osFoundry / Platform
250K+ dataset publik
Telusuri dan impor dari seperempat juta dataset publik — sudah diindeks, siap untuk fine-tuning.
Apa itu
Katalog dataset publik osFoundry memberi Anda akses pencarian ke lebih dari 250.000 dataset terbuka yang di-mirror dari hub publik Hugging Face Datasets, mencakup data teks, gambar, audio, video, tabular, dan multimodal. Alih-alih menulis skrip loader atau menyisir dataset card satu per satu, Anda menelusuri dan memfilter langsung di dalam workspace Anda: berdasarkan kategori task (text generation, klasifikasi, question answering, speech recognition, object detection, dan lainnya), bahasa, kelompok ukuran, dan lisensi. Lalu impor yang Anda butuhkan dalam beberapa klik. Setiap entri membawa metadata yang benar-benar penting sebelum Anda memutuskan: jumlah baris, ketentuan lisensi, tag task, URL sumber, dan kutipan BibTeX yang dibuat otomatis.
Katalog ini terindeks lebih awal, dan itulah yang membuat pencarian cepat: osFoundry meng-cache metadata tiap dataset, sehingga memfilter seperempat juta entri terasa instan, dan data sebenarnya dimuat dari sumber upstream saat pertama kali dipakai, bukan mengendap di gudang yang Anda bayar untuk penyimpanannya. Begitu Anda memilih dataset, ia dialihkan ke bagian osFoundry tempat Anda sedang bekerja. Kirim ke halaman Train untuk fine-tune sebuah base model: osFoundry menyediakan server GPU, menjalankan job, dan menyiapkan adapter LoRA hasilnya agar siap hot-swap ke fleet inferensi Anda. Impor ke knowledge base agar tiap baris dapat dicari, dikutip, dan diambil oleh agen Anda. Atau arahkan sebuah evaluasi ke sana untuk membandingkan model secara berdampingan.
Karena osFoundry bersifat bring-your-own-key dan local-first, semuanya tetap jujur soal data dan biaya Anda: ini workspace Anda, key Anda, dan tanpa markup reseller pada model yang Anda latih atau jalankan terhadap dataset ini. Ketentuan lisensi ditampilkan per dataset (permissive, share-alike, non-commercial, public-domain, atau custom), sehingga Anda tahu apakah sebuah korpus aman untuk fine-tuning komersial sebelum membangun di atasnya, bukan baru sadar setelahnya.
Kemampuan utama
- Cari dan filter 250K+ dataset publik berdasarkan task, bahasa, ukuran, dan lisensi tanpa keluar dari workspace Anda
- Metadata terindeks membuat filter di seperempat juta entri terasa instan; data dimuat dari sumber saat pertama kali dipakai
- Satu klik mengalihkan ke fine-tuning: osFoundry menyediakan server GPU dan menyiapkan adapter LoRA agar siap hot-swap
- Impor dataset apa pun ke knowledge base agar baris dapat dicari, dikutip, dan diambil oleh agen
- Lisensi, jumlah baris, tag task, URL sumber, dan BibTeX otomatis ditampilkan per dataset sebelum Anda memutuskan
Kasus penggunaan
- ML engineer: filter ke dataset text-generation berlisensi CC-BY, kirim ke Train, dan fine-tune base model menjadi adapter LoRA di server GPU Anda sendiri
- Pembangun agen: impor dataset tanya-jawab ke knowledge base agar agen dapat mengambil dan mengutip contoh nyata saat runtime
- Peneliti: arahkan evaluasi ke dataset benchmark untuk menilai beberapa model secara berdampingan, lalu tempel BibTeX otomatis ke dalam paper
Pertanyaan yang sering diajukan
Dari mana 250K+ dataset ini berasal?
Semuanya di-mirror dari katalog publik Hugging Face Datasets. osFoundry mengindeks dan meng-cache metadata lebih awal agar pencarian dan pemfilteran cepat; data sebenarnya dimuat dari sumber upstream saat pertama kali dipakai, tidak disalin ke penyimpanan yang Anda bayar untuk memeliharanya.
Bisakah saya memakai dataset ini untuk fine-tuning komersial?
Tergantung lisensi tiap dataset, yang ditampilkan osFoundry di setiap entri: permissive (CC-BY, Apache-2, MIT), share-alike, non-commercial, public-domain, atau custom. Dataset permissive dan public-domain umumnya aman untuk penggunaan komersial dengan atribusi; yang non-commercial dan yang tak berlisensi jelas tidak. Periksa badge lisensi sebelum membangun di atas sebuah korpus.
Apa yang sebenarnya bisa saya lakukan dengan dataset setelah diimpor?
Tiga jalur utama: fine-tune base model di halaman Train (osFoundry menyalakan server GPU dan menyiapkan adapter LoRA), menyemai knowledge base agar agen dapat mencari dan mengutip barisnya, atau menjalankan evaluasi untuk membandingkan model terhadapnya. Karena osFoundry bersifat BYOK dan local-first, Anda memakai key sendiri tanpa markup reseller.