DagsHub Bewertungen & Produktdetails

DagsHub macht es einfach, die komplexen Datenpipelines zu verwalten, die für das Training und die Feinabstimmung großer Sprachmodelle erforderlich sind. Wir verwenden es, um Anweisungsdatensätze zu versionieren, Variationen von Eingabeaufforderungen zu bewerten und die Modellleistung im Laufe der Zeit zu verfolgen. Eine einzige Quelle der Wahrheit für Daten, Experimente und Modelle zu haben, war ein Wendepunkt für die Reproduzierbarkeit. Der Git-ähnliche Workflow für Daten ist intuitiv und integriert sich nahtlos in unsere bestehenden Werkzeuge. Bewertung gesammelt von und auf G2.com gehostet.

Nichts Großes. Es funktioniert gut für unsere Bedürfnisse. Einige Visualisierungen zur Entwicklung des Datensatzes könnten das Debuggen beschleunigen, aber insgesamt ist es ein solides Produkt. Bewertung gesammelt von und auf G2.com gehostet.

DagsHub ermöglicht es uns, unsere LLM-Trainingsdaten, Experimente und Modelle eng miteinander zu verbinden. Wir versionieren alles – von Rohdatensätzen bis hin zu Tokenizer-Ausgaben und Modell-Checkpoints. Diese Einrichtung macht es einfach nachzuvollziehen, welche Daten verwendet wurden, wie sie verarbeitet wurden und welche Experimente zu welchen Ergebnissen führten. Es ist besonders hilfreich beim Testen von Prompt-Tuning oder beim Vergleichen verschiedener Modellvarianten. Alles bleibt reproduzierbar und einfach über Teams hinweg zusammenzuarbeiten. Bewertung gesammelt von und auf G2.com gehostet.

Bisher keine größeren Probleme. Die Plattform bewältigt Versionskontrolle und Experimentverknüpfung wirklich gut. Etwas mehr UI-Anpassung wäre großartig, besonders für größere Projekte. Bewertung gesammelt von und auf G2.com gehostet.

DagsHub vereinfacht die Versionierung großer Textdatensätze, das Verfolgen von Feinabstimmungsexperimenten und das Verwalten von Modell-Checkpoints – alles auf einer einzigen Plattform. In jedem LLM-Workflow ist es entscheidend, eine spezifische Datensatzversion mit einem Modelllauf zu verbinden, um die Reproduzierbarkeit sicherzustellen. DagsHub erleichtert auch die Verwaltung von Bewertungsmetriken über verschiedene Prompt-Tuning- und Feinabstimmungsexperimente hinweg, während gleichzeitig eine klare Datenherkunft beibehalten wird. Bewertung gesammelt von und auf G2.com gehostet.

Nichts Großes – es funktioniert sehr gut für meine persönlichen LLM-Projekte. Während noch mehr integrierte Unterstützung für Prompt-Datensätze eine schöne Ergänzung wäre, finde ich die Plattform bereits großartig für die vollständige Versionierung von Datensätzen und Modellen. Bewertung gesammelt von und auf G2.com gehostet.

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 hilft uns, unstrukturierte Daten – Bilder, Texte und mehr – in gut verwaltete Datensätze zu organisieren. Was besonders auffällt, ist, wie eng es unsere Daten mit Experimentdurchläufen und trainierten Modellversionen verbindet. Dies erleichtert die Reproduktion von Ergebnissen, den Vergleich der Modellleistung und das Zurückverfolgen von Problemen zu spezifischen Datenänderungen. Es ist eine solide Plattform für Teams, die Wert auf Reproduzierbarkeit, Zusammenarbeit und Datenqualität in ML-Projekten legen. Bewertung gesammelt von und auf G2.com gehostet.

Nichts Wesentliches zu bemerken – insgesamt war die Erfahrung reibungslos. Kleinere UI-Verbesserungen könnten die Navigation bei Großprojekten noch besser machen. Bewertung gesammelt von und auf G2.com gehostet.

DagsHub ist ideal für die Verwaltung von Trainingsdaten für große Sprachmodelle (LLM). Wir verwenden es, um kuratierte Textkorpora zu versionieren, Schritte zur Datenbereinigung nachzuverfolgen und Experimente mit feinabgestimmten Modellen durchzuführen – alles mit vollständiger Reproduzierbarkeit. Die Möglichkeit, Datensätze direkt mit Experimentdurchläufen und Modellausgaben zu verbinden, hilft uns, organisiert zu bleiben und schnell zu iterieren. Es ist auch hilfreich für die Zusammenarbeit zwischen Teams, die an Datenvorbereitung, Prompt-Engineering und Bewertung arbeiten. Bewertung gesammelt von und auf G2.com gehostet.

Keine größeren Probleme. Die Plattform bewältigt LLM-Workflows gut. Ein paar weitere Funktionen zur Versionierung von Eingabeaufforderungen wären nützlich, aber das, was vorhanden ist, spart uns bereits eine Menge Zeit. Bewertung gesammelt von und auf G2.com gehostet.

DagsHub ermöglicht es mir, unstrukturierte Daten im Kontext komplexer Modelle und Versionierung einfach zu verwalten. Es ermöglicht mir, einen festen Zustand von Code und Daten für jedes Experiment zu speichern und spart mir Zeit beim Umgang mit verschiedenen Tools. Ich habe es bisher in mehreren Projekten verwendet, es macht das Projektmanagement viel einfacher. Spart mir Zeit bei der Tool-Integration, da das interne Angebot einfach zu implementieren ist. Bewertung gesammelt von und auf G2.com gehostet.

Keine größeren Beschwerden, die Plattform war bisher zuverlässig und intuitiv. Bewertung gesammelt von und auf G2.com gehostet.

DagsHub bietet nahtlose Integration mit dem Datenversionskontrollwerkzeug meiner Wahl, nämlich DVC; es kann problemlos als Remote-Repository zum Speichern großer Datendateien und zum Speichern von Verzeichnissen mit einer großen Anzahl von Dateien verwendet werden. Ich mag auch die Integration mit Git-Repository-Hosting-Diensten, nicht nur GitHub, sondern auch andere solche Dienste wie GitLab oder Bitbucket.

Das DagsHub-Repository ermöglicht es, Datendateien zu durchsuchen und zu analysieren, unabhängig davon, ob sie mit Git oder DVC versioniert sind. Die Visualisierung der Datenverarbeitungspipeline umfasst sowohl die Stufen als auch die Ausgaben/Datenabhängigkeiten.

Ich habe den Experimentverfolgungsteil von DagsHub nur leicht ausprobiert, aber ich mag, was ich bisher gesehen habe. DagsHub unterstützt sowohl DVC-Experimente (`dvc exp`) als auch MLflow-Experimentverfolgung.

Ich habe die Datenstreaming-Unterstützung oder das Einbinden des DagsHub-Speichers als S3-Dateisystem noch nicht ausprobiert - aber es sieht nach einem netten Feature aus. Bewertung gesammelt von und auf G2.com gehostet.

Ich habe bisher keine größeren Probleme bemerkt. Die Plattform ist robust und erfüllt unsere Anforderungen an die Datenverfolgung gut.

Ich mag die sehr strikte Begrenzung des kostenlosen Plans nicht (maximal 2 Personen in einem Team), aber ich kann es verstehen. DagsHub bietet eine Vollversion für die Wissenschaft an, aber dies erfolgt auf Anfrage und ist nicht automatisiert (zum Beispiel durch die Verwendung von Shibboleth-Login, wie es GitLab macht). Bewertung gesammelt von und auf G2.com gehostet.

DagsHub gibt mir die volle Kontrolle über meine Machine-Learning-Daten und -Experimente. Ich kann Rohdatensätze versionieren, sie vorverarbeiten, Experimente verfolgen und Modellausgaben verwalten, alles an einem Ort. Diese enge Integration bedeutet weniger Zeit für die Synchronisierung von Tools und mehr Zeit für die Verbesserung meiner Modelle. Es ist besonders nützlich für unstrukturierte Daten wie Bilder und Dokumente, bei denen Rückverfolgbarkeit und Zusammenarbeit ohne die richtige Einrichtung schwer aufrechtzuerhalten sind. Bewertung gesammelt von und auf G2.com gehostet.

Bisher nichts Kritisches. Die Plattform bewältigt die meisten meiner Arbeitsabläufe von Haus aus. Es wäre großartig, mehr Integrationen mit externen Schulungsumgebungen zu sehen, aber die aktuellen decken die meisten Anwendungsfälle ab. Bewertung gesammelt von und auf G2.com gehostet.

DagsHub bietet eine sofort einsatzbereite Plattform zur Verwaltung von Daten, Code und Experimenten an einem Ort. Bewertung gesammelt von und auf G2.com gehostet.

Fand keine einfache Möglichkeit, die Fähigkeiten zu erweitern, zum Beispiel, einen Teil eines Modells von einem anderen Projekt zu erben. Bewertung gesammelt von und auf G2.com gehostet.