Alternativas de H2O Mejor Valoradas
This is a cross-platform, integrated framework for ML that is continuing to evolve with topics important to data scientists. Reseña recopilada por y alojada en G2.com.
Developing support for a wide range of NLP preprocessing Reseña recopilada por y alojada en G2.com.
23 de 24 Reseñas totales para H2O
Sentimiento General de la Reseña para H2O
Inicia sesión para ver el sentimiento de la revisión.
Excelente soporte para el producto comercial Driverless AI. Iteración rápida. El rendimiento es generalmente mejor de lo que se puede lograr en código. Reseña recopilada por y alojada en G2.com.
En realidad, nada. La combinación de herramientas propietarias y de código abierto, Driverless AI y H2O, proporciona herramientas para una gama completa de casos de uso. Reseña recopilada por y alojada en G2.com.
The web front end known as flow is really easy to use. It can be use to quickly create machine learning models. Reseña recopilada por y alojada en G2.com.
The complex machine learning model overfit the data. This is especially true when the data set is small. Reseña recopilada por y alojada en G2.com.
Desarrollaron herramientas de código abierto de alta calidad, incluidas las familias H2O-3 y AutoML. No tengo una licencia para su Driverless AI, pero mi experiencia con él a través de tutoriales y otras demostraciones ha sido excelente. Debo mencionar que sus esfuerzos para desarrollar marcos para la interpretabilidad de ML son acertados, y su centro de aprendizaje se está convirtiendo en un recurso valioso para la comunidad en general. Las interfaces con R y Python permiten una transición fluida de los flujos de trabajo preexistentes al marco de H2O. Reseña recopilada por y alojada en G2.com.
Algo crípticos mensajes de depuración en H2O-3. Soportan paquetes específicos para manipular datos (data.table en R, datataable en Python) por el bien de la velocidad y la maniobrabilidad de grandes datos, aunque muchos usuarios pueden encontrar esto limitante. Driverless AI puede no ser asequible para los pequeños peces en el estanque. Reseña recopilada por y alojada en G2.com.
Easy to use with good UI design and automated ML function. Driverless AI has strong capability on the auto feature engineering and system visualization. The auto feature engineering has supported different machine learning algorithm (Random Forest, Decision Tree, Neural Network, Deep Learning, etc.) and feature parameter tuning (accuracy, time, system computing etc.) The system also helps user to reduce time and efforts for hyparemeter tuning and compare the model with different settings. This will optimize the process and provide the most efficient model for prediction in classification or regression domain. Besides, Driverless AI also has good UI design and visualization. The UI also supports end user to quickly import data, visualize data in different categories, as well as check on the system running and performance during the Auto ML process. The end user could also observe experiment summary and accuracy matrix, as well as model comparison in term of accuracy.
In addition, Driverless AI also supports the AI Interpretation to explain on the model and performance. This function is very helpful to end user for understanding the Machine Learning blackbox, as well as management team for decision making based on extensive information. Reseña recopilada por y alojada en G2.com.
It is great if Driverless AI could support deployment for edge computing, which is common in IoT world. The edge computing will require efficient computing and good accuracy with AutoML algorithm. This will help much the customer for deployment. Reseña recopilada por y alojada en G2.com.
AutoML es un gran producto. Tienen otros, pero AutoML es el más impresionante. Reseña recopilada por y alojada en G2.com.
Nada, tal vez la integración con Spark podría mejorarse, pero solo en pequeños detalles. Reseña recopilada por y alojada en G2.com.
h2o ofrece una tubería de aprendizaje automático bien validada, completamente automatizada y rigurosa, que incluye interpretación de modelos de última generación, lo que permite predicciones e inferencias. Reseña recopilada por y alojada en G2.com.
no tengo nada que desagradar sobre los productos de h2o. Reseña recopilada por y alojada en G2.com.
La capacidad de probar múltiples modelos con unas pocas líneas de código es el mayor beneficio. Reseña recopilada por y alojada en G2.com.
H20 hace un buen trabajo en la abstracción de los pasos subyacentes de transformación y ajuste, lo cual podría ser un poco desafiante. Reseña recopilada por y alojada en G2.com.
Encuentro muy útil que proporcione una interfaz gráfica para que los usuarios estimen cuánto tiempo tardará en ejecutarse el modelo, así como el medidor de agua que muestra cómo se utilizan los recursos durante el proceso de modelado. Reseña recopilada por y alojada en G2.com.
Los H2O Frames tienen opciones de procesamiento de datos muy limitadas en comparación con los dataframes de pandas de python o pyspark. Si pudiéramos tener más maniobrabilidad de datos, creo que ayudaría mucho. Reseña recopilada por y alojada en G2.com.
The best part of H2O.ai is its ease of use and seamless UI. Reseña recopilada por y alojada en G2.com.
One downside of H2O.ai is, as with many services, its bugs which do not return human-readable debugging statements. Reseña recopilada por y alojada en G2.com.
