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
分數人員分布
行業
團隊規模
星級
默認排序
數據分析主管
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
團隊規模
- -
使用版本
4.5
滿意的點
適合現代數據倉庫和分析企業戰略的出色產品！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（包括數據）在模型中的組成部分的了解，因此無法解決問題和重現性。而他們的服務為我們提供了一種解釋和重現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生了變化。
2021-11-06
贊同
開發
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，從而可以將開發集成到企業的標準流程中。還包含一組用于偏好和需求的可配置算法。還為大多數對有機器學習需求的企業提供了一個很好的環境，可以輕松地在云上開發此類解決方案并提供有助于與業務運營集成的工具。
不滿意的點
在導出數據的時候不太友好。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
數據開發
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據；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據的需求，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
團隊規模
- -
使用版本
4.0
滿意的點
智能，基本為所有情況提供了現成的模型，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
