Die Studie untersucht, wie sich die Versorgung in ländlichen Regionen über zwei Jahrzehnte verändert hat. Grundlage sind amtliche Berichte und Register.
Die Ergebnisse zeigen deutliche Unterschiede zwischen den Bundesländern …
Données d'entraînement IA
Texte multilingue, code source et corpus biomédicaux. Chaque document porte sa classe de licence et la preuve qui la justifie.
130+langues, dont beaucoup sont rares et peu dotées
{ "text": "Die Studie untersucht, wie …", "language": "de", "subject": "medicine", "licence_class": "public-domain", "licence_evidence": "source statement", "quality": "clean", "text_hash": "9f2c…e41a" }
10langages de programmation, de COBOL à Rust
{ "file": "payroll.cbl", "language": "cobol", "licence": "Apache-2.0", "licence_evidence": "licence file", "notice": "included in delivery", "text": "IDENTIFICATION DIVISION. …" }
Texte + données structuréesde la pharmacologie à la médecine tropicale
{ "text": "The compound inhibits …", "language": "en", "subject": "pharmacology", "licence_class": "attribution", "licence": "CC-BY-4.0", "attribution": "included in delivery", "quality": "clean" }
langues de texte, plus du code source et des corpus biomédicaux. Sous licence par langue, domaine et volume.
Voir les jeux de donnéesExtraites, nettoyées, dédupliquées et débarrassées des données personnelles. Traitées en Allemagne ou dans votre propre environnement.
Comment ça marcheUn rapport de qualité mesuré pour tout jeu de données texte ou code. Uniquement des chiffres, jamais votre texte.
Ce qui est mesuréDu document à l'enregistrement
Chaque document conserve la langue sous laquelle il a été enregistré. Des détecteurs indépendants vérifient cette étiquette chaque fois qu'ils le peuvent, et le catalogue indique comment chaque étiquette a été confirmée.
Chaque document est classé dans l'un de plus de 140 domaines, du droit et des archives administratives à la médecine et l'ingénierie, pour que vous licenciez exactement la part dont vous avez besoin.
La classe de licence figure à côté de la raison qui la fonde : la déclaration de la source, l'œuvre elle-même ou sa date de publication. Si la raison n'est pas claire, le document est retenu.
Texte endommagé, résidus de navigation et répétitions massives sont signalés, jamais supprimés en silence. Vous décidez de ce que vous gardez.
{ "text": "Die Studie untersucht, wie …", "language": "de", "subject": "medicine", "licence_class": "public-domain", "licence_evidence": "source statement", "quality_flags": [] }
Le corpus
Les corpus grandissent chaque jour. Le catalogue donne des chiffres exacts et datés, arrondis à l'inférieur.
Politique de licences
Vous voyez à quoi chaque document peut servir, et pourquoi nous l'affirmons.
Curation de données
Le pipeline qui construit nos corpus, appliqué à vos documents, scans, fichiers audio et vidéo. Sur nos propres machines en Allemagne dans le cadre d'un contrat de sous-traitance, ou dans votre environnement. Supprimées après livraison, avec confirmation écrite.
Nous répondons sous un jour ouvré avec le catalogue, un échantillon d'évaluation ou une proposition de pilote.