osFoundry / Platform
Über 250.000 öffentliche Datensätze
Durchsuchen und importieren Sie aus einer Viertelmillion öffentlicher Datensätze – vorindiziert, bereit zur Feinabstimmung.
Was es ist
Der Katalog öffentlicher Datasets von osFoundry gibt dir durchsuchbaren Zugriff auf über 250.000 offene Datasets, gespiegelt vom öffentlichen Hugging-Face-Datasets-Hub, mit Text-, Bild-, Audio-, Video-, Tabellen- und multimodalen Daten. Statt Loader-Skripte zu schreiben oder Dataset-Cards einzeln durchzugehen, browst und filterst du direkt in deinem Workspace: nach Task-Kategorie (Textgenerierung, Klassifikation, Question Answering, Spracherkennung, Objekterkennung und mehr), nach Sprache, nach Größenklasse und nach Lizenz. Dann importierst du das passende mit ein paar Klicks. Jeder Eintrag bringt die Metadaten mit, auf die es vor der Festlegung wirklich ankommt: Zeilenzahl, Lizenzbedingungen, Task-Tags, Quell-URL und ein automatisch generiertes BibTeX-Zitat.
Der Katalog ist vorindiziert, und genau das macht die Suche schnell: osFoundry cacht die Metadaten jedes Datasets, sodass das Filtern über eine Viertelmillion Einträge sofort läuft, und die eigentlichen Daten werden bei der ersten Nutzung aus der Quelle geladen, statt in einem Warehouse zu liegen, für dessen Vorhaltung du zahlst. Sobald du ein Dataset auswählst, wird es in den Teil von osFoundry geleitet, in dem du gerade arbeitest. Schick es auf die Train-Seite, um ein Basismodell feinzutunen: osFoundry stellt einen GPU-Server bereit, führt den Job aus und legt den entstehenden LoRA-Adapter fürs Hot-Swap auf deine Inferenz-Flotte bereit. Importier es in eine Wissensdatenbank, damit jede Zeile durchsuchbar, zitierbar und für deine Agenten abrufbar wird. Oder richte eine Evaluation darauf, um Modelle direkt nebeneinander zu benchmarken.
Weil osFoundry bring-your-own-key und local-first ist, bleibt alles ehrlich, was deine Daten und deine Kosten angeht: es ist dein Workspace, deine Keys, und kein Wiederverkäufer-Aufschlag auf die Modelle, die du mit diesen Datasets trainierst oder gegen sie laufen lässt. Die Lizenzbedingungen werden pro Dataset ausgewiesen (permissive, Share-Alike, nicht-kommerziell, Public Domain oder custom), sodass du vor dem Aufbau auf einem Korpus weißt, ob es sich für kommerzielles Fine-Tuning eignet, statt es erst danach zu merken.
Wichtige Funktionen
- Durchsuche und filtere über 250.000 öffentliche Datasets nach Task, Sprache, Größe und Lizenz, ohne deinen Workspace zu verlassen
- Vorindizierte Metadaten machen das Filtern über eine Viertelmillion Einträge sofort; Daten laden bei der ersten Nutzung aus der Quelle
- Ein Klick leitet ins Fine-Tuning: osFoundry stellt einen GPU-Server bereit und legt einen LoRA-Adapter fürs Hot-Swap bereit
- Importiere jedes Dataset in eine Wissensdatenbank, damit Zeilen durchsuchbar, zitierbar und für Agenten abrufbar werden
- Lizenz, Zeilenzahl, Task-Tags, Quell-URL und automatisch erzeugtes BibTeX werden pro Dataset vor der Festlegung angezeigt
Anwendungsfälle
- ML-Engineer: auf ein CC-BY-Textgenerierungs-Dataset filtern, es an Train schicken und ein Basismodell auf dem eigenen GPU-Server zu einem LoRA-Adapter feintunen
- Agenten-Entwickler: ein Q&A-Dataset in eine Wissensdatenbank importieren, damit Agenten zur Laufzeit echte Beispiele abrufen und zitieren
- Forscher: eine Evaluation auf ein Benchmark-Dataset richten, mehrere Modelle direkt nebeneinander bewerten und das automatisch erzeugte BibTeX ins Paper einfügen
Häufig gestellte Fragen
Woher stammen die über 250.000 Datasets?
Sie sind vom öffentlichen Hugging-Face-Datasets-Katalog gespiegelt. osFoundry indiziert und cacht die Metadaten vorab, damit Suche und Filtern schnell sind; die eigentlichen Daten werden bei der ersten Nutzung aus der Quelle geladen, nicht in einen Speicher kopiert, für dessen Vorhaltung du zahlst.
Darf ich diese Datasets für kommerzielles Fine-Tuning nutzen?
Das hängt von der Lizenz des jeweiligen Datasets ab, die osFoundry bei jedem Eintrag ausweist: permissive (CC-BY, Apache-2, MIT), Share-Alike, nicht-kommerziell, Public Domain oder custom. Permissive und Public-Domain-Datasets sind mit Namensnennung in der Regel für kommerzielle Nutzung geeignet; nicht-kommerzielle und unspezifizierte nicht. Prüfe das Lizenz-Badge, bevor du auf einem Korpus aufbaust.
Was kann ich mit einem Dataset nach dem Import tatsächlich machen?
Drei Hauptwege: ein Basismodell auf der Train-Seite feintunen (osFoundry fährt einen GPU-Server hoch und legt einen LoRA-Adapter bereit), eine Wissensdatenbank aufsetzen, damit Agenten die Zeilen durchsuchen und zitieren, oder eine Evaluation laufen lassen, um Modelle dagegen zu benchmarken. Weil osFoundry BYOK und local-first ist, nutzt du deine eigenen Keys ohne Wiederverkäufer-Aufschlag.