Azure Machine Learning Avantages et Inconvénients

Azure Machine Learning utilise une forme en couches pour construire votre application d'apprentissage personnalisée. Si vous gardez la structure très simplifiée, vous pouvez construire vos ensembles de données en groupes séparés et les référencer uniquement lorsque vous en avez besoin et attribuer l'accès à des individus, en signalant les données pour un examen humain supplémentaire. Avis collecté par et hébergé sur G2.com.

Limitations de personnalisation, par exemple, si Azure Machine Learning était comme construire une maison, vos murs, portes et fenêtres préfabriqués vous aident à "commencer" rapidement et facilement, même si vous n'êtes pas un constructeur professionnel. Mais si vous avez un design très spécifique en tête, ou si vous devez intégrer des caractéristiques inhabituelles, vous pourriez avoir besoin de construire certains composants vous-même. Comme il s'agit d'un logiciel si spécialisé au sein d'Azure, il est peu probable que vous trouviez rapidement quelqu'un pour vous aider avec cela ou que vous puissiez le sous-traiter et expliquer les détails pour qu'ils puissent réellement vous aider. Cela pourrait donc signifier de longues heures à faire des essais et des erreurs jusqu'à obtenir les résultats souhaités. Avis collecté par et hébergé sur G2.com.

Azure machine learning est un service cloud puissant qui gère le cycle de vie des projets d'apprentissage automatique.

Il nous permet de collaborer avec l'équipe via des notebooks, l'informatique sans serveur, les données et plus encore.

Nous pouvons déployer des modèles d'apprentissage automatique facilement avec évolutivité et pouvons les gouverner avec MLOpe. Avis collecté par et hébergé sur G2.com.

La version gratuite a un stockage limité, ce qui nous restreint pour des projets plus importants.

Beaucoup de problèmes lors de l'intégration avec TensorFlow.

Le coût aurait dû être moindre car il y a quelques inconvénients pour Azure Machine Learning. Avis collecté par et hébergé sur G2.com.

L'une des caractéristiques remarquables d'Azure Machine Learning est sa scalabilité et son intégration avec d'autres services Azure. Il permet un déploiement et une gestion fluides des modèles d'apprentissage automatique, ce qui facilite l'exploitation de la puissance de l'IA dans diverses applications. Avis collecté par et hébergé sur G2.com.

Un inconvénient potentiel est la courbe d'apprentissage pour les utilisateurs qui sont nouveaux sur Azure ou l'apprentissage automatique en général. Cela peut prendre un certain temps pour se familiariser avec les outils et les processus de la plateforme. Avis collecté par et hébergé sur G2.com.

Azure machine learning offre plusieurs fonctionnalités convaincantes mais si je devais en choisir une, ce serait son intégration transparente avec d'autres services Azure. Il fournit un écosystème complet pour l'informatique en nuage et Azure machine learning exploite cet écosystème pour permettre une préparation des données, un entraînement de modèles, un déploiement et une surveillance fluides. Avis collecté par et hébergé sur G2.com.

C'est une plateforme puissante avec de nombreux avantages, mais il y a des domaines où elle pourrait être plus conviviale, rentable et performante. Avis collecté par et hébergé sur G2.com.

Ce produit m'aide à entraîner des modèles pour mes projets de cybersécurité, rendant mon travail meilleur et plus facile. Maintenant, il fait partie de mes produits quotidiens, car il est facile à entraîner, à mettre en œuvre et à intégrer avec mes outils et projets. Avis collecté par et hébergé sur G2.com.

Le coût peut être une limite mais vous réalisez que cela en vaut totalement la peine. Avis collecté par et hébergé sur G2.com.

Il y a beaucoup de choses que j'aime à propos d'Azure Machine Learning, mais l'une des meilleures est sa scalabilité selon les besoins, ce qui le rend rentable. Avis collecté par et hébergé sur G2.com.

Il n'y a rien à ne pas aimer, mais si je dois en choisir un, cela prend du temps pour le maîtriser. Avis collecté par et hébergé sur G2.com.

Ce que je préfère à propos d'Azure Machine, c'est la facilité d'utilisation pour les utilisateurs normaux et l'expérience utilisateur. Avis collecté par et hébergé sur G2.com.

Le je n'aime pas est la limite ou le service si c'est plus alors ce serait génial. Avis collecté par et hébergé sur G2.com.

La plupart des services sont prédéfinis pour répondre aux besoins de l'entreprise. Facile à créer l'expérience, la compréhension de l'algorithme est facile et nous pouvons déployer le modèle en tant que service web. Avis collecté par et hébergé sur G2.com.

Rien de spécifique à expliquer, cependant, en termes de coût, Azure peut repenser à offrir des prix compétitifs. Avis collecté par et hébergé sur G2.com.

C'est facile à utiliser et à démarrer. Nous pouvons déployer les modèles en tant que service web très efficacement en utilisant Azure ML. Avis collecté par et hébergé sur G2.com.

C'est un peu difficile d'intégrer les données tout en créant de nouveaux modèles. Avis collecté par et hébergé sur G2.com.

Azure Machine Learning Studio is an efficient environment to launch and monitor machine learning jobs and experiments. It is easy to use and implement jobs with integrated VS Code, Jupyter Lab, and Terminal.

The UI is intuitive with a number of features like Job Overview, Metrics, Docker Images, Log view, Explanations, Model Monitoring and Code Files containing the model settings.

As my frequency of use is daily I leverage the code and log features to assess the model settings and warning/info logs in runtime.

The customer support for Azure Stack is awesome with proper documentations and community support. Avis collecté par et hébergé sur G2.com.

The lack of metric support and cascading of jobs is missing, which I would like in Azure ML. Also a few flows are non-intuitive including the back from compute to Jobs. Avis collecté par et hébergé sur G2.com.