Amgyna/Africa-text-Open-Source-Dataset-

# Africa-text-Open-Source-Dataset- ## 🇹🇿Maelezo ya Kiswahili Karibu kwenye **African Text Datasets**! Hapa tunakusanya dataseti zote za maandishi (CSV, JSON, nk.) kwa ajili ya miradi ya NLP. ### 1. Muhtasari & Madhumuni - **Nini:** Corpus za maandishi za Afrika (habari, mitandao ya kijamii, mahojiano, n.k.) - **Kwa Nini:** Kuleta muundo thabiti wa saraka, metadata na leseni ili kurahisisha matumizi na ushirikiano. ### 2. Mahitaji ya Msingi 1. Akaunti ya GitHub 2. Installation ya Git hakikisha imo kwenye Laptop,PC or any device (`git --version`) 3. (Hiari) Python ≥ 3.7 kwa kuendesha skripti za uhakiki 4. Umesoma na kukubali **CC BY 4.0** kwa data na **MIT** kwa code ### 3. Muundo wa Saraka - `datasets/text/ /data.csv` - `datasets/text/ /README.md` — Eleza dataset hii maalum - `scripts/validate_text.py` — Uhakiki wa muundo na schema - `LICENSE` — CC BY 4.0 - `CONTRIBUTING.md` — Mwongozo wa michango ### 4. Mwongozo wa Kuchangia 1. **Fork & Clone** git clone github.com cd african-text-datasets 2. **Badilisha Branch ya Main kwenda kwenye contribute** git fetch origin git checkout -b feature/ongeza-text-dataset origin/contribute 3. **Ukimaliza Kuchangia dataset hakikisha uncommitted changes** git add . git commit -m "feat(text): ongeza dataset " git push origin feature/ongeza-text-dataset