AI 数据版本控制指对数据集、代码与模型做版本管理的技术：元数据与 Git 结合，确保机器学习实验可复现，代表如 DVC 等。
AI Glossary
AI 数据版本控制指对数据集、代码与模型做版本管理的技术：元数据与 Git 结合，确保机器学习实验可复现。它把「ML 项目」变成可版本管理。
数据版本：数据集的版本管理。
模型跟踪：模型的版本记录。
Git 结合：与 Git 协同工作。
实验复现：结果的复现保障。
DVC：开源数据版本控制。
各类 MLOps 版本工具。
ML 项目：数据与模型管理。
实验追踪：实验过程记录。
团队协作：项目协同开发。
复现保障：实验可复现。
一是「可复现」：实验有迹可循。
二是「协作」：团队协同管理。
三是「规范」：项目流程规范。
一是「学习成本」：工具掌握门槛。
二是「存储」：大数据存储成本。
三是「流程」：团队习惯改变。
四是「工具」：生态适配程度。
版本先行：项目开始就管理。
规范命名：清晰的版本命名。
团队培训：团队统一流程。
持续记录：实验全程记录。
AI 数据版本控制让 ML 项目规范可复现：数据模型版本管理，实验有据。理解它的价值（复现与协作）与成本（学习与存储），才能用好：版本先行、持续记录。对 ML 开发团队，版本控制是工程基础，正确姿势是「规范管理、全程记录」。
