course/pr_1213/es/chapter10/5.md

# Usa tu dataset anotado[[use-your-annotated-dataset]]

Ahora aprenderemos a exportar y usar los datos anotados que tenemos en Argilla.

## Carga el dataset

Primero tenemos que asegurarnos de que estamos conectados a nuestra instancia de Argilla como en los pasos anteriores:

```python
import argilla as rg

HF_TOKEN = "..."  # solo para Spaces privados

client = rg.Argilla(
    api_url="...",
    api_key="...",
    headers={"Authorization": f"Bearer {HF_TOKEN}"},  # solo para Spaces privados
)
```

Y ahora cargaremos el dataset con el que vamos a trabajar:

```python
dataset = client.datasets(name="ag_news")
```

Cargar el dataset y acceder a sus registros con `dataset.records` basta para empezar a usar tu dataset y sus registros en tus propios propósitos y pipelines. Sin embargo, también aprenderemos a hacer algunas operaciones opcionales, como filtrar los registros y exportar tu dataset al Hugging Face Hub.

## Filtra el dataset

A veces solo quieres usar los registros que ya están completos, así que primero filtraremos los registros de nuestro dataset según su estado:

```python
status_filter = rg.Query(filter=rg.Filter([("status", "==", "completed")]))

filtered_records = dataset.records(status_filter)
```

>[!TIP]
>⚠️ Ten en cuenta que los registros con estado `completed` (es decir, aquellos que cumplen el mínimo de respuestas enviadas configurado en la distribución de la tarea) podrían tener más de una respuesta, y que cada respuesta puede tener cualquiera de estos estados: `submitted`, `draft` o `discarded`.

Aprende más sobre cómo consultar y filtrar registros en la [documentación de Argilla](https://docs.argilla.io/latest/how_to_guides/query/).

## Exporta al Hub

Ahora podemos exportar nuestras anotaciones al Hugging Face Hub para compartirlas con otras personas. Para ello, tendremos que convertir los records en un 🤗 Dataset y luego subirlo al Hub:

```python
filtered_records.to_datasets().push_to_hub("argilla/ag_news_annotated")
```

Alternativamente, podemos exportar directamente el dataset completo de Argilla (incluidos los registros pendientes) así:

```python
dataset.to_hub(repo_id="argilla/ag_news_annotated")
```

Esta es una opción interesante si otras personas quieren abrir el dataset en sus propias instancias de Argilla, ya que la configuración se guarda automáticamente y pueden importar el dataset completo con una sola línea de código:

```python
dataset = rg.Dataset.from_hub(repo_id="argilla/ag_news_annotated")
```