點評
寫點評
什么是企服點評分
2.9
共 20人點評
項目
當前產品評分
同類產品均分
綜合
2.9
2.9
功能滿意度
4.4
1.7
性價比
4.4
1.0
易用性
4.4
1.7
售后服務
4.2
1.4
分數(shù)人員分布
行業(yè)
團隊規(guī)模
星級
默認排序
數(shù)據(jù)分析主管
4.5
綜合
5.0
符合度
5.0
易用性
5.0
售后服務
5.0
性價比
一年左右
使用時長
小于50人
團隊規(guī)模
- -
使用版本
4.5
滿意的點
適合現(xiàn)代數(shù)據(jù)倉庫和分析企業(yè)戰(zhàn)略的出色產品！集群管理和管道編排按計劃的方式工作，無需主動管理即可擴展工作負載。在使用 Azure 機器學習服務之前，我們普遍缺乏對模型資產（包括數(shù)據(jù)）在模型中的組成部分的了解，因此無法解決問題和重現(xiàn)性。而他們的服務為我們提供了一種解釋和重現(xiàn)模型以及解釋模型性能和行為隨時間變化的方法。
不滿意的點
SDK 在某種程度上是一個不斷變化的目標，因為一些概念已被棄用，并且底層服務行為發(fā)生了變化。
2021-11-06
贊同
數(shù)據(jù)開發(fā)
4.5
綜合
5.0
符合度
5.0
易用性
4.0
售后服務
5.0
性價比
一年左右
使用時長
小于50人
團隊規(guī)模
- -
使用版本
4.5
滿意的點
感覺...對于一個數(shù)據(jù)相關的工作者來講，Azure算是一款日常工作必備的產品了。有自動化、可視化工具、Python 自定義能力、開源、集中管理腳本等多個第三方產品，可擴展性、易用性和實施速度等都是顯而易見的優(yōu)勢。
不滿意的點
沒什么特別不滿意的點，就說一下他們的圖示化界面吧，一方面帶來了優(yōu)勢，部分需求不需要寫代碼也可以直接操作，一方面也帶來了限制，有些學習算法還需要自定義解決。
2021-11-08
贊同
數(shù)據(jù)
3.5
綜合
4.0
符合度
3.0
易用性
4.0
售后服務
4.0
性價比
半年左右
使用時長
小于50人
團隊規(guī)模
- -
使用版本
3.5
滿意的點
用于為機器學習中生命周期的每個部分選擇模塊的拖放界面。并且所有模塊都清晰可見并且做了很好的分類，選擇起來非常簡單，最重要的是數(shù)據(jù)處理非常直觀！
不滿意的點
當選擇了很多模塊時，屏幕看起來有點雜亂，需要縮小，縮小后，它們之間的連接會變淡。因此，如果流程有點長或復雜，通過它們導航就會變得比較麻煩。還有，當一個模塊失敗時，整個實驗需要重新運行，這非常浪費時間；另外模型的部署耗時較長
2021-11-10
贊同
開發(fā)
4.0
綜合
5.0
符合度
4.0
易用性
5.0
售后服務
5.0
性價比
半年左右
使用時長
50-99人
團隊規(guī)模
- -
使用版本
4.0
滿意的點
AzureML可以輕松地為已部署的應用程序執(zhí)行案例研究，并在此基礎上設置學習方案。觀察功能非常棒，可以直接進行場景識別。Dashboard 可以集中我們的整個工作流程或生命周期。UI 級別的呈現(xiàn)是友好的，我們可以輕松檢查任何小問題和意外行為。Inbuild 機制提供最好的算法以及支持的 Web 服務。資產跟蹤功能使用戶可以毫不費力地選擇其下的日志。伴隨著所有服務和集成支持。性能方面也超出了我們的預期，基礎設備運維成本降低?？傊畮椭浅４蟆?
不滿意的點
在計算方面，由于微軟級別的評估程序，感覺上還是有點延遲。與市場上的其他產品相比，機器學習模型比較少。有時經常會報告意外故障，我們每次都需要手動重新運行。
2021-11-09
贊同
開發(fā)人員
3.5
綜合
4.0
符合度
3.0
易用性
4.0
售后服務
4.0
性價比
半年左右
使用時長
小于50人
團隊規(guī)模
- -
使用版本
3.5
滿意的點
該產品非常易于學習，用戶可以以高效的方式部署機器學習項目，提供了一種通過 API 訪問實驗的方法，從而可以將開發(fā)集成到企業(yè)的標準流程中。還包含一組用于偏好和需求的可配置算法。還為大多數(shù)對有機器學習需求的企業(yè)提供了一個很好的環(huán)境，可以輕松地在云上開發(fā)此類解決方案并提供有助于與業(yè)務運營集成的工具。
不滿意的點
在導出數(shù)據(jù)的時候不太友好。操作都還不是大問題，畢竟可以自己編操作代碼，問題是 SQL 命令和刪除語句待處理的太多了。
2021-11-11
贊同
研發(fā)
4.0
綜合
4.0
符合度
5.0
易用性
3.0
售后服務
4.0
性價比
半年左右
使用時長
小于50人
團隊規(guī)模
- -
使用版本
4.0
滿意的點
很強，很方便，大大減少了數(shù)據(jù)工程和 Python 編碼的復雜任務，讓我們以更簡單的方式構建模型。易于創(chuàng)建實驗；易于采用最佳算法。很喜歡他們一個點，就是提供將模型部署到 Web 服務的有效方法。目前在我們的項目中正在使用 Azure 機器學習，根據(jù)客戶要求對 ML 模型進行預處理、清理、訓練和部署。不錯的。
不滿意的點
按需求整體部署下來，價格很貴；難以整合用于創(chuàng)建模型的數(shù)據(jù)。
2021-11-07
贊同
數(shù)據(jù)開發(fā)
5.0
綜合
5.0
符合度
5.0
易用性
5.0
售后服務
5.0
性價比
半年左右
使用時長
50-99人
團隊規(guī)模
- -
使用版本
5.0
滿意的點
能夠便捷的拖放所需的算法和組件；在金融和營銷領域開發(fā)了 ML 實驗；能夠非?？焖俚貙嵤╊A測分析，運行幾乎沒有任何障礙。相較于其他機器學習軟件，最大亮點就是無需代碼即可輕松開發(fā)，通過可視化方式便捷的操作機器學習模型和算法。個人感覺真的是市場上最好的機器學習實施 PaaS 產品了。
不滿意的點
目前內置的算法數(shù)量有限，需要更多參數(shù)進行神經元編輯和優(yōu)化。 期待更新~
2021-11-12
贊同
數(shù)據(jù)開發(fā)
4.0
綜合
4.0
符合度
5.0
易用性
4.0
售后服務
4.0
性價比
半年左右
使用時長
小于50人
團隊規(guī)模
- -
使用版本
4.0
滿意的點
又智能又靈活的一款產品。內置對 Azure Notebooks 的支持，可以在工作流的任何位置附加筆記本，并可視化或操作筆記本中的數(shù)據(jù)；拖放配置，無需編寫實際代碼了，只要有人對機器學習概念有基本的了解，就可以配置一個可行的解決方案；但若有對預構建模塊未提供的操作數(shù)據(jù)的需求，還是可以使用 R 或 Python 編寫自定義腳本；還提供快捷部署模型的方式，從而減少了設置基礎設施的時間，并有更多的時間訓練和調整模型。
不滿意的點
深度不夠，缺少一些專門的深度學習算法；免費的版本所提供的功能比較少，一般的使用需求下都需要額外購買一些服務
2021-11-08
贊同
開發(fā)人員
4.0
綜合
5.0
符合度
4.0
易用性
5.0
售后服務
4.0
性價比
- -
使用時長
50-99人
團隊規(guī)模
- -
使用版本
4.0
滿意的點
智能，基本為所有情況提供了現(xiàn)成的模型，例如分類、回歸等。 可拓展性非常好，能夠使用各種開發(fā)工具（Visual Studio、Jupyter）、Python 和 R 等語言以及框架。 價格的策略這塊我覺得也比較合理，是按使用付費的，所以沒有什么成本負擔。
不滿意的點
部署可以優(yōu)化一下，雖然Azure 為部署和集成提供了devops，但有些服務可以改進，速度也最好加快點。用例建議再增多。 還有建議向 Azure ML 添加更多開源工具支持。
2021-11-10
贊同
沒有更多了~
所在分類
機器學習模型訓練
