DagsHub Bewertungen & Produktdetails

DagsHub ist ein bester Freund von Data Scientists und Machine Learning Engineers, da es nicht nur ein Versionskontroll-Repository für den Code, sondern auch für die Datenartefakte wie Datensätze und Modelle bietet. MLOps-Tools wie DVC und MLflow sind für jedes Repository verfügbar und direkt auf DagsHub gehostet, sodass es extrem einfach ist, sie sofort zu nutzen! Dies ist ein großer Vorteil, da MLflow beispielsweise standardmäßig Machine-Learning-Modelle lokal verfolgt, sodass man einen MLflow-Server einrichten muss, wenn man im Team arbeitet, was nicht offensichtlich ist, und DagsHub ist hier ein echter Zeitersparnis. Als Sahnehäubchen bietet DagsHub viele GBs kostenlosen Speicherplatz für Ihre Datenartefakte, was Sie definitiv schätzen werden, wenn Sie es für Ihr Projekt ausprobieren möchten. Insgesamt ist DagsHub eine erstaunliche MLOps-Plattform mit vielen weiteren Funktionen, die Ihr Leben so viel einfacher machen, wie Annotationswerkzeuge, GitHub-Integration, Jupyter-Notebook-Diffs usw. Die DagsHub-Dokumentation ist einfach großartig, aber wenn Sie zusätzliche Hilfe benötigen, ist das DagsHub-Team auf ihrem Discord-Kanal super reaktionsschnell. Bewertung gesammelt von und auf G2.com gehostet.

Keine Beschwerden, ich wünschte nur, dass ich DagsHub früher entdeckt hätte. 😄 Bewertung gesammelt von und auf G2.com gehostet.

DagsHub provides seamless integration with the data version control tool of my choice, namely DVC; it can be easily used as remote repository for storing large data files, and for storing directories with large amount of files. I also like its integration with Git repository hosting sites, not only GitHub, but also other such services, like GitLab or Bitbucket.

DagsHub repository makes it possible to browse and analyze data files, regardless of whether they are versioned using Git, or using DVC. The visualization of data processing pipeline includes both stages, and outputs / data dependencies.

I have only lightly tried the experiment tracking part of DagsHub, but I like what I have seen so far. DagsHub includes support for both DVC experiments (`dvc exp`) and MLflow experiments tracking.

I have yet to try the data streaming support, or mounting DagsHub storage as S3 filesystem - but it looks like a neat feature. Bewertung gesammelt von und auf G2.com gehostet.

I haven't notice any major issues so far. The platform is robust, and caters well to our data tracking needs.

I don't like the very strict limitation of the free plan (maximum of 2 people in a team), but I can understand it. DagsHub does offer full version for academia, but it is at request, and it is not automated (using for example using Shibboleth login, like GitLab does it). Bewertung gesammelt von und auf G2.com gehostet.

DagsHub ist äußerst hilfreich für die Handhabung multimodaler Daten wie Vision, Audio und Text. Es macht das Bereinigen und Organisieren unstrukturierter Daten wirklich einfach. Die integrierten Experimentverfolgungs- und Modellverwaltungstools helfen uns, den Überblick über alles zu behalten. Das Beste daran? Es ist einfach genug, dass jeder im Team es nutzen kann. Bewertung gesammelt von und auf G2.com gehostet.

Ehrlich gesagt, bisher nichts – es tut genau das, was wir brauchen. Bewertung gesammelt von und auf G2.com gehostet.

GAGsHub ist der Ort, an dem Menschen Datenwissenschaftsprojekte entwickeln. Decken Sie den gesamten Lebenszyklus des maschinellen Lernens ab, ohne dass DevOps erforderlich ist. Wir können Experimente verfolgen. Wir können die Daten kennzeichnen und unsere Ergebnisse visualisieren, vergleichen und teilen. Mit einer Gemeinschaft von Tausenden von Fachleuten für maschinelles Lernen hilft DAGsHub großen internationalen Teams und Einzelpersonen, Projekte zu entwickeln, die Audio voranbringen. Wir können effektiv kommunizieren, indem wir interaktive Diskussionen über jedes Experiment oder jede Datei führen, Notizen zur besten Modellarchitektur machen oder den Beitrag eines Teammitglieds überprüfen, um eine Wissensbasis für Ihr zukünftiges Ich und Ihr Team aufzubauen. Schließen Sie die Lücke von Daten zu Produktion schneller als je zuvor, das ist die Magie von DAGsHub. Bewertung gesammelt von und auf G2.com gehostet.

Benutzer könnten einen Fehler erhalten, wenn sie versuchen, Dateien zu DAGsHub zu pushen, während das Pullen von Dateien funktionieren könnte. Beim Versuch, ein Label Studio-Projekt von DAGsHub Annotations zu laden, schlägt es mit dem Laufzeitfehler fehl. Bewertung gesammelt von und auf G2.com gehostet.