🚀 数据科学编码模型

数据科学编码模型是一组经过微调的模型，旨在为数据科学应用的编码工作提供帮助。它有两种变体：1.3b 和 6.7b。这些模型是基于 DeepSeek Coder 的指令版本进行微调的。微调使用的数据集是 ed001/ds-coder-instruct-v1，该数据集是通过筛选 HuggingFace 上公开可用的数据集构建而成。

🚀 快速开始

🔧 安装库

确保已安装 transformers 库，可使用以下命令进行安装：

pip install transformers

🔍 使用示例

以下是使用该模型进行文本生成的示例代码：

from transformers import AutoTokenizer, AutoModelForCausalLM, pipeline

def build_instruction_prompt(instruction):
    return '''
    You are the Data Science Coder, a helpful AI assistant created by a man named Ed.
    You help people with data science coding and you answer questions about data science in a helpful manner.
    ### Instruction:
    {}
    ### Response:
    '''.format(instruction.strip()).lstrip()

tokenizer = AutoTokenizer.from_pretrained("ed001/datascience-coder-6.7b", trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained("ed001/datascience-coder-6.7b", trust_remote_code=True).cuda()
pipe = pipeline(task="text-generation", model=model, tokenizer=tokenizer, max_length=1024, top_p=0.95)
result = pipe(build_instruction_prompt("Perform EDA on the Iris dataset"))
print(result[0]['generated_text'])

✨ 主要特性

• 针对性微调：基于数据科学应用场景进行微调，能更好地处理数据科学相关的编码任务。
• 多变体选择：提供 1.3b 和 6.7b 两种变体，可根据不同需求选择合适的模型。

🔧 技术细节

训练参数

训练数据

模型在 ds - coder - instruct 数据集的 Python 子集上进行训练。

📊 评估结果

详细的评估结果可查看 此处。

📷 示例展示

📞 联系信息

GitHub: Ea0011

📄 许可证

本项目采用 CC - BY - NC - SA 4.0 许可证。