Recensioni e Dettagli del Prodotto Valohai

Valohai offre un ambiente altamente flessibile in cui puoi realizzare quasi tutto ciò che immagini. È sia affidabile che semplice, fornendo tutte le funzionalità essenziali senza sommergerti con extra non necessari. Apprezzo particolarmente la facilità delle esecuzioni ad-hoc, le efficaci capacità di debug e la flessibilità complessiva che la piattaforma offre. Recensione raccolta e ospitata su G2.com.

I notebook hanno alcuni svantaggi, come il non mantenere le sessioni e la mancanza di uno spazio di archiviazione dedicato per i dati dei notebook. Questi problemi li rendono meno che ideali. Recensione raccolta e ospitata su G2.com.

La piattaforma Valohai consente veramente la collaborazione garantendo trasparenza e tracciabilità dei dati e dei modelli ed essendo completamente integrata nel controllo di versione.

- L'intero team può accedere e ispezionare gli esperimenti.

- Le modifiche possono essere facilmente implementate e testate.

- Le esecuzioni individuali sono altamente personalizzabili, consentendo un uso efficiente ed ECONOMICO delle risorse.

- Capacità di riutilizzare i passaggi "buoni" o invariati in una pipeline; risparmia tempo!

- Documentazione completa che rende molto facile avviare la tua prima implementazione.

- Incredibile flessibilità e supporto clienti eccezionale... se mai ho avuto problemi a far funzionare qualcosa, la soluzione era solo una rapida chat, un video personalizzato o una sessione di debug individuale.

Valohai è ora la mia piattaforma di riferimento quotidiana per i progetti di ML. Recensione raccolta e ospitata su G2.com.

A volte il debug di una funzionalità specifica di Valohai può gonfiare la tua cronologia dei commit git... quando si cerca di rintracciare il sempre sfuggente bug di un solo carattere. Ma grazie a ciò ho imparato a usare git squash! Quindi davvero nessun problema alla fine :D Recensione raccolta e ospitata su G2.com.

Valohai ha una curva di apprendimento relativamente bassa, il che rende facile iniziare. Da lì, implementare le nostre idee è stato semplice con solo un aiuto minimo necessario. A proposito di aiuto, un membro del loro staff è stato con noi in ogni fase per aiutare a fare il debug, implementare nuove idee e comunicare aggiornamenti dalla loro parte. Lo usiamo esclusivamente per addestrare modelli, ma ci sono molte altre funzionalità che non abbiamo ancora esplorato e che dovrebbero aiutare ad espandere ulteriormente. Recensione raccolta e ospitata su G2.com.

Niente di importante - funziona alla grande per i nostri casi d'uso. C'è stato un intoppo o due lungo il percorso, ma nulla di significativo e il supporto che abbiamo ricevuto dal personale ha aiutato immensamente. Recensione raccolta e ospitata su G2.com.

La piattaforma è molto semplice e facile da usare, e l'interfaccia utente è accessibile a un'ampia gamma di utenti indipendentemente dalla loro competenza tecnica. È facile iniziare e imparare le sue complessità non richiede molto tempo. Basta scrivere un po' di yaml, memorizzare alcune variabili d'ambiente, connettersi al tuo repository e dedicarsi ai tuoi progetti.

In termini di funzionalità di collaborazione, non manca nulla, poiché come team possiamo lavorare su spazi di lavoro condivisi, il che significa che tutte le persone coinvolte nello stesso progetto possono accedere e lavorare sugli stessi esperimenti. Grazie all'integrazione con Git, fornisce anche controllo di versione e tracciabilità. È incredibilmente facile condividere configurazioni con altri membri del team poiché chiunque può andare a rivedere, eseguire il debug o replicare compiti o pipeline precedentemente impostati. Questo consente anche un flusso di lavoro collaborativo tra data scientist e data engineer, dove possiamo contribuire alle diverse fasi del progetto contemporaneamente, il che semplifica il processo di sviluppo.

Ha una configurazione efficiente per il tuning degli iperparametri, rendendolo uno strumento utile per il fine-tuning. Indipendentemente dal tuo framework preferito, che tu sia del team PyTorch o del team Tensorflow, il supporto per più framework assicura che non devi apportare modifiche significative al tuo stack tecnologico. Quando definisci i parametri per il tuo tuning run, ti fornisce immediatamente un numero di quante combinazioni i tuoi parametri producono, il che è davvero utile poiché consente agli utenti di essere consapevoli del numero di esecuzioni e dei costi associati. Nei casi in cui è necessario eseguire ricerche a griglia pesanti, la coda di auto-scaling gestisce tutte le esecuzioni, il che è una cosa in meno di cui preoccuparsi.

Il team dietro Valohai è incredibilmente amabile e il supporto clienti è competente, amichevole e reattivo. Mi piace molto che ci incoraggino a contattarli direttamente ogni volta che incontriamo problemi. Sono bravissimi a risolvere i problemi che incontriamo e sono rapidi nell'offrire soluzioni che funzionano. Recensione raccolta e ospitata su G2.com.

Non necessariamente una avversione, ma mi piacerebbe vedere più documentazione o esempi su come eseguire le cose in un notebook e su come catturare i risultati delle esecuzioni del notebook. Recensione raccolta e ospitata su G2.com.

- Facile da usare, capire e configurare sia ricorrendo all'interfaccia utente che agli strumenti da riga di comando

- Documentazione molto buona

- Supporto clienti eccellente, sempre desideroso di migliorare nei minimi dettagli

- Flessibile e facile da integrare con altre soluzioni come HF, W&B

- Tracciamento degli esperimenti e riproducibilità al massimo livello Recensione raccolta e ospitata su G2.com.

- I tag degli esperimenti in un passaggio non vengono trasferiti direttamente ai passaggi successivi Recensione raccolta e ospitata su G2.com.

È molto facile da usare e ha un'interfaccia utente semplice. Valohai rende la costruzione di pipeline un processo facile e piacevole. Soprattutto, il supporto del team di Valohai è incredibile. Sono reattivi e amichevoli. Recensione raccolta e ospitata su G2.com.

Niente incontrato finora; è molto semplice da usare. Recensione raccolta e ospitata su G2.com.

La piattaforma offre un'eccellente funzionalità per i pionieri del Machine Learning, specialmente per coloro che sono interessati a iterare e distribuire rapidamente i modelli. Inoltre, la funzionalità di tracciabilità dei dati della piattaforma è eccezionale, permettendo di tracciare e verificare tutte le modifiche ai dati e ai modelli, garantendo trasparenza e riproducibilità.

La piattaforma offre opportunità di risparmio sui costi utilizzando risorse basate su cloud, consentendo l'ottimizzazione dell'infrastruttura e una potenza di calcolo scalabile, che è preziosa per le organizzazioni con budget limitati.

Il supporto clienti è fantastico, assistendo a tutti i livelli. Che si tratti di problemi tecnici o di necessità di guida sulle migliori pratiche, il loro team di supporto è sempre pronto ad aiutare.

È una soluzione tutto-in-uno per i pionieri del ML che cercano efficienza, risparmio sui costi e un supporto clienti affidabile. Recensione raccolta e ospitata su G2.com.

Sebbene la piattaforma MLOps di Valohai offra molti vantaggi agli utenti, ci possono essere alcuni aspetti che alcuni utenti potrebbero non gradire. Ad esempio, alcuni potrebbero trovare la complessità della piattaforma difficile da navigare, specialmente se non familiari con i concetti di MLOps. Sebbene Valohai abbia molti punti di forza, potrebbe non essere la soluzione ideale per ogni Pioniere del Machine Learning. Gli utenti dovrebbero valutare attentamente le loro esigenze e preferenze prima di impegnarsi con la piattaforma. Recensione raccolta e ospitata su G2.com.

Gli ingegneri ML di Floy utilizzano Valohai come base per sviluppare e valutare l'IA medica per i dati di imaging radiologico. Valohai ci consente non solo un'integrazione senza soluzione di continuità nei nostri flussi di lavoro, ma anche l'uso della nostra infrastruttura di calcolo. Inoltre, soluzioni intelligenti per flussi di lavoro/pipeline, implementazioni e versionamento dei dati ci permettono di risolvere molti dei requisiti operativi necessari direttamente nell'infrastruttura Valohai. Recensione raccolta e ospitata su G2.com.

Con molte funzionalità ancora in fase di sviluppo, in rari casi l'API disponibile manca della funzionalità desiderata - tuttavia, i problemi vengono risolti rapidamente e le richieste di funzionalità vengono soddisfatte prontamente. Recensione raccolta e ospitata su G2.com.

Molto facile gestire le operazioni MLOps all'interno di un'azienda con conoscenze minime. Tutto per MLOps è fornito in questa piattaforma e non sono necessari strumenti aggiuntivi. Tutto, inclusi dati, codice e ambiente, ecc., è versionato senza sforzo extra. L'idea dei pipeline in Valohai rende più facile lo sviluppo del ciclo di vita progressivo di un modello ML. Hanno un eccellente servizio clienti, sono molto pazienti e allo stesso tempo molto competenti. Quindi ti incoraggiano a chiedere loro aiuto ogni volta che c'è un problema. Recensione raccolta e ospitata su G2.com.

Il concetto di dataset è entusiasmante in Valohai, rendendo la manutenzione dei dati più accessibile. Ma al momento è disponibile solo per AWS. Un'altra cosa è l'interfaccia utente; penso che debba essere migliorata. Inoltre, credo che il prezzo annuale debba essere ridotto a un importo più ragionevole. Recensione raccolta e ospitata su G2.com.

Il supporto clienti è incredibile: di altissima qualità e disponibilità.

L'interfaccia utente è molto bella, tutti i nostri data scientist la adorano.

Il modo in cui è progettata - è orientata verso il ML ma puoi fare qualsiasi cosa con essa - inclusa la preparazione dei dati.

Nel complesso molto buono - l'aumento della produttività è evidente a tutti i data scientist quando sai come usarla al massimo del suo potenziale. Recensione raccolta e ospitata su G2.com.

La documentazione potrebbe ancora essere migliorata - scritta principalmente come articoli di blog, non è sempre facile sapere cosa si può e non si può fare sulla piattaforma. Recensione raccolta e ospitata su G2.com.