Vos datasets méritent un contrôle de version

Git pour vos données de vision par ordinateur. Suivez les modifications, comparez les versions et assurez la reproductibilité de chaque expérience.

v3

Version actuelle

• +2,340 images
• 24 Datasets
• 100% Reproductibilité
• 0 Perte de données
• 5x Itérations plus rapides
• ∞ Historique des versions

Utilisé par les équipes de

Suivez chaque changement, reproduisez n'importe quel résultat

Vos datasets évoluent constamment — nouvelles images, labels corrigés, échantillons filtrés. Sans contrôle de version, vous naviguez à l'aveugle.

Snapshots immuables

Chaque version de dataset est un snapshot permanent. Référencez des états de données exacts dans vos expériences.

Gestion des labels

Créez, renommez et fusionnez les labels à travers votre dataset. Gardez votre taxonomie propre et cohérente.

Fork pour les expériences

Forkez des versions de dataset pour tester des hypothèses sans affecter les données de production.

Historique prêt pour l'audit

Journal complet de qui a changé quoi, quand et pourquoi. Parfait pour la conformité.

Chronologie des versions

Dataset: defect-detection
Dernière modification: Feb 28

• Images: 2,100
• Annotations: 8,400
• Changement: +650

Tout ce qu'il faut pour gérer vos datasets

Versionnez, organisez et partagez vos datasets. Tout se connecte à vos expériences.

Contrôle de version type Git

Suivez chaque changement de vos datasets. Comparez les versions, annulez les erreurs et créez des branches pour les expériences. Traçabilité complète des données brutes aux modèles entraînés.

Organisation intelligente des données

Taguez, filtrez et découpez vos données en quelques secondes. Créez des vues personnalisées, sauvegardez des requêtes et partagez des collections. Fini la chasse dans les dossiers.

Collaboration d'équipe

Partagez les datasets entre équipes avec des permissions granulaires. Suivez qui a changé quoi, quand et pourquoi. Commentaires et revues intégrés.

Traçabilité complète des données

Tracez n'importe quelle prédiction jusqu'à ses données d'entraînement. Traçabilité prête pour l'audit. Comprenez le comportement du modèle à travers les données.

Gestion programmatique des datasets

SDK Python complet avec type hints, auto-complétion et documentation exhaustive. Intégrez les datasets directement dans vos pipelines ML.

from picsellia import Client

client = Client()  
datalake = client.get_datalake()

# Get or create dataset  
dataset = client.get_dataset("defect-detection")

# Create a new version  
version = dataset.create_version(  
  version="v3",  
  description="Added edge cases"  
)

# Add data from datalake  
data = datalake.list_data(  
  tags=["edge-case", "validated"]  
)  
version.add_data(data)  

Structurez vos données correctement

Un bon découpage des données est crucial pour la performance du modèle. Créez des splits train/val/test reproductibles, stratifiez par classe et évitez les fuites de données.

• Splits stratifiés automatiques par distribution de classes
• Ratios de split personnalisés avec seeds reproductibles
• Garantie de non-chevauchement entre les splits
• Re-split sans perdre les annotations

S'intègre à votre workflow existant

Les datasets se connectent directement aux annotations, expériences et déploiements. Aucun transfert manuel.

Prêt à versionner vos datasets ?

Essai gratuit, sans carte bancaire. Commencez à versionner vos datasets dès aujourd'hui.