Версионирование данных в машинном обучении (ML) становится неотъемлемой частью воспроизводимого и масштабируемого анализа. В данной работе мы рассматриваем современные подходы к версионирозанию данных, их типы и инструменты, включая DVC, DataLad, lakeFS, Pachydemi и Git LFS. Рассматриваются особенности каждого инструмента и применимость в различных ML-сценариях. Data versioning in machine learning (ML) is becoming an integral part of repeatable and scalable analysis. In this paper, we consider modem approaches to data versioning, their types and tools, including DVC, DataLad, lakeFS, Pachyderm and Git LFS. The features of each tool and applicability in various ML scenarios are considered.