osFoundry / Platform
Oltre 250K dataset pubblici
Esplora e importa da un quarto di milione di dataset pubblici — pre-indicizzati, pronti per il fine-tuning.
Che cos’è
Il catalogo di dataset pubblici di osFoundry ti dà accesso tramite ricerca a oltre 250.000 dataset aperti, mirrorati dall'hub pubblico Hugging Face Datasets, con dati testo, immagine, audio, video, tabellari e multimodali. Invece di scrivere script di caricamento o setacciare le dataset card una per una, esplori e filtri direttamente dentro il tuo workspace: per categoria di task (generazione di testo, classificazione, question answering, riconoscimento vocale, object detection e altro), per lingua, per fascia di dimensione e per licenza. Poi importi quello che ti serve in un paio di clic. Ogni voce porta con sé i metadati che contano davvero prima di impegnarti: numero di righe, termini di licenza, tag di task, URL sorgente e una citazione BibTeX generata automaticamente.
Il catalogo è preindicizzato, ed è questo che rende veloce la ricerca: osFoundry mette in cache i metadati di ogni dataset, così filtrare tra un quarto di milione di voci è istantaneo, e i dati veri vengono caricati dalla sorgente originale al primo utilizzo, invece di restare in un magazzino che paghi per mantenere. Una volta scelto un dataset, viene instradato verso la parte di osFoundry in cui stai lavorando. Mandalo alla pagina Train per fare fine-tuning di un modello base: osFoundry provisiona un server GPU, esegue il job e prepara l'adattatore LoRA risultante per un hot-swap sulla tua flotta di inferenza. Importalo in una knowledge base per rendere ogni riga ricercabile, citabile e recuperabile dai tuoi agenti. Oppure puntaci una valutazione per confrontare modelli fianco a fianco.
Poiché osFoundry è bring-your-own-key e local-first, tutto resta onesto sui tuoi dati e sui tuoi costi: è il tuo workspace, le tue chiavi e nessun ricarico di rivendita sui modelli che addestri o esegui contro questi dataset. I termini di licenza sono mostrati per singolo dataset (permissiva, share-alike, non commerciale, dominio pubblico o personalizzata), così sai se un corpus è sicuro per il fine-tuning commerciale prima di costruirci sopra, invece di scoprirlo dopo.
Funzionalità principali
- Cerca e filtra oltre 250.000 dataset pubblici per task, lingua, dimensione e licenza senza uscire dal tuo workspace
- I metadati preindicizzati rendono istantaneo filtrare tra un quarto di milione di voci; i dati si caricano dalla sorgente al primo utilizzo
- Un clic instrada al fine-tuning: osFoundry provisiona un server GPU e prepara un adattatore LoRA per l'hot-swap
- Importa qualsiasi dataset in una knowledge base per rendere le righe ricercabili, citabili e recuperabili dagli agenti
- Licenza, numero di righe, tag di task, URL sorgente e BibTeX autogenerato, mostrati per dataset prima di impegnarti
Casi d’uso
- Ingegnere ML: filtra fino a un dataset di generazione di testo con licenza CC-BY, mandalo a Train e fai fine-tuning di un modello base in un adattatore LoRA sul tuo server GPU
- Sviluppatore di agenti: importa un dataset di domande e risposte in una knowledge base così che gli agenti recuperino e citino esempi reali a runtime
- Ricercatore: punta una valutazione a un dataset di benchmark per assegnare punteggi a più modelli fianco a fianco, poi incolla il BibTeX autogenerato in un paper
Domande frequenti
Da dove arrivano i 250.000+ dataset?
Sono mirrorati dal catalogo pubblico Hugging Face Datasets. osFoundry preindicizza e mette in cache i metadati perché ricerca e filtraggio siano veloci; i dati veri vengono caricati dalla sorgente originale al primo utilizzo, non copiati in uno store che paghi per conservare.
Posso usare questi dataset per il fine-tuning commerciale?
Dipende dalla licenza di ogni dataset, che osFoundry mostra su ogni voce: permissiva (CC-BY, Apache-2, MIT), share-alike, non commerciale, dominio pubblico o personalizzata. I dataset permissivi e di dominio pubblico sono in genere sicuri per l'uso commerciale con attribuzione; quelli non commerciali e non specificati no. Controlla il badge di licenza prima di costruire su un corpus.
Cosa posso fare davvero con un dataset una volta importato?
Tre percorsi principali: fare fine-tuning di un modello base nella pagina Train (osFoundry avvia un server GPU e prepara un adattatore LoRA), inizializzare una knowledge base così che gli agenti cerchino e citino le righe, oppure eseguire una valutazione per fare benchmark dei modelli contro di esso. Poiché osFoundry è BYOK e local-first, usi le tue chiavi senza ricarico di rivendita.