Avaliações e Detalhes do Produto Valohai

A Valohai oferece um ambiente altamente flexível onde você pode realizar quase tudo o que imaginar. É tanto confiável quanto simples, fornecendo todos os recursos essenciais sem sobrecarregá-lo com extras desnecessários. Eu aprecio particularmente a facilidade das execuções ad-hoc, as capacidades eficazes de depuração e a flexibilidade geral que a plataforma oferece. Análise coletada por e hospedada no G2.com.

Os notebooks têm algumas desvantagens, como não reter sessões e a falta de armazenamento de dados dedicado para notebooks. Esses problemas os tornam menos que ideais. Análise coletada por e hospedada no G2.com.

A plataforma Valohai realmente permite a colaboração ao garantir a transparência e a rastreabilidade de dados e modelos e por estar totalmente integrada ao controle de versão.

- Toda a equipe pode acessar e inspecionar experimentos.

- As mudanças podem ser facilmente implementadas e testadas.

- As execuções individuais são altamente personalizáveis, permitindo o uso eficiente e ECONÔMICO de recursos.

- Capacidade de reutilizar etapas "boas" ou inalteradas em um pipeline; economiza tempo!

- Documentação abrangente tornando muito fácil colocar sua primeira implementação em funcionamento.

- Flexibilidade incrível e suporte ao cliente excepcional... se eu tivesse algum problema para fazer algo funcionar, a solução estava a apenas um bate-papo rápido, vídeo personalizado ou sessão de depuração individual de distância.

Valohai é agora minha plataforma diária para projetos de ML. Análise coletada por e hospedada no G2.com.

Às vezes, depurar um recurso específico do Valohai pode inflar o histórico de commits do git... ao caçar o sempre elusivo bug de um caractere. Mas graças a isso, aprendi sobre o git squash! Então, realmente, nenhum problema no final :D Análise coletada por e hospedada no G2.com.

Valohai tem uma curva de aprendizado relativamente suave, o que facilita o início. A partir daí, implementar nossas ideias tem sido direto, com apenas uma ajuda mínima necessária. Falando em ajuda, um membro da equipe deles esteve conosco em cada etapa para ajudar a depurar, implementar novas ideias e comunicar atualizações do lado deles. Usamos exclusivamente para treinar modelos, mas há vários outros recursos que não exploramos que devem ajudar a expandir ainda mais. Análise coletada por e hospedada no G2.com.

Nada de mais - funciona muito bem para nossos casos de uso. Houve um ou dois contratempos ao longo do caminho, mas nada significativo e o suporte que recebemos da equipe ajudou imensamente. Análise coletada por e hospedada no G2.com.

A plataforma é muito simples e fácil de usar, e a interface é acessível para uma ampla gama de usuários, independentemente de sua experiência técnica. É fácil começar e aprender suas complexidades não leva muito tempo. Basta escrever um pouco de yaml, armazenar algumas variáveis de ambiente, conectar ao seu repositório e trabalhar em seus projetos.

Em termos de recursos de colaboração, não falta, pois como equipe podemos trabalhar em espaços de trabalho compartilhados, o que significa que todas as pessoas envolvidas no mesmo projeto podem acessar e trabalhar nos mesmos experimentos. Devido à forma como se integra com o Git, também fornece controle de versão e rastreabilidade. É incrivelmente fácil compartilhar configurações com outros membros da equipe, pois qualquer pessoa pode revisar, depurar ou replicar tarefas ou pipelines previamente configurados. Isso também permite um fluxo de trabalho colaborativo entre cientistas de dados e engenheiros de dados, onde podemos contribuir para as diferentes etapas do projeto ao mesmo tempo, o que agiliza o processo de desenvolvimento.

Possui uma configuração eficiente de ajuste de hiperparâmetros, tornando-se uma ferramenta útil para ajustes finos. Não importa sua preferência de framework, seja você do time PyTorch ou do time Tensorflow, o suporte para múltiplos frameworks garante que você não precise fazer mudanças significativas em sua pilha tecnológica. Quando você define os parâmetros para sua execução de ajuste, ele imediatamente fornece um número de quantas combinações seus parâmetros resultam, o que é muito útil, pois permite que os usuários estejam cientes do número de execuções e dos custos associados a elas. Nos casos em que você precisa fazer buscas em grade pesadas, a fila de auto-escalonamento lida com todas as execuções, o que é uma preocupação a menos.

A equipe por trás do Valohai é incrivelmente adorável e o suporte ao cliente é conhecedor, amigável e responsivo. Eu realmente gosto que eles nos incentivem a entrar em contato diretamente com eles sempre que surgirmos com algum problema. Eles são ótimos em solucionar os problemas que encontramos e são rápidos em oferecer soluções que funcionam. Análise coletada por e hospedada no G2.com.

Não necessariamente uma aversão, mas eu gostaria de ver mais documentação ou exemplos de como executar coisas em um notebook e como capturar os resultados das execuções do notebook. Análise coletada por e hospedada no G2.com.

- Fácil de usar, entender e configurar, seja recorrendo à interface do usuário ou às ferramentas de linha de comando

- Documentação muito boa

- Excelente suporte ao cliente, sempre ansioso para melhorar nos menores detalhes

- Flexível e fácil de integrar com outras soluções, como HF, W&B

- Rastreamento de experimentos e reprodutibilidade no seu melhor Análise coletada por e hospedada no G2.com.

- As etiquetas dos experimentos em uma etapa não são diretamente transferidas para as etapas subsequentes. Análise coletada por e hospedada no G2.com.

É muito fácil de usar e tem uma interface direta. Valohai torna a construção de pipelines um processo fácil e agradável. Mais importante, o suporte da equipe Valohai é incrível. Eles são responsivos e amigáveis. Análise coletada por e hospedada no G2.com.

Nada encontrado até agora; é muito fácil de usar. Análise coletada por e hospedada no G2.com.

A plataforma oferece excelente funcionalidade para Pioneiros em Aprendizado de Máquina, especialmente aqueles interessados em iterar e implantar modelos rapidamente. Além disso, a funcionalidade de rastreabilidade de dados da plataforma é excepcional, permitindo que você rastreie e audite todas as alterações em seus dados e modelos, garantindo transparência e reprodutibilidade.

A plataforma oferece oportunidades de economia de custos ao utilizar recursos baseados em nuvem, permitindo a otimização da infraestrutura e poder de computação escalável, o que é valioso para organizações com orçamentos apertados.

O suporte ao cliente é fantástico, auxiliando em todos os níveis. Quer você encontre problemas técnicos ou precise de orientação sobre as melhores práticas, a equipe de suporte está sempre pronta para ajudar.

É uma solução tudo-em-um para Pioneiros em ML que buscam eficiência, economia de custos e suporte ao cliente confiável. Análise coletada por e hospedada no G2.com.

Embora a plataforma MLOps da Valohai ofereça muitos benefícios aos usuários, pode haver alguns aspectos que alguns usuários podem não gostar. Por exemplo, alguns podem achar a complexidade da plataforma desafiadora de navegar, especialmente se não estiverem familiarizados com conceitos de MLOps. Embora a Valohai tenha muitas forças, pode não ser a solução ideal para todo Pioneiro em Aprendizado de Máquina. Os usuários devem avaliar cuidadosamente suas necessidades e preferências antes de se comprometerem com a plataforma. Análise coletada por e hospedada no G2.com.

Engenheiros de ML na Floy usam Valohai como base para desenvolver e avaliar IA médica para dados de imagem de radiologia. Valohai nos permite não apenas uma integração perfeita em nossos fluxos de trabalho, mas também o uso de nossa própria infraestrutura de computação. Além disso, soluções inteligentes para fluxos de trabalho/pipelines, implantações e versionamento de dados nos permitem resolver muitos dos requisitos operacionais necessários diretamente na infraestrutura Valohai. Análise coletada por e hospedada no G2.com.

Com muitos recursos ainda em desenvolvimento, em casos raros a API disponível carece da funcionalidade desejada - no entanto, os problemas são resolvidos rapidamente e os pedidos de recursos são atendidos prontamente. Análise coletada por e hospedada no G2.com.

Muito fácil lidar com questões de MLOps dentro de uma empresa com conhecimento mínimo. Tudo para MLOps é fornecido nesta plataforma, e não são necessárias ferramentas adicionais. Tudo, incluindo dados, código e ambiente, etc., são versionados sem esforço extra. A ideia de pipelines no Valohai facilita o desenvolvimento do ciclo de vida progressivo de um modelo de ML. Eles têm um excelente serviço ao cliente, são muito pacientes e muito habilidosos ao mesmo tempo. Então, eles incentivam você a pedir ajuda sempre que houver um problema. Análise coletada por e hospedada no G2.com.

O conceito de conjunto de dados é empolgante no Valohai, tornando a manutenção de dados mais acessível. Mas está disponível apenas para AWS no momento. Outra coisa é a interface do usuário; acho que precisa ser melhorada. Além disso, acredito que o preço anual deveria ser reduzido para um valor mais razoável. Análise coletada por e hospedada no G2.com.

O suporte ao cliente é incrível: de altíssima qualidade e disponibilidade.

A interface do usuário é super agradável, todos os nossos cientistas de dados a adoram.

A forma como é projetada - é orientada para ML, mas você pode fazer qualquer coisa com ela - incluindo a preparação de dados.

No geral, muito bom - o aumento de produtividade é óbvio para todos os cientistas de dados quando você sabe como usá-la em todo o seu potencial. Análise coletada por e hospedada no G2.com.

A documentação ainda pode ser melhorada - escrita principalmente como artigos de blog, nem sempre é fácil saber o que você pode e não pode fazer na plataforma. Análise coletada por e hospedada no G2.com.