# DagsHub Reviews **Vendor:** DagsHub **Category:** [Datenwissenschafts- und maschinelles Lernen-Plattformen](https://www.g2.com/de/categories/data-science-and-machine-learning-platforms) **Average Rating:** 4.8/5.0 **Total Reviews:** 14 ## About DagsHub DagsHub ist eine Plattform, die es Ihnen ermöglicht, hochwertige Datensätze für eine bessere Modellleistung zu erstellen. Eine einzige KI-Plattform zur Kuratierung von Bild-, Audio- und Dokumentendaten - automatisieren Sie Kennzeichnungs-Workflows und bewerten Sie Modelle. Unternehmen mit sensiblen Daten können auf ihrer eigenen Infrastruktur vor Ort laufen und eine vollständige KI-Plattform erhalten. Datenkuratierung - erstellen Sie die besten Datensätze. Datenannotation - annotieren Sie Ihre Bild-, Audio- und Dokumentendaten. Automatische Kennzeichnung - automatisieren Sie Ihren Annotationsfluss mit vorgefertigten Vorlagen und aktivem Lernen. Datenversionierung - versionieren Sie Ihre Datensätze für Reproduzierbarkeit. Experimentverfolgung - verfolgen Sie den Fortschritt Ihrer Experimente, verstehen Sie Trends und vergleichen Sie Ergebnisse. Modellregister - verwalten Sie Ihre Modelle und Bereitstellungen an einem Ort. Die besten Datenwissenschaftler bauen KI mit DagsHub, einschließlich Teams bei: Google, Harvard Medicine, Beewise, Macso und Mana.bio. ## DagsHub Pros & Cons **What users like:** - Benutzer schätzen das **nahtlose Datenmanagement** , das DagsHub bietet, was die Zusammenarbeit und Effizienz bei der Modellschulung und Experimenten verbessert. (12 reviews) - Benutzer schätzen die **nahtlose Integration und Versionierung von Daten, Experimenten und Modellen** , die die Zusammenarbeit und Produktivität verbessert. (12 reviews) - Benutzer schätzen die **nahtlose Zusammenarbeit** , die DagsHub ermöglicht, was die Produktivität steigert und das Datenmanagement einfach und reproduzierbar macht. (11 reviews) - Benutzer schätzen DagsHubs **nahtlose Integration** von Daten, Experimenten und Modellen, die die Zusammenarbeit und Effizienz im Projektmanagement verbessern. (10 reviews) - Benutzer lieben die **integrierte Plattform** von DagsHub, die Produktivität und Zusammenarbeit verbessert, während komplexe Datenpipelines verwaltet werden. (10 reviews) - Integrationen (10 reviews) - Arbeitsablauf Effizienz (10 reviews) - Teamzusammenarbeit (9 reviews) - Modellvielfalt (8 reviews) - Werkzeugeffizienz (8 reviews) **What users dislike:** - Benutzer äußern Bedenken über die **eingeschränkte Funktionalität** in DagsHub, die ihre Fähigkeit zur Erweiterung der Projektmöglichkeiten behindert. (2 reviews) - Benutzer erleben **häufige Probleme bei der Fehlerbehandlung** beim Hochladen von Dateien zu DagsHub, was das Laden und die Funktionalität des Projekts beeinträchtigt. (1 reviews) - Benutzer finden DagsHub **teuer** , insbesondere aufgrund der Einschränkungen des kostenlosen Plans und der Zugangshürden für die Wissenschaft. (1 reviews) - Benutzer sind frustriert über die **begrenzten Anpassungsmöglichkeiten** auf DagsHub, insbesondere aufgrund der restriktiven Struktur des kostenlosen Plans. (1 reviews) - Benutzer finden, dass die **strengen Einschränkungen des kostenlosen Plans** ihre Kollaborationsmöglichkeiten erheblich einschränken. (1 reviews) - Begrenzte Optionen (1 reviews) - Begrenzte Werkzeuge (1 reviews) - Fehlende Funktionen (1 reviews) - Schlechtes UI-Design (1 reviews) - Langsames Laden (1 reviews) ## DagsHub Reviews ### 1. Vereinfacht die Versionierung von LLM-Datensätzen und das Experiment-Tracking **Rating:** 5.0/5.0 stars **Reviewed by:** Gourav B. | Senior Data Scientist, Unternehmen (> 1000 Mitarbeiter) **Reviewed Date:** May 08, 2025 **Was gefällt Ihnen an DagsHub am besten?** 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. **Was gefällt Ihnen an DagsHub nicht?** 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. **Welche Probleme löst DagsHub für Sie, und wie profitieren Sie davon?** DagsHub löst das kritische Problem der Verwaltung der Komplexität von Machine-Learning-Workflows – insbesondere in Bezug auf Datenversionierung, Experimentverfolgung und Zusammenarbeit. Für unsere Arbeit mit großen Sprachmodellen vereinfacht es den Prozess der Organisation und Pflege von Anweisungsdatensätzen, der Bewertung von Prompt-Variationen und der Verfolgung der Modellleistung im Laufe der Zeit. Indem es als einzige Quelle der Wahrheit für Daten, Experimente und Modelle fungiert, steigert DagsHub die Reproduzierbarkeit und Transparenz erheblich. Die Git-ähnliche Oberfläche zur Handhabung von Daten ist intuitiv und integriert sich nahtlos in unsere bestehende Toolchain, was die Entwicklung beschleunigt und Reibungsverluste im gesamten ML-Lebenszyklus reduziert. Insgesamt war es ein grundlegendes Werkzeug, um unsere ML-Operationen effizient zu skalieren. ### 2. Zuverlässige Infrastruktur für LLM-Daten und Modelliteration **Rating:** 5.0/5.0 stars **Reviewed by:** Ignacio P. | Senior Data Scientist, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** April 26, 2025 **Was gefällt Ihnen an DagsHub am besten?** 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. **Was gefällt Ihnen an DagsHub nicht?** Bisher keine größeren Probleme. Die Plattform bewältigt Versionskontrolle und Experimentverknüpfung wirklich gut. Etwas mehr UI-Anpassung wäre großartig, besonders für größere Projekte. **Welche Probleme löst DagsHub für Sie, und wie profitieren Sie davon?** Dank DagsHub verbringen wir mehr Zeit mit dem Erstellen von Modellen und weniger Zeit mit dem Kampf gegen Setup- und Umgebungsprobleme. Der Umstand, dass Code, Daten und Experimente gemeinsam versioniert und nachverfolgt werden, hat die Rückverfolgbarkeit und Zusammenarbeit zwischen Teams revolutioniert. Was früher ein chaotisches Durcheinander von Tools war, ist jetzt ein viel organisierterer und reproduzierbarer Arbeitsablauf. Es hat die Art und Weise, wie wir ML-Projekte von Anfang bis Ende verwalten, optimiert. ### 3. One-Stop-Shop-Plattform für LLM-Daten und Experimentverfolgung **Rating:** 4.5/5.0 stars **Reviewed by:** Verifizierter Benutzer in Informationstechnologie und Dienstleistungen | Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** April 28, 2025 **Was gefällt Ihnen an DagsHub am besten?** 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. **Was gefällt Ihnen an DagsHub nicht?** 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. **Welche Probleme löst DagsHub für Sie, und wie profitieren Sie davon?** Ich habe DagsHub für einige Projekte verwendet, die von traditionellen ML-Problemen wie Klassifikation bis hin zu Projekten mit LLMs reichen. Der größte Vorteil des Produkts für mich ist, wie einfach es ist, es einzurichten und fast alle Experimentverfolgungen, Daten-/Modellversionierungen und Abstammungen direkt verfügbar zu haben. Dies hat meine Arbeitsabläufe wirklich vereinfacht, und ich musste nicht viel Zeit damit verbringen, alles selbst einzurichten. ### 4. Alle MLOps-Tools in Reichweite **Rating:** 5.0/5.0 stars **Reviewed by:** Pavlo F. | Machine Learning Engineer, Informationstechnologie und Dienstleistungen, Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** January 17, 2025 **Was gefällt Ihnen an DagsHub am besten?** 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. **Was gefällt Ihnen an DagsHub nicht?** Keine Beschwerden, ich wünschte nur, dass ich DagsHub früher entdeckt hätte. 😄 **Welche Probleme löst DagsHub für Sie, und wie profitieren Sie davon?** DagsHub half mir geholfen, meine Modellbereitstellungspipeline zu automatisieren, dank des Hostings von MLflow und der Bereitstellung von GitHub-Integrationen. Dies ermöglicht eine nahtlose Aktualisierung der Cloud-Produktionssysteme, wenn ein neues maschinelles Lernmodell von Datenwissenschaftlern erstellt wird, sodass manuelle Aktionen nicht mehr erforderlich sind. Darüber hinaus werden all diese Änderungen in MLflow verfolgt, sodass es für alle transparent ist, und ein Rollback auf frühere Versionen kann bei Bedarf automatisch durchgeführt werden. ### 5. Optimiert Daten-Workflows mit reproduzierbarem Experiment-Tracking **Rating:** 4.5/5.0 stars **Reviewed by:** Manuel M. | Community Organizer, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** April 21, 2025 **Was gefällt Ihnen an DagsHub am besten?** 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. **Was gefällt Ihnen an DagsHub nicht?** Nichts Wesentliches zu bemerken – insgesamt war die Erfahrung reibungslos. Kleinere UI-Verbesserungen könnten die Navigation bei Großprojekten noch besser machen. **Welche Probleme löst DagsHub für Sie, und wie profitieren Sie davon?** DagsHub bringt Ordnung in das Chaos von ML-Projekten. Anstatt Werkzeuge für Code, Daten und Experimente zu jonglieren, wird alles an einem Ort versioniert und nachverfolgt. Es hat unsere Arbeitsabläufe reproduzierbarer und kollaborativer gemacht, besonders bei der Zusammenarbeit über Teams hinweg. Wir haben die Einrichtungszeit verkürzt, die Rückverfolgbarkeit verbessert und verbringen jetzt mehr Zeit mit dem eigentlichen Erstellen von Modellen — nicht mit dem Debuggen von Umgebungen. ### 6. Beste Plattform zur Verwaltung von LLM-Trainingsdaten und Experimenten **Rating:** 4.5/5.0 stars **Reviewed by:** Nilesh B. | Founder , Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** May 08, 2025 **Was gefällt Ihnen an DagsHub am besten?** 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. **Was gefällt Ihnen an DagsHub nicht?** 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. **Welche Probleme löst DagsHub für Sie, und wie profitieren Sie davon?** Kein Problem an sich. ### 7. Es ist meine bevorzugte Plattform für Experimente, Daten und KI-Modelle. **Rating:** 5.0/5.0 stars **Reviewed by:** Ori C. | GenAI Freelancer & Consultant , Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** March 03, 2025 **Was gefällt Ihnen an DagsHub am besten?** 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. **Was gefällt Ihnen an DagsHub nicht?** Keine größeren Beschwerden, die Plattform war bisher zuverlässig und intuitiv. **Welche Probleme löst DagsHub für Sie, und wie profitieren Sie davon?** Klassifizierung, Erkennung, im Grunde alles, was im Bereich des unüberwachten oder überwachten Lernens liegt. ### 8. DagsHub - umfassende Plattform für Datenversionierung und -management sowie für Experimentverfolgung **Rating:** 5.0/5.0 stars **Reviewed by:** Jakub N. | assistant professor, Höhere Bildung, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** January 13, 2025 **Was gefällt Ihnen an DagsHub am besten?** 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. **Was gefällt Ihnen an DagsHub nicht?** 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). **Welche Probleme löst DagsHub für Sie, und wie profitieren Sie davon?** Für uns löst DagsHub einige Probleme. Erstens hilft es, unnötige Neuberechnungen zu vermeiden; dank DagsHub, das als Datenversions-Remote fungiert, kann eine Person die von einer anderen Person berechneten Ergebnisse nutzen, selbst wenn sie unterschiedliche Maschinen verwenden. Zweitens ermöglicht es die Untersuchung von Daten über eine Webbrowser-Oberfläche, ohne dass auf die Maschine zugegriffen werden muss, auf der die Daten berechnet wurden. Drittens hilft es bei der Verbreitung von Daten zusammen mit Code (sowie mit Experimenten und deren Metriken und zugehörigen Diagrammen). ### 9. End-to-End-Kontrolle von ML-Daten und Experimenten **Rating:** 4.5/5.0 stars **Reviewed by:** Verifizierter Benutzer in Computersoftware | Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** May 04, 2025 **Was gefällt Ihnen an DagsHub am besten?** 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. **Was gefällt Ihnen an DagsHub nicht?** 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. **Welche Probleme löst DagsHub für Sie, und wie profitieren Sie davon?** Es kümmert sich um die Versionierung und Vorverarbeitung von Bilddaten sowie um das Verfolgen von Experimenten. ### 10. End-to-End-Daten- und Experimentmanagement für ML-Teams **Rating:** 4.5/5.0 stars **Reviewed by:** Liron A. | Freelancer, Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** March 20, 2025 **Was gefällt Ihnen an DagsHub am besten?** DagsHub bietet eine sofort einsatzbereite Plattform zur Verwaltung von Daten, Code und Experimenten an einem Ort. **Was gefällt Ihnen an DagsHub nicht?** Fand keine einfache Möglichkeit, die Fähigkeiten zu erweitern, zum Beispiel, einen Teil eines Modells von einem anderen Projekt zu erben. **Welche Probleme löst DagsHub für Sie, und wie profitieren Sie davon?** Verschiedene Aspekte des Projekts an einem Ort verwalten, damit ich das, was funktioniert, neu erstellen kann und untersuche, warum. ### 11. Zuverlässiges Datenmanagement und Experimentverfolgung für ML-Workflows **Rating:** 4.5/5.0 stars **Reviewed by:** Michael L. | CTO, Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** March 17, 2025 **Was gefällt Ihnen an DagsHub am besten?** DagsHub macht es einfach, unstrukturierte Daten zu organisieren und zu versionieren, während es nahtlos mit Experimenten und Modelltraining verbunden wird. Das integrierte Experiment-Tracking stellt sicher, dass jeder Modelllauf reproduzierbar ist, was es einfach macht, Ergebnisse zu vergleichen und effizient zu iterieren. Die Integration von Daten, Experimenten und Modellen in eine einzige Plattform beseitigt die Mühe, mit mehreren Tools jonglieren zu müssen, und verbessert sowohl die Produktivität als auch die Zusammenarbeit. **Was gefällt Ihnen an DagsHub nicht?** Bisher keine wesentlichen Nachteile – die Plattform war reibungslos und effektiv für unsere ML-Workflows. **Welche Probleme löst DagsHub für Sie, und wie profitieren Sie davon?** Versionsverwaltung von Datensätzen, Modellen und Experimenten - alles an einem Ort. ### 12. Ideal für multimodale Arbeitsabläufe **Rating:** 4.5/5.0 stars **Reviewed by:** Abid Ali A. | Data Scientist, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** January 13, 2025 **Was gefällt Ihnen an DagsHub am besten?** 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. **Was gefällt Ihnen an DagsHub nicht?** Ehrlich gesagt, bisher nichts – es tut genau das, was wir brauchen. **Welche Probleme löst DagsHub für Sie, und wie profitieren Sie davon?** Es bietet alle notwendigen maschinellen Lernwerkzeuge an einem Ort. ### 13. Ich liebe DagsHub... **Rating:** 5.0/5.0 stars **Reviewed by:** Ramaiah C. | Sr. AI/ML Consultant, Kleinunternehmen (50 oder weniger Mitarbeiter) **Reviewed Date:** January 31, 2025 **Was gefällt Ihnen an DagsHub am besten?** DagsHub vereinfacht die Arbeit mit multimodalen Daten, indem es die Datenumwandlung, das Experiment-Tracking und das Modellmanagement optimiert. Seine Automatisierungstools verbessern die Effizienz der Kennzeichnung und beschleunigen Arbeitsabläufe. Mit einer intuitiven Benutzeroberfläche gewährleistet es nahtlose Zusammenarbeit über Teams hinweg. **Was gefällt Ihnen an DagsHub nicht?** Ich habe keine Probleme gehabt, es war eine reibungslose und angenehme Erfahrung. **Welche Probleme löst DagsHub für Sie, und wie profitieren Sie davon?** DagsHub vereinfacht die Arbeit mit multimodalen Daten, indem es die Datenumwandlung, das Experiment-Tracking und das Modellmanagement optimiert. ### 14. DAGsHub ist eine GitHub-Ergänzung für Data Scientists und ML-Ingenieure. **Rating:** 5.0/5.0 stars **Reviewed by:** mounika s. | Data Annotator, Unternehmen mittlerer Größe (51-1000 Mitarbeiter) **Reviewed Date:** November 14, 2023 **Was gefällt Ihnen an DagsHub am besten?** 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. **Was gefällt Ihnen an DagsHub nicht?** 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. **Welche Probleme löst DagsHub für Sie, und wie profitieren Sie davon?** DAGshub macht die besseren Geschäftsentscheidungen und misst die Leistung und kann bessere Produkte entwickeln und wir können leicht die Effizienz steigern, Risiken und Betrug mindern und die Kundenerfahrungen verbessern. - [View DagsHub pricing details and edition comparison](https://www.g2.com/de/products/dagshub/reviews?section=pricing&secure%5Bexpires_at%5D=2026-05-14+23%3A55%3A40+-0500&secure%5Bsession_id%5D=f9c33be4-0d29-4387-a0ed-236259d1be2a&secure%5Btoken%5D=8d62cf8b147b50f22a7704bbf0ccdd5993e62cda5052a334e0fb9e7ba3289092&format=llm_user) ## DagsHub Features **Einsatz** - Sprachliche Flexibilität - Flexibilität des Rahmens - Versionsverwaltung - Einfache Bereitstellung - Skalierbarkeit **system** - Datenerfassung und -aufbereitung **qualität** - Qualität des Etikettierers - Qualität der Aufgaben - Datenqualität - Human-in-the-Loop **Einsatz** - Sprachliche Flexibilität - Flexibilität des Rahmens - Versionsverwaltung - Einfache Bereitstellung - Skalierbarkeit **Art der Anerkennung** - Emotions-Erkennung - Objekt-Erkennung - Texterkennung - Bewegungsanalyse - Rekonstruktion von Szenen - Logo-Erkennung - Erkennung expliziter Inhalte - Video-Erkennung **Modelltraining & -optimierung - Active Learning Tools** - Modellieren der Trainingseffizienz - Automatisiertes erneutes Trainieren von Modellen - Implementierung eines aktiven Lernprozesses - Erstellung einer iterativen Trainingsschleife - Erkennung von Grenzfällen **Integration - Maschinelles Lernen** - Integration **Modellentwicklung** - Unterstützte Sprachen - Drag-and-Drop - Vorgefertigte Algorithmen - Modell-Training **Management** - Katalogisierung - Überwachung - Regierend - Modell-Registry **Modellentwicklung** - Feature-Entwicklung **Automatisierung** - Vorbeschriftung durch maschinelles Lernen - Automatisches Routing der Beschriftung **Transaktionen** - Metriken - Infrastruktur-Management - Zusammenarbeit **Gesichtserkennung** - Gesichtsanalyse - Vergleich des Gesichts **Datenmanagement & Annotation - Tools für aktives Lernen** - Intelligente Daten-Triage - Verbesserung des Datenbeschriftungs-Workflows - Fehler- und Ausreißeridentifikation - Optimierung der Datenauswahl - Umsetzbare Erkenntnisse für die Datenqualität **Lernen - Maschinelles Lernen** - Trainingsdaten - Handlungsfähige Erkenntnisse - Algorithm - Algorithmus **Machine-/Deep-Learning-Dienste** - Maschinelles Sehen - Verarbeitung natürlicher Sprache - Generierung natürlicher Sprache - Künstliche neuronale Netze **Machine-/Deep-Learning-Dienste** - Verstehen natürlicher Sprache - Deep Learning **Bild-Anmerkung** - Bild-Segmentierung - Objekt-Erkennung - Objektverfolgung - Datentypen **Management** - Katalogisierung - Überwachung - Regierend **Kennzeichnung** - Modell-Training - Begrenzungsrahmen - Benutzerdefinierte Bilderkennung **Modellleistung und -analyse - Aktive Lernwerkzeuge** - Einblicke in die Modellleistung - Kostengünstige Modellverbesserung - Edge-Case-Integration - Feinabstimmung der Modellgenauigkeit - Analyse von Beschriftungsausreißern **Einsatz** - Managed Service - Anwendung - Skalierbarkeit **Annotation in natürlicher Sprache** - Erkennung benannter Entitäten - Stimmungserkennung - Ocr **Einsatz** - Integrationen **Generative KI** - Textgenerierung - Textzusammenfassung **Sprachanmerkung** - Transkription - Emotions-Erkennung **Generative KI** - KI-Textgenerierung - Textzusammenfassung - Text-zu-Bild **Agentic AI - Datenwissenschafts- und maschinelles Lernplattformen** - Autonome Aufgabenausführung - Mehrstufige Planung - Systemübergreifende Integration - Adaptives Lernen - Natürliche Sprachinteraktion - Proaktive Unterstützung - Entscheidungsfindung ## Top DagsHub Alternatives - [Databricks](https://www.g2.com/de/products/databricks/reviews) - 4.6/5.0 (740 reviews) - [SAS Viya](https://www.g2.com/de/products/sas-sas-viya/reviews) - 4.3/5.0 (754 reviews) - [MATLAB](https://www.g2.com/de/products/matlab/reviews) - 4.5/5.0 (748 reviews)