Avaliações e Detalhes do Produto de Azure Machine Learning

Azure Machine Learning usa uma forma em camadas para construir sua aplicação de aprendizado personalizada. Se você mantiver a estrutura muito simplificada, poderá construir seus conjuntos de dados em grupos separados e referenciá-los apenas quando precisar deles e atribuir acesso a indivíduos, sinalizando dados para revisão humana adicional. Análise coletada por e hospedada no G2.com.

Limitações de personalização, por exemplo, se o Azure Machine Learning fosse como construir uma casa, suas paredes, portas e janelas pré-fabricadas ajudam você a "começar" rápida e facilmente, mesmo que você não seja um construtor profissional. Mas se você tiver um design muito específico em mente, ou se precisar acomodar características incomuns, pode ser necessário construir alguns componentes personalizados por conta própria. Como este é um software tão especializado dentro do Azure, é improvável que você encontre alguém rapidamente para ajudar com isso ou consiga terceirizar e explicar os detalhes para que realmente possam ajudar você. Isso pode significar longas horas apenas fazendo tentativas e erros até obter os resultados desejados. Análise coletada por e hospedada no G2.com.

Azure machine learning é um serviço em nuvem poderoso que gerencia o ciclo de vida de projetos de aprendizado de máquina.

Ele nos permite colaborar com a equipe por meio de notebooks, computação serverless, dados e mais.

Podemos implantar modelos de aprendizado de máquina facilmente com escalabilidade e podemos governá-los com MLOpe. Análise coletada por e hospedada no G2.com.

A versão gratuita tem armazenamento limitado, o que nos restringe para projetos maiores

Muitos problemas ao integrar com o Tensorflow.

O custo deveria ter sido menor, pois há algumas desvantagens para o aprendizado de máquina do Azure. Análise coletada por e hospedada no G2.com.

Uma das características de destaque do Azure Machine Learning é sua escalabilidade e integração com outros serviços do Azure. Ele permite a implantação e gestão contínua de modelos de aprendizado de máquina, facilitando o aproveitamento do poder da IA em várias aplicações. Análise coletada por e hospedada no G2.com.

Uma desvantagem potencial é a curva de aprendizado para usuários que são novos no Azure ou em aprendizado de máquina em geral. Pode levar algum tempo para se familiarizar com as ferramentas e processos da plataforma. Análise coletada por e hospedada no G2.com.

Azure machine learning oferece vários recursos atraentes, mas se eu tivesse que escolher um, seria sua integração perfeita com outros serviços do Azure. Ele fornece um ecossistema abrangente para computação em nuvem e o Azure machine learning aproveita esse ecossistema para permitir uma preparação de dados, treinamento de modelos, implantação e monitoramento suaves. Análise coletada por e hospedada no G2.com.

É uma plataforma poderosa com muitos benefícios, mas há áreas onde poderia ser mais amigável, econômica e eficiente. Análise coletada por e hospedada no G2.com.

Este produto me ajuda a treinar modelos para meus projetos de cibersegurança, tornando meu trabalho melhor e mais fácil. Agora é parte dos meus produtos diários, porque é fácil de treinar, implementar e integrar com minhas ferramentas e projetos. Análise coletada por e hospedada no G2.com.

O custo pode ser um limite, mas você percebe que vale totalmente a pena. Análise coletada por e hospedada no G2.com.

Há muitas coisas que eu gosto no Azure Machine Learning, mas uma das melhores é a escalabilidade de acordo com os requisitos, o que o torna eficiente em termos de custo. Análise coletada por e hospedada no G2.com.

Não há nada para não gostar, mas se eu tiver que escolher um, então leva tempo para dominá-lo. Análise coletada por e hospedada no G2.com.

A coisa que eu mais gosto no Azure Machine é a facilidade de uso para usuários normais e a experiência do usuário. Análise coletada por e hospedada no G2.com.

O que eu não gosto é o limite ou serviço se for mais, então seria ótimo. Análise coletada por e hospedada no G2.com.

A maioria dos serviços são predefinidos para atender às necessidades de negócios. Fácil de criar o experimento, a compreensão do algoritmo é fácil e podemos implantar o modelo como um serviço web. Análise coletada por e hospedada no G2.com.

Nada específico a explicar, no entanto, em termos de custo, a Azure pode repensar para oferecer preços competitivos. Análise coletada por e hospedada no G2.com.

É fácil de usar e começar. Podemos implantar os modelos como um serviço web de forma muito eficiente usando o Azure ML. Análise coletada por e hospedada no G2.com.

É um pouco difícil integrar os dados ao criar novos modelos. Análise coletada por e hospedada no 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. Análise coletada por e hospedada no 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. Análise coletada por e hospedada no G2.com.