В рубрике больших наборов данных, базы событий в Github. Github - это крупнейшая в мире платформа по работу с открытым кодом, с открытым API и возможностью отслеживать собственные и чужие репозитории кода. Она часто является объектом работы исследователей и существует несколько крупных слепков данных по событиям на платформе. GHTorrent [1] большой слепок данных за 2019-2020 годы, не обновлявшийся с июля 2020 года. Удобно что сразу можно скачать в формате MongoDB, неудобно неактуальностью GHArchive [2] база из 20+ событий в Github, в виде файлов дампов для выгрузки и обработки․ Пишут правда что в данных есть существенные пробелы [3]. Копия базы из GHArchive есть в онлайн базе Clickhouse [4] на декабрь 2020 года. Доступ удобнее, но пробелы и устаревание присутствуют. Альтернативные способы - это использовать открытое API проекта Software Heritage [5] или API самого Github [6]․ Ссылки: [1] https://ghtorrent.org/ [2] https://www.gharchive.org/ [3] medium.com/@jennys…0b3f61d3 [4] https://ghe.clickhouse.tech/ [5] https://archive.softwareheritage.org/api/ [6] https://docs.github.com/en/rest #opendata #datasets #opensource