在 GitHub 上编辑

使用案例

我们提供了一些简短的文章,介绍数据科学中常见的应用场景,展示 DVC 如何提供帮助。

我们的使用案例并非像教程那样设计为端到端可运行。如需更实际的操作体验,请参阅 快速入门

为什么选择 DVC?

尽管机器学习(尤其是深度学习及其在商业中的应用)已取得了巨大成功,但数据科学家在项目组织和高效协作方面仍缺乏最佳实践。这是一个关键挑战:尽管机器学习算法和方法已不再是“秘传知识”,但它们的开发、复用和管理仍然困难重重。

DVC 的基本用途

如果你存储和处理数据文件或数据集以生成其他数据或机器学习模型,并且希望

  • 以与代码管理相同的方式跟踪和保存数据及机器学习模型;
  • 轻松创建并切换数据和机器学习模型的不同版本
  • 清楚了解数据集和机器学习产物最初是如何构建的;
  • 在不同实验之间比较模型指标;
  • 在数据科学项目中采用工程化工具和最佳实践;

那么 DVC 正适合你!


从左侧导航侧边栏中选择一个页面。

内容

🐛 发现问题?告诉我们!或者修复它:

在 GitHub 上编辑

有疑问?加入我们的聊天,我们会为您提供帮助:

Discord 聊天