FineWeb-Edu
← All datasets
Author: Distillio · License: odc-by · Format: parquet
0 downloads · 0 stars · 0 mirrors · size unknown · 1 file
Education-filtered subset of FineWeb web text for pretraining.
Tags: pretraining · web-text · filtered
Description
Educational-quality-filtered subset of FineWeb web text — a cleaned pretraining corpus, not chat/instruction data.
Download
Direct download: https://huggingface.co/datasets/HuggingFaceFW/fineweb-edu/resolve/main/data/CC-MAIN-2017-34/train-00000-of-00016.parquet
Or via the API: curl -L -o file "https://huggingface.co/datasets/HuggingFaceFW/fineweb-edu/resolve/main/data/CC-MAIN-2017-34/train-00000-of-00016.parquet"
Files in the Hugging Face repository
- .gitattributes (2.3 KB)
- data/CC-MAIN-2013-20/train-00000-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2013-20/train-00001-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2013-20/train-00002-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2013-20/train-00003-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2013-20/train-00004-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2013-20/train-00005-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2013-20/train-00006-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2013-20/train-00007-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2013-20/train-00008-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2013-20/train-00009-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2013-20/train-00010-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2013-20/train-00011-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2013-20/train-00012-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2013-20/train-00013-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2013-48/train-00000-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2013-48/train-00001-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2013-48/train-00002-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2013-48/train-00003-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2013-48/train-00004-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2013-48/train-00005-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2013-48/train-00006-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2013-48/train-00007-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2013-48/train-00008-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2013-48/train-00009-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2013-48/train-00010-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2013-48/train-00011-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2013-48/train-00012-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2013-48/train-00013-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2014-10/train-00000-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-10/train-00001-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-10/train-00002-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-10/train-00003-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-10/train-00004-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-10/train-00005-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-10/train-00006-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-10/train-00007-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-10/train-00008-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-10/train-00009-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-10/train-00010-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-10/train-00011-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-10/train-00012-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-10/train-00013-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-15/train-00000-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2014-15/train-00001-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2014-15/train-00002-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2014-15/train-00003-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2014-15/train-00004-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2014-15/train-00005-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2014-15/train-00006-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2014-15/train-00007-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2014-15/train-00008-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2014-15/train-00009-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2014-15/train-00010-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2014-15/train-00011-of-00014.parquet (2.0 GB)
- data/CC-MAIN-2014-15/train-00012-of-00014.parquet (2.0 GB)
- data/CC-MAIN-2014-15/train-00013-of-00014.parquet (2.0 GB)
- data/CC-MAIN-2014-23/train-00000-of-00015.parquet (2.2 GB)
- data/CC-MAIN-2014-23/train-00001-of-00015.parquet (2.2 GB)
- data/CC-MAIN-2014-23/train-00002-of-00015.parquet (2.2 GB)
- data/CC-MAIN-2014-23/train-00003-of-00015.parquet (2.2 GB)
- data/CC-MAIN-2014-23/train-00004-of-00015.parquet (2.2 GB)
- data/CC-MAIN-2014-23/train-00005-of-00015.parquet (2.2 GB)
- data/CC-MAIN-2014-23/train-00006-of-00015.parquet (2.2 GB)
- data/CC-MAIN-2014-23/train-00007-of-00015.parquet (2.2 GB)
- data/CC-MAIN-2014-23/train-00008-of-00015.parquet (2.2 GB)
- data/CC-MAIN-2014-23/train-00009-of-00015.parquet (2.2 GB)
- data/CC-MAIN-2014-23/train-00010-of-00015.parquet (2.2 GB)
- data/CC-MAIN-2014-23/train-00011-of-00015.parquet (2.2 GB)
- data/CC-MAIN-2014-23/train-00012-of-00015.parquet (2.2 GB)
- data/CC-MAIN-2014-23/train-00013-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-23/train-00014-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-35/train-00000-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-35/train-00001-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-35/train-00002-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-35/train-00003-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-35/train-00004-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-35/train-00005-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-35/train-00006-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-35/train-00007-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-35/train-00008-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-35/train-00009-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-35/train-00010-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-35/train-00011-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-35/train-00012-of-00015.parquet (2.0 GB)
- data/CC-MAIN-2014-35/train-00013-of-00015.parquet (2.0 GB)
- data/CC-MAIN-2014-35/train-00014-of-00015.parquet (2.0 GB)
- data/CC-MAIN-2014-41/train-00000-of-00015.parquet (2.2 GB)
- data/CC-MAIN-2014-41/train-00001-of-00015.parquet (2.2 GB)
- data/CC-MAIN-2014-41/train-00002-of-00015.parquet (2.2 GB)
- data/CC-MAIN-2014-41/train-00003-of-00015.parquet (2.2 GB)
- data/CC-MAIN-2014-41/train-00004-of-00015.parquet (2.2 GB)
- data/CC-MAIN-2014-41/train-00005-of-00015.parquet (2.2 GB)
- data/CC-MAIN-2014-41/train-00006-of-00015.parquet (2.2 GB)
- data/CC-MAIN-2014-41/train-00007-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-41/train-00008-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-41/train-00009-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-41/train-00010-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-41/train-00011-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-41/train-00012-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-41/train-00013-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-41/train-00014-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-42/train-00000-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-42/train-00001-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-42/train-00002-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-42/train-00003-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-42/train-00004-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-42/train-00005-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-42/train-00006-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-42/train-00007-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-42/train-00008-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-42/train-00009-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2014-42/train-00010-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2014-42/train-00011-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2014-42/train-00012-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2014-42/train-00013-of-00014.parquet (2.0 GB)
- data/CC-MAIN-2014-49/train-00000-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2014-49/train-00001-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2014-49/train-00002-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2014-49/train-00003-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2014-49/train-00004-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2014-49/train-00005-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2014-49/train-00006-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2014-49/train-00007-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2014-49/train-00008-of-00013.parquet (2.0 GB)
- data/CC-MAIN-2014-49/train-00009-of-00013.parquet (2.0 GB)
- data/CC-MAIN-2014-49/train-00010-of-00013.parquet (2.0 GB)
- data/CC-MAIN-2014-49/train-00011-of-00013.parquet (2.0 GB)
- data/CC-MAIN-2014-49/train-00012-of-00013.parquet (2.0 GB)
- data/CC-MAIN-2014-52/train-00000-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-52/train-00001-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-52/train-00002-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-52/train-00003-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-52/train-00004-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-52/train-00005-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-52/train-00006-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-52/train-00007-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-52/train-00008-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-52/train-00009-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-52/train-00010-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-52/train-00011-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-52/train-00012-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-52/train-00013-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2014-52/train-00014-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2015-06/train-00000-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-06/train-00001-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-06/train-00002-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-06/train-00003-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-06/train-00004-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-06/train-00005-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-06/train-00006-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-06/train-00007-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-06/train-00008-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-06/train-00009-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-06/train-00010-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-06/train-00011-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-06/train-00012-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-06/train-00013-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-11/train-00000-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-11/train-00001-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-11/train-00002-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-11/train-00003-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-11/train-00004-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-11/train-00005-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-11/train-00006-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-11/train-00007-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-11/train-00008-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-11/train-00009-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-11/train-00010-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-11/train-00011-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-11/train-00012-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-11/train-00013-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-14/train-00000-of-00013.parquet (2.2 GB)
- data/CC-MAIN-2015-14/train-00001-of-00013.parquet (2.2 GB)
- data/CC-MAIN-2015-14/train-00002-of-00013.parquet (2.2 GB)
- data/CC-MAIN-2015-14/train-00003-of-00013.parquet (2.2 GB)
- data/CC-MAIN-2015-14/train-00004-of-00013.parquet (2.2 GB)
- data/CC-MAIN-2015-14/train-00005-of-00013.parquet (2.2 GB)
- data/CC-MAIN-2015-14/train-00006-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2015-14/train-00007-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2015-14/train-00008-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2015-14/train-00009-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2015-14/train-00010-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2015-14/train-00011-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2015-14/train-00012-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2015-18/train-00000-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2015-18/train-00001-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2015-18/train-00002-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2015-18/train-00003-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2015-18/train-00004-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2015-18/train-00005-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2015-18/train-00006-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2015-18/train-00007-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2015-18/train-00008-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2015-18/train-00009-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2015-18/train-00010-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2015-18/train-00011-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2015-18/train-00012-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2015-18/train-00013-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2015-18/train-00014-of-00015.parquet (2.1 GB)
- data/CC-MAIN-2015-22/train-00000-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2015-22/train-00001-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2015-22/train-00002-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2015-22/train-00003-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2015-22/train-00004-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2015-22/train-00005-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2015-22/train-00006-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2015-22/train-00007-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2015-22/train-00008-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2015-22/train-00009-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2015-22/train-00010-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2015-22/train-00011-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2015-22/train-00012-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2015-22/train-00013-of-00014.parquet (2.2 GB)
- data/CC-MAIN-2015-27/train-00000-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2015-27/train-00001-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2015-27/train-00002-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2015-27/train-00003-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2015-27/train-00004-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2015-27/train-00005-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2015-27/train-00006-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2015-27/train-00007-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2015-27/train-00008-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2015-27/train-00009-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2015-27/train-00010-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2015-27/train-00011-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2015-27/train-00012-of-00013.parquet (2.1 GB)
- data/CC-MAIN-2015-32/train-00000-of-00013.parquet (2.2 GB)
- data/CC-MAIN-2015-32/train-00001-of-00013.parquet (2.2 GB)
- data/CC-MAIN-2015-32/train-00002-of-00013.parquet (2.2 GB)
- data/CC-MAIN-2015-32/train-00003-of-00013.parquet (2.2 GB)
- data/CC-MAIN-2015-32/train-00004-of-00013.parquet (2.2 GB)
- data/CC-MAIN-2015-32/train-00005-of-00013.parquet (2.2 GB)
- data/CC-MAIN-2015-32/train-00006-of-00013.parquet (2.2 GB)
- data/CC-MAIN-2015-32/train-00007-of-00013.parquet (2.2 GB)
- data/CC-MAIN-2015-32/train-00008-of-00013.parquet (2.2 GB)
- data/CC-MAIN-2015-32/train-00009-of-00013.parquet (2.2 GB)
- data/CC-MAIN-2015-32/train-00010-of-00013.parquet (2.2 GB)
- data/CC-MAIN-2015-32/train-00011-of-00013.parquet (2.2 GB)
- data/CC-MAIN-2015-32/train-00012-of-00013.parquet (2.2 GB)
- data/CC-MAIN-2015-35/train-00000-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-35/train-00001-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-35/train-00002-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-35/train-00003-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-35/train-00004-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-35/train-00005-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-35/train-00006-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-35/train-00007-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-35/train-00008-of-00014.parquet (2.1 GB)
- data/CC-MAIN-2015-35/train-00009-of-00014.parquet (2.1 GB)
Browse all files in the HuggingFaceFW/fineweb-edu repository on Hugging Face — 885 files total, listing the first 250.
Added 2026-08-11. Platform: Distillio — the open source training data collective.