你有沒有在你想知道這次拿去訓練的資料是哪一版時，還在想這件事到底該怎麼看？
把它想成資料集的版本號，讓你知道自己用了哪份內容。 沒有版本控制，實驗很難重現，出了問題也很難回頭。 它對 MLOps 很重要，因為資料變了，模型結果也會跟著變。
就像先用生活中的例子抓住核心用途，再回頭看名詞和公式，理解會穩很多。
容易混淆
backup vs 程式碼版本控制：程式碼版本控制是追蹤程式碼的修改歷史；資料版本控制則是追蹤資料集的修改歷史，兩者都是為了可追溯和協作，但對象不同。 常見混淆：資料版本控制 vs backup 備份是保留副本，版本控制是保留變更歷史。
記住這句就好
資料版本要對得回去，實驗才重得出來。
實際案例
重跑實驗 半年後重新訓練，必須知道當時用的是哪一版資料。 法遵追溯 遇到審查時，要能說清楚哪版資料在什麼時間被使用。
深入了解
- 它跟程式碼版本控制很像，但追的是資料集，不是程式。
- 好的版本管理要能回復、比較和標記變更原因。
- 當資料來源很多時，版本和血緣最好一起管理。
情境判斷
Q1： 如果一個模型結果半年後重跑不出來，先檢查什麼？
先檢查資料版本和前處理流程有沒有被固定下來。
Q2： 資料版本控制和備份是一樣的嗎？
不一樣，備份是保留副本，版本控制是保留變更歷史。
常見問題
為什麼資料版本控制對於機器學習專案很重要？
資料版本控制確保機器學習專案的可重現性、可追溯性，並允許在資料出現問題時回復到先前的版本。這對於確保模型的可靠性和可信度至關重要，尤其是在需要符合法規要求的領域。
資料版本控制與資料備份有什麼不同？
資料版本控制追蹤資料集的變更歷史，允許回復到先前的版本。資料備份則提供資料的完整副本，以防止資料遺失。兩者是互補的，資料版本控制著重於變更管理，資料備份著重於資料保護。
如何選擇適合我的專案的資料版本控制工具？
選擇資料版本控制工具時，需要考慮資料集的大小、複雜性、團隊規模以及所需的特性，例如版本控制、變更追蹤、元資料管理和協作功能。DVC、Pachyderm 和 lakeFS 都是流行的選擇，但應根據具體需求進行評估。