Criar um cartão de dataset

Cada conjunto de dados deve ter um cartão de conjunto de dados para promover o uso responsável e informar os usuários sobre quaisquer vieses potenciais dentro do conjunto de dados. Essa ideia foi inspirada nos Model Cards propostos por Mitchell, 2018. Os cartões de conjunto de dados ajudam os usuários a entender o conteúdo de um conjunto de dados, o contexto para o uso do conjunto de dados, como ele foi criado e quaisquer outras considerações de que o usuário deve estar ciente.

Criar um cartão de dataset é fácil e pode ser feito em apenas algumas etapas:

1. Acesse o repositório do seu conjunto de dados no Hub e clique em Create Dataset Card para criar um novo arquivo README.md no seu repositório.

2. Use a Metadata UI para selecionar as tags que descrevem seu conjunto de dados. Você pode adicionar uma licença, language, pretty_name, task_categories, size_categories e quaisquer outras tags que considere relevantes. Essas tags ajudam os usuários a descobrir e encontrar seu conjunto de dados no Hub.

Para um conjunto completo, mas não obrigatório, de opções de tags, você também pode consultar as especificações do Dataset Card. Elas incluem algumas opções de tags adicionais, como multilinguality e language_creators, que são úteis, mas não absolutamente necessárias.

3. Clique no link Import dataset card template para criar automaticamente um modelo com todos os campos relevantes a serem preenchidos. Preencha as seções do modelo da melhor forma possível. Consulte o Dataset Card Creation Guide para obter informações mais detalhadas sobre o que incluir em cada seção do cartão. Para os campos que você não consegue preencher, pode escrever [More Information Needed].

4. Quando terminar, faça o commit das alterações no arquivo README.md e você verá o cartão do dataset concluído no seu repositório.

O YAML também permite personalizar a forma como seu conjunto de dados é carregado, definindo splits e/ou configurações, sem a necessidade de escrever qualquer código.

Sinta-se à vontade para dar uma olhada nos cartões de dados do SNLI, CNN/DailyMail e Allociné como exemplos para ajudá-lo a começar.