为可重复分析版本化数据

当涉及到大规模数据分析或机器智能问题时，能够在不同的数据集和参数上重现不同版本的分析是非常有价值的。为了实现可重现性分析，数据和模型(包括算法选择、参数和超参数)都需要进行版本控制。为可重复分析版本化数据由于数据的大小，这是一个比版本控制模型更棘手的问题。工具,如"通过允许用户使用类似git的工作流提交和推送数据文件到远程云存储桶，帮助对数据进行版本控制。这使得协作者可以很容易地提取特定版本的数据来重现分析。