Skip to main content -> Überspringen Sie zum Hauptinhalt
Gesponsert von BrandGhost BrandGhost ist ein Tool zur Automatisierung von sozialen Medien, das Content-Erstellern hilft, ihre sozialen Medienbeiträge... Besuchen Sie jetzt

Auf dieser Seite

Tangle

Frei

Open-Source-Visueller Editor zum Erstellen von ML-Pipelines ohne Programmierung, für Data Scientists.

vor 1 Tag
github.com
Frustration: Der Aufbau von ML-Pipelines erfordert in der Regel viel Codierung und komplexe Orchestrierung.
Tangle ist ein Open-Source-Vis editor der es dir ermöglicht Pipelines zu erstellen, zu verwalten und auszuführen mit einer Drag-and-Drop-Oberfläche. Es ist plattformunabhängig und kann bestehenden Code in Containern mit jeder Sprache oder jedem Framework einhüllen. Es bietet auch fortschrittliche Ausführungs-Caching-Optionen um Experimente zu beschleunigen und Berechnungskosten zu senken.
Die Aha-Moment Visual Pipelines Schnellere Ergebnisse
Mit Tangle gestaltest du Workflows indem du Komponenten verbindest, Code containerisierst und gecachte Ausführungen ausführst um schnell zu iterieren, ML-Experimente zugänglich, reproduzierbar und kosteneffizient zu machen.

Schnelles Urteil

Basierend auf 2 Bewertungen

Lies alle Bewertungen

Vorteile

  • Drag-and-drop interface lets me wire up an end-to-end pipeline—from data prep to training—without writing code.
  • Execution caching lets me reuse results across experiments, cutting compute waste.
  • Visual management makes it easy to monitor runs and tweak hyperparameters without touching the codebase.

Cons

  • Wrapping legacy Python steps into containers requires extra boilerplate to fit our Kubernetes setup.
  • The canvas slows a bit on bigger graphs, making drag-and-drop feel less responsive.
  • Governance features like granular access controls and audit trails are missing, complicating collaboration at scale.

Kundenbewertungen für Tangle

Gesamtanalyse

Umfassende Einblicke in die Bewertung und die historische Leistung.

Very Positive (2) 4.5/5 2 reviews 100% empfehlen — Monatliches Wachstum

6-monatiger Zeitplan

am hilfreichsten

Liam Miller
Liam Miller 0

I can wrap Python, SQL, and Spark steps into containers and stitch them into a single visual workflow, which makes cross-language reuse effortless. Reproducible experiments across frameworks keep us aligned across data scientists. Visual run controls help me monitor, stop, and compare variants in real time. The initial wrapper setup for new languages is a bit fiddly, and we miss per-project access controls for multi-team onboarding.

Voll lesen →

Neueste Bewertungsstatistiken

Sentimentanalyse und Trends aus der letzten Last 30 days

4.5/5
2 reviews
Very Positive (2) New reviews
Trend: Beständig Geschwindigkeit: 0.1/Tag Engagement: 0%
lastungsverbrauch 14%
Filtern nach Bewertung:

zeigen 1 - 2 von 2 bewertungen .

Benutzeravatar für Liam Miller

Liam Miller

Trusted Reviewer
5.0
empfiehlt

I leverage platform-agnostic wrapping for cross-language workflows, with governance gaps to address

Verwendet für 3-6 months

Was ich mochte

  • Platform-agnostic wrapping across languages lets me containerize diverse steps and connect them visually.
  • Reproducible experiments across languages and frameworks ensure we share a single source of truth for pipelines.
  • Visual run controls and monitoring let me stop, re-run, and compare variants in real time.

Was könnte besser sein

  • Initial wrapper setup for new languages is fiddly and requires extra boilerplate.
  • Onboarding multiple teams is rough without per-project access controls and audit trails.
  • Container startup and image loading can add latency for quick, small experiments.

I can wrap Python, SQL, and Spark steps into containers and stitch them into a single visual workflow, which makes cross-language reuse effortless. Reproducible experiments across frameworks keep us aligned across data scientists. Visual run controls help me monitor, stop, and compare variants in real time. The initial wrapper setup for new languages is a bit fiddly, and we miss per-project access controls for multi-team onboarding.

War das hilfreich?
Link kopiert! 🎉
Benutzeravatar für Grace Walker

Grace Walker

Trusted Reviewer Verifizierter Kauf
4.0
empfiehlt

I built an end-to-end pipeline with drag-and-drop in under an hour, but wrapping needs polish

Verwendet für 1-3 months

Was ich mochte

  • Drag-and-drop interface lets me wire up an end-to-end pipeline—from data prep to training—without writing code.
  • Execution caching lets me reuse results across experiments, cutting compute waste.
  • Visual management makes it easy to monitor runs and tweak hyperparameters without touching the codebase.

Was könnte besser sein

  • Wrapping legacy Python steps into containers requires extra boilerplate to fit our Kubernetes setup.
  • The canvas slows a bit on bigger graphs, making drag-and-drop feel less responsive.
  • Governance features like granular access controls and audit trails are missing, complicating collaboration at scale.

I've built an end-to-end ML flow in under an hour using the drag-and-drop editor, connecting data prep, feature extraction, and training with no code. The execution caching is a real win when I test variants. Yet wrapping legacy Python steps into containers requires extra boilerplate to fit our Kubernetes setup, and the canvas slows a bit on bigger graphs. Governance gaps also pop up when teams scale.

War das hilfreich?
Link kopiert! 🎉

Diskussion

Stelle Fragen, gib Feedback und diskutiere dieses Tool

dem Diskurs beitreten

Beginnen Sie mit einem dieser:

in der Diskussion jetzt

Keine Diskussion bisher. Beginne das Gespräch.

Preishistorie

Wie sich der Preis von Tangle im Laufe der Zeit entwickelt hat.

Vollständige Preishistorie anzeigen
$0 $0.33 $0.67 $1 Sep 2026 Sep 7, 2026 · $0

Verfügbarkeit

Is Tangle up or down? Weekly reachability checks of its website.

Voller Status anzeigen

Betriebszeit

0%

Zurzeit unerreichbar

In den letzten 1 wöchentlichen Prüfungen

up down Sep 7, 2026 · HTTP 404 Sep 2026

Wie es funktioniert

Wie Tangle Arbeitet In 3 Schritten?

  1. Schritt 1

    1. Install Tangle

    Download or run the open-source editor to start building ML pipelines visually.

  2. Schritt 2

    2. Drag & Connect

    Wire components to define data flow and model steps without coding.

  3. Schritt 3

    3. Run & Iterate

    Execute pipelines, view results, and cache experiments to save compute.

Zuletzt angesehen

Direkter Vergleich

Siehst du wie Tangle vergleicht mit seiner Alternative:

Tangle VS Taku

Tangle: Merkmale Vorteile Und FAQs

Erkunde alles was du wissen musst über Tangle

Kernfunktionen
  • Drag-and-Drop-Oberfläche: Erstellen Sie ML-Pipelines visuell ohne Codierung
  • Plattform-übergreifendes Wrapping: Code in Containern über Sprachen hinweg ausführen
  • Open-Source-Kern: Transparent, anpassbar, gemeinschaftsorientiert
  • Ausführungs-Caching: Beschleunigen Sie Experimente und senken Sie die Berechnungskosten
  • Visuelle Verwaltung: Überwachen, ändern und Workflows einfach ausführen
Vorteile
  • Open-Source und anpassbar
  • Drag-and-Drop-Editor beschleunigt den Aufbau von Pipelines
  • Plattformunabhängig: kapselt Code in Containern über Sprachen hinweg
  • Ausführungscaching beschleunigt Experimente und reduziert Berechnungskosten
  • Keine schwere Programmierung erforderlich
  • Visuelle Workflow-Verwaltung fördert Zusammenarbeit
Anwendungsfälle
  • Entwerfen von End-to-End ML-Pipelines visuell
  • Bestehenden Code in containerisierte Komponenten einbetten
  • Experimente laufen lassen und cachen, um Rechenleistung zu sparen
  • Zusammenarbeit bei Workflows im Team
  • Reproduzierbare ML-Experimente über Sprachen und Frameworks hinweg
Beste Für
  • Datenwissenschaftler, ML-Ingenieure, Softwareentwickler, Forscher

Integrationen

arbeitet mit den werkzeugen, die sie bereits verwenden

Keine direkten Integrationen verfügbar
Plattform & Lizenzierung
Web
Beste Für

Datenwissenschaftler, ML-Ingenieure, Softwareentwickler, Forscher

Fähigkeitsniveau
Beginner-Friendly

Frag AI nach Tangle

Eine klare Antwort, basierend auf unserem Verzeichnis — Alternativen, Preisgestaltung, passend zu Ihrem Arbeitsablauf.

Häufig gestellte Fragen

Entwickelt von: Shopify ML

Top Alternativen zu Tangle

Ausgewählte Optionen nach Ähnlichkeit, Merkmalen und Wert sortiert

Hol dir persönliche Empfehlungen

Nimm das 2-Minuten-Quiz für Werkzeuge, die zu deiner Arbeit passen.

Weiterempfohlene Werkzeuge einen Blick wert.

Beste primäre Aufgaben für Tangle — Top Anwendungsfälle und Arbeitsabläufe

Entdecke die häufigsten Aufgaben bei denen Tangle excels: kuratierte hochrelevante vorgeschläge um dir beim schnelleren start zu helfen

Bewerte dieses Tool

Hilf anderen indem du deine Erfahrung mit Tangle teilst

Rate Tangle

Irgendetwas hinzufügen? (optional)