Temos usado o Neptune há dois anos agora (temos a versão auto-hospedada). Eu o utilizo quase diariamente. Durante esse tempo, ele introduziu muitos novos recursos e os bugs encontrados pela minha equipe foram corrigidos. O Neptune se integra facilmente ao nosso fluxo de trabalho e oferece ampla compatibilidade com muitos frameworks populares como PyTorch ou AirFlow. Isso facilita a integração no seu código e torna mais rápido começar a usar. Para nossa empresa, uma grande vantagem do Neptune é a disponibilidade de uma versão auto-hospedada. Estávamos procurando por uma solução assim e descobrimos que poucos serviços oferecem essa opção a um preço acessível. Usar a versão auto-hospedada do Neptune não é diferente da versão em nuvem para os usuários finais. No entanto, ela tem várias vantagens - armazenamento ilimitado e isolamento da rede global, o que aumenta a segurança dos dados. No final, o Neptune tornou nosso fluxo de trabalho mais reproduzível, direto, teste visual.

Com a equipe de Cientistas de Dados da Neptune, é possível observar todas as informações ao longo da fase de treinamento, analisar e comparar experimentos e modelos. Uma visão de alto nível pode ser compartilhada com a gestão do programa através de painéis personalizados e claros. Ótimo suporte ao cliente por meio de chat, e-mails e chamadas do Google Connect. Facilidade de uso e integração.

É uma ferramenta agradável focada no que faz de melhor: rastreamento de experimentos e artefatos. Sem complicações, muito focada, muito leve. Ao contrário de alguns outros concorrentes, não está sobrecarregada com funcionalidades mal desenvolvidas e não está tentando conquistar todo o setor de MLOps. É muito fácil de usar e integrar em qualquer experimento baseado em Python. Tenho usado diariamente há alguns anos e gosto muito. Implementá-la na minha equipe foi muito simples e minha equipe conseguiu começar a usá-la imediatamente.