Valohai Reseñas y Detalles del Producto

Valohai ofrece un entorno altamente flexible donde puedes lograr casi todo lo que imaginas. Es tanto confiable como sencillo, proporcionando todas las características esenciales sin abrumarte con extras innecesarios. Aprecio especialmente la facilidad de las ejecuciones ad-hoc, las efectivas capacidades de depuración y la flexibilidad general que la plataforma ofrece. Reseña recopilada por y alojada en G2.com.

Los cuadernos tienen algunos inconvenientes, como no retener sesiones y carecer de almacenamiento de datos dedicado para cuadernos. Estos problemas los hacen menos que ideales. Reseña recopilada por y alojada en G2.com.

La plataforma Valohai realmente permite la colaboración al garantizar la transparencia y trazabilidad de datos y modelos y al estar completamente integrada en el control de versiones.

- Todo el equipo puede acceder e inspeccionar experimentos.

- Los cambios pueden ser implementados y probados fácilmente.

- Las ejecuciones individuales son altamente personalizables, permitiendo un uso eficiente y ECONÓMICO de los recursos.

- Capacidad de reutilizar pasos "buenos" o sin cambios en una tubería; ¡ahorra tiempo!

- Documentación completa que facilita mucho poner en marcha tu primera implementación.

- Increíble flexibilidad y un soporte al cliente excepcional... si alguna vez tuve problemas para hacer que algo funcionara, la solución estaba a solo un chat rápido, un video personalizado o una sesión de depuración uno a uno de distancia.

Valohai es ahora mi plataforma diaria de referencia para proyectos de ML. Reseña recopilada por y alojada en G2.com.

A veces, depurar una característica específica de Valohai puede inflar tu historial de commits de git... al buscar el siempre esquivo error de un solo carácter. Pero gracias a eso, aprendí sobre git squash. Así que realmente no hay problema al final :D Reseña recopilada por y alojada en G2.com.

Valohai tiene una curva de aprendizaje relativamente baja, lo que facilita el inicio. A partir de ahí, implementar nuestras ideas ha sido sencillo con solo una ayuda mínima necesaria. Hablando de ayuda, un miembro de su personal ha estado con nosotros en cada paso del camino para ayudar a depurar, implementar nuevas ideas y comunicar actualizaciones desde su lado. Lo usamos exclusivamente para entrenar modelos, pero hay varias características más que no hemos explorado y que deberían ayudar a expandir aún más. Reseña recopilada por y alojada en G2.com.

Nada importante: funciona muy bien para nuestros casos de uso. Ha habido uno o dos contratiempos en el camino, pero nada significativo y el apoyo que recibimos del personal ayudó enormemente. Reseña recopilada por y alojada en G2.com.

La plataforma es muy sencilla y fácil de usar, y la interfaz de usuario es accesible para una amplia gama de usuarios, independientemente de su experiencia técnica. Es fácil comenzar y aprender sus complejidades no lleva mucho tiempo. Solo escribe algo de yaml, almacena algunas variables de entorno, conecta tu repositorio y trabaja en tus proyectos.

En cuanto a las características de colaboración, no le falta nada, como equipo podemos trabajar en espacios de trabajo compartidos, lo que significa que todas las personas involucradas en el mismo proyecto pueden acceder y trabajar en los mismos experimentos. Debido a cómo se integra con Git, también proporciona control de versiones y trazabilidad. Es increíblemente fácil compartir configuraciones con otros miembros del equipo, ya que cualquiera puede revisar, depurar o replicar tareas o flujos de trabajo previamente configurados. Esto también permite un flujo de trabajo colaborativo entre científicos de datos e ingenieros de datos, donde podemos contribuir a las diferentes etapas del proyecto al mismo tiempo, lo que agiliza el proceso de desarrollo.

Tiene una configuración eficiente de ajuste de hiperparámetros, lo que lo convierte en una herramienta útil para el ajuste fino. No importa tu preferencia de marco, ya sea que seas del equipo PyTorch o del equipo Tensorflow, el soporte para múltiples marcos asegura que no tengas que hacer cambios significativos en tu pila tecnológica. Cuando defines los parámetros para tu ejecución de ajuste, inmediatamente te da un número de cuántas combinaciones resultan de tus parámetros, lo cual es muy útil ya que permite a los usuarios ser conscientes del número de ejecuciones y los costos asociados con ellas. En los casos en que necesitas hacer búsquedas exhaustivas, la cola de autoescalado maneja todas las ejecuciones, lo cual es una preocupación menos.

El equipo detrás de Valohai es increíblemente encantador y el soporte al cliente es conocedor, amigable y receptivo. Me gusta mucho que nos animen a ponernos en contacto directamente con ellos siempre que tengamos algún problema. Son excelentes para resolver los problemas que encontramos y son rápidos para ofrecer soluciones que funcionan. Reseña recopilada por y alojada en G2.com.

No necesariamente un desagrado, pero me gustaría ver más documentación o ejemplos de cómo ejecutar cosas en un cuaderno y cómo capturar los resultados de las ejecuciones del cuaderno. Reseña recopilada por y alojada en G2.com.

- Fácil de usar, entender y configurar, ya sea recurriendo a la interfaz de usuario o a las herramientas de línea de comandos

- Muy buena documentación

- Excelente soporte al cliente, siempre dispuesto a mejorar en los más mínimos detalles

- Flexible y fácil de integrar con otras soluciones como HF, W&B

- Seguimiento de experimentos y reproducibilidad en su máxima expresión Reseña recopilada por y alojada en G2.com.

- Las etiquetas de los experimentos en un paso no se transfieren directamente a los pasos posteriores. Reseña recopilada por y alojada en G2.com.

Es muy fácil de usar y tiene una interfaz de usuario sencilla. Valohai hace que la construcción de pipelines sea un proceso fácil y agradable. Lo más importante es que el soporte del equipo de Valohai es increíble. Son receptivos y amables. Reseña recopilada por y alojada en G2.com.

Nada encontrado hasta ahora; es muy sencillo de usar. Reseña recopilada por y alojada en G2.com.

La plataforma ofrece una excelente funcionalidad para los pioneros del aprendizaje automático, especialmente aquellos interesados en iterar y desplegar modelos rápidamente. Además, la funcionalidad de trazabilidad de datos de la plataforma es sobresaliente, permitiendo rastrear y auditar todos los cambios en sus datos y modelos, asegurando transparencia y reproducibilidad.

La plataforma proporciona oportunidades de ahorro de costos al utilizar recursos basados en la nube, permitiendo la optimización de la infraestructura y el poder de cómputo escalable, lo cual es valioso para organizaciones con presupuestos ajustados.

El soporte al cliente es fantástico, asistiendo en todos los niveles. Ya sea que encuentres problemas técnicos o necesites orientación sobre las mejores prácticas, su equipo de soporte siempre está listo para ayudar.

Es una solución todo en uno para los pioneros del aprendizaje automático que buscan eficiencia, ahorro de costos y soporte al cliente confiable. Reseña recopilada por y alojada en G2.com.

Aunque la plataforma MLOps de Valohai ofrece muchos beneficios a los usuarios, puede haber algunos aspectos que a algunos usuarios no les gusten. Por ejemplo, algunos pueden encontrar la complejidad de la plataforma difícil de navegar, especialmente si no están familiarizados con los conceptos de MLOps. Aunque Valohai tiene muchas fortalezas, puede que no sea la solución ideal para cada pionero en aprendizaje automático. Los usuarios deben evaluar cuidadosamente sus necesidades y preferencias antes de comprometerse con la plataforma. Reseña recopilada por y alojada en G2.com.

Los ingenieros de ML en Floy utilizan Valohai como columna vertebral para desarrollar y evaluar IA médica para datos de imágenes de radiología. Valohai nos permite no solo una integración fluida en nuestros flujos de trabajo, sino también el uso de nuestra propia infraestructura de computación. Además, soluciones inteligentes para flujos de trabajo/pipelines, implementaciones y versionado de datos nos permiten resolver muchos de los requisitos operativos necesarios directamente en la infraestructura de Valohai. Reseña recopilada por y alojada en G2.com.

Con muchas funciones aún en desarrollo, en raras ocasiones la API disponible carece de la funcionalidad deseada; sin embargo, los problemas se resuelven rápidamente y las solicitudes de funciones se solucionan con prontitud. Reseña recopilada por y alojada en G2.com.

Muy fácil de manejar las cosas de MLOps dentro de una empresa con conocimiento mínimo. Todo para MLOps se proporciona en esta plataforma, y no se requieren herramientas adicionales. Todo, incluyendo datos, código y entorno, etc., está versionado sin esfuerzo adicional. La idea de las canalizaciones en Valohai facilita el desarrollo del ciclo de vida progresivo de un modelo de ML. Tienen un excelente servicio al cliente, son muy pacientes y muy capacitados al mismo tiempo. Así que te animan a pedirles ayuda siempre que haya un problema. Reseña recopilada por y alojada en G2.com.

El concepto de conjunto de datos es emocionante en Valohai, lo que hace que el mantenimiento de datos sea más accesible. Pero solo está disponible para AWS en este momento. Otra cosa es la interfaz de usuario; creo que necesita ser mejorada. Además, creo que el precio anual debería reducirse a una cantidad más razonable. Reseña recopilada por y alojada en G2.com.

El soporte al cliente es increíble: de muy alta calidad y disponibilidad.

La interfaz de usuario es muy agradable, a todos nuestros científicos de datos les encanta.

La forma en que está diseñado - está orientado hacia el aprendizaje automático, pero puedes hacer cualquier cosa con él - incluyendo la preparación de datos.

En general, muy bueno - el aumento de la productividad es obvio para todos los científicos de datos cuando sabes cómo usarlo a su máximo potencial. Reseña recopilada por y alojada en G2.com.

La documentación aún podría mejorarse: en su mayoría escrita como artículos de blog, no siempre es fácil saber qué se puede y qué no se puede hacer en la plataforma. Reseña recopilada por y alojada en G2.com.