点评
写点评
什么是企服点评分
2.9
共 20人点评
项目
当前产品评分
同类产品均分
综合
2.9
2.9
功能满意度
4.4
1.7
性价比
4.4
1.0
易用性
4.4
1.7
售后服务
4.2
1.4
分数人员分布
行业
团队规模
星级
默认排序
数据分析主管
4.5
综合
5.0
符合度
5.0
易用性
5.0
售后服务
5.0
性价比
一年左右
使用时长
小于50人
团队规模
- -
使用版本
4.5
满意的点
适合现代数据仓库和分析企业战略的出色产品！集群管理和管道编排按计划的方式工作，无需主动管理即可扩展工作负载。在使用 Azure 机器学习服务之前，我们普遍缺乏对模型资产（包括数据）在模型中的组成部分的了解，因此无法解决问题和重现性。而他们的服务为我们提供了一种解释和重现模型以及解释模型性能和行为随时间变化的方法。
不满意的点
SDK 在某种程度上是一个不断变化的目标，因为一些概念已被弃用，并且底层服务行为发生了变化。
2021-11-06
赞同
开发
4.0
综合
5.0
符合度
4.0
易用性
5.0
售后服务
5.0
性价比
半年左右
使用时长
50-99人
团队规模
- -
使用版本
4.0
满意的点
AzureML可以轻松地为已部署的应用程序执行案例研究，并在此基础上设置学习方案。观察功能非常棒，可以直接进行场景识别。Dashboard 可以集中我们的整个工作流程或生命周期。UI 级别的呈现是友好的，我们可以轻松检查任何小问题和意外行为。Inbuild 机制提供最好的算法以及支持的 Web 服务。资产跟踪功能使用户可以毫不费力地选择其下的日志。伴随着所有服务和集成支持。性能方面也超出了我们的预期，基础设备运维成本降低。总之帮助非常大。
不满意的点
在计算方面，由于微软级别的评估程序，感觉上还是有点延迟。与市场上的其他产品相比，机器学习模型比较少。有时经常会报告意外故障，我们每次都需要手动重新运行。
2021-11-09
赞同
开发人员
3.5
综合
4.0
符合度
3.0
易用性
4.0
售后服务
4.0
性价比
半年左右
使用时长
小于50人
团队规模
- -
使用版本
3.5
满意的点
该产品非常易于学习，用户可以以高效的方式部署机器学习项目，提供了一种通过 API 访问实验的方法，从而可以将开发集成到企业的标准流程中。还包含一组用于偏好和需求的可配置算法。还为大多数对有机器学习需求的企业提供了一个很好的环境，可以轻松地在云上开发此类解决方案并提供有助于与业务运营集成的工具。
不满意的点
在导出数据的时候不太友好。操作都还不是大问题，毕竟可以自己编操作代码，问题是 SQL 命令和删除语句待处理的太多了。
2021-11-11
赞同
数据开发
4.0
综合
4.0
符合度
5.0
易用性
4.0
售后服务
4.0
性价比
半年左右
使用时长
小于50人
团队规模
- -
使用版本
4.0
满意的点
又智能又灵活的一款产品。内置对 Azure Notebooks 的支持，可以在工作流的任何位置附加笔记本，并可视化或操作笔记本中的数据；拖放配置，无需编写实际代码了，只要有人对机器学习概念有基本的了解，就可以配置一个可行的解决方案；但若有对预构建模块未提供的操作数据的需求，还是可以使用 R 或 Python 编写自定义脚本；还提供快捷部署模型的方式，从而减少了设置基础设施的时间，并有更多的时间训练和调整模型。
不满意的点
深度不够，缺少一些专门的深度学习算法；免费的版本所提供的功能比较少，一般的使用需求下都需要额外购买一些服务
2021-11-08
赞同
开发人员
4.0
综合
5.0
符合度
4.0
易用性
5.0
售后服务
4.0
性价比
- -
使用时长
50-99人
团队规模
- -
使用版本
4.0
满意的点
智能，基本为所有情况提供了现成的模型，例如分类、回归等。 可拓展性非常好，能够使用各种开发工具（Visual Studio、Jupyter）、Python 和 R 等语言以及框架。 价格的策略这块我觉得也比较合理，是按使用付费的，所以没有什么成本负担。
不满意的点
部署可以优化一下，虽然Azure 为部署和集成提供了devops，但有些服务可以改进，速度也最好加快点。用例建议再增多。 还有建议向 Azure ML 添加更多开源工具支持。
2021-11-10
赞同
没有更多了~
所在分类
机器学习模型训练
