC-BY-4.0textCite
Tags
task_categories:text-generationlanguage:aslanguage:bnlanguage:gulanguage:enlanguage:hilanguage:knlanguage:kslanguage:mllanguage:mrlanguage:nelanguage:orlanguage:palanguage:salanguage:sdlanguage:talanguage:telanguage:urlicense:cc-by-4.0size_categories:100M<n<1Bformat:parquetmodality:textlibrary:datasetslibrary:dasklibrary:mlcroissantlibrary:polarsarxiv:2403.06350region:uslanguage-modelingcasual-lmllm