Avis et détails du produit de DagsHub

DagsHub est un meilleur ami des Data Scientists et des Ingénieurs en Machine Learning puisqu'il fournit non seulement un dépôt de contrôle de version pour le code, mais aussi pour les artefacts de données, tels que les ensembles de données et les modèles. Les outils MLOps comme DVC et MLflow sont disponibles pour chaque dépôt et hébergés sur DagsHub dès le départ, ce qui rend leur utilisation extrêmement facile immédiatement ! C'est un tel avantage car, par exemple, MLflow suit les modèles de machine learning localement par défaut, donc vous devez configurer un serveur MLflow lorsque vous travaillez en équipe, ce qui n'est pas évident et DagsHub est un véritable gain de temps ici. Comme cerise sur le gâteau, DagsHub offre de nombreux Go de stockage gratuit pour vos artefacts de données et vous l'apprécierez certainement si vous souhaitez l'essayer pour votre projet. Dans l'ensemble, DagsHub est une plateforme MLOps incroyable avec beaucoup plus de fonctionnalités qui rendront votre vie tellement plus facile, telles que des outils d'annotation, l'intégration GitHub, les différences de notebooks Jupyter, etc. La documentation de DagsHub est tout simplement excellente, mais si vous avez besoin d'aide supplémentaire, l'équipe de DagsHub est super réactive sur leur canal Discord. Avis collecté par et hébergé sur G2.com.

Pas de plaintes, je souhaite seulement avoir découvert DagsHub plus tôt. 😄 Avis collecté par et hébergé sur G2.com.

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. Avis collecté par et hébergé sur G2.com.

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). Avis collecté par et hébergé sur G2.com.

DagsHub est très utile pour gérer des données multimodales comme la vision, l'audio et le texte. Il rend le nettoyage et l'organisation des données non structurées vraiment faciles. Les outils intégrés de suivi des expériences et de gestion des modèles nous aident à rester au courant de tout. La meilleure partie ? C'est assez simple pour que n'importe qui dans l'équipe puisse l'utiliser. Avis collecté par et hébergé sur G2.com.

Honnêtement, rien jusqu'à présent—cela fait exactement ce dont nous avons besoin. Avis collecté par et hébergé sur G2.com.

DagsHub simplifies working with multimodal data by streamlining data transformation, experiment tracking, and model management. Its automation tools enhance labeling efficiency, accelerating workflows. With an intuitive interface, it ensures seamless collaboration across teams. Avis collecté par et hébergé sur G2.com.

I haven’t encountered any problems, it’s been a smooth and enjoyable experience. Avis collecté par et hébergé sur G2.com.

GAGsHub est l'endroit où les gens construisent des projets de science des données. Couvre l'ensemble du cycle de vie de l'apprentissage automatique, pas besoin de DevOps. Nous pouvons suivre les expériences. Nous pouvons étiqueter les données et visualiser, comparer et partager nos résultats. Avec une communauté de milliers de professionnels de l'apprentissage automatique, DAGsHub aide les grandes équipes internationales et les individus à construire des projets qui font progresser l'audio. Nous pouvons communiquer efficacement en ayant des discussions interactives sur n'importe quelle expérience ou fichier, prendre des notes sur la meilleure architecture de modèle ou revoir la contribution d'un membre de l'équipe, construire une base de connaissances pour votre futur vous-même et votre équipe. Fermez la boucle des données à la production, plus rapidement que jamais, c'est la magie de DAGsHub. Avis collecté par et hébergé sur G2.com.

Les utilisateurs pourraient rencontrer une erreur lorsqu'ils essaient de pousser des fichiers vers DAGsHub, tandis que tirer des fichiers pourrait fonctionner. Lorsqu'ils essaient de charger un projet Label Studio à partir des annotations DAGsHub, cela échoue avec l'erreur d'exécution. Avis collecté par et hébergé sur G2.com.