Azure Machine Learning und Vertex AI vergleichen 
Auf einen Blick
Marktsegmente
Unternehmen (38.8% der Bewertungen)
Kleinunternehmen (42.0% der Bewertungen)
Einstiegspreis
Keine Preisinformationen verfügbar
Bezahlen Sie nach Bedarf Pro Monat
Azure Machine Learning
Sternebewertung
(88)4.3 von 5
Marktsegmente
Unternehmen (38.8% der Bewertungen)
Pros & Cons
Einstiegspreis
Keine Preisinformationen verfügbar
Erfahren Sie mehr über Azure Machine LearningVertex AI
Sternebewertung
(652)4.3 von 5
Marktsegmente
Kleinunternehmen (42.0% der Bewertungen)
Pros & Cons
Einstiegspreis
Bezahlen Sie nach Bedarf Pro Monat
Erfahren Sie mehr über Vertex AIZusammenfassung
KI-generierte Zusammenfassung
KI-generiert. Angetrieben von echten Nutzerbewertungen.
- G2-Rezensenten berichten, dass Vertex AI in der Verwaltung komplexer maschineller Lern-Workflows hervorragend ist, wobei Benutzer seine Fähigkeit schätzen, den gesamten ML-Lebenszyklus zu zentralisieren. Ein Benutzer hob hervor, wie es alles von der Datenvorbereitung bis zur Bereitstellung vereinfacht, was es einfacher macht, Modelle zu erstellen, zu trainieren und zu überwachen.
- Benutzer sagen, dass Azure Machine Learning eine benutzerfreundliche Erfahrung bietet, insbesondere für diejenigen, die möglicherweise keinen umfangreichen technischen Hintergrund haben. Rezensenten bemerkten die Einfachheit, Experimente zu erstellen und Modelle als Webdienste bereitzustellen, was für Unternehmen von Vorteil sein kann, die schnell KI-Lösungen implementieren möchten.
- Laut verifizierten Bewertungen hat Vertex AI eine deutlich höhere Gesamtzufriedenheitsbewertung im Vergleich zu Azure Machine Learning, was darauf hindeutet, dass Benutzer ihre Erfahrung mit Vertex AI positiver empfinden. Dies spiegelt sich in dem jüngsten Feedback wider, das seine nahtlose Integration mit Google Cloud lobt.
- Rezensenten erwähnen, dass, obwohl Azure Machine Learning vordefinierte Dienste bietet, die auf Geschäftsbedürfnisse zugeschnitten sind, einige Benutzer die Benutzeroberfläche verbesserungswürdig finden. Trotzdem schätzen viele die Fülle an Online-Ressourcen, die für Fehlerbehebung und Implementierungsanleitungen verfügbar sind.
- G2-Rezensenten heben hervor, dass das jüngste Benutzerfeedback zu Vertex AI seine robusten Funktionen für das Modelltraining und die Bereitstellung betont, die als überlegen gegenüber denen von Azure Machine Learning angesehen werden. Benutzer bemerkten insbesondere die Fähigkeit der Plattform, komplexe ML-Aufgaben mühelos zu bewältigen.
- Benutzer berichten, dass Azure Machine Learning in seiner Skalierbarkeit und seinen verwalteten Diensten glänzt, wobei viele es für Anwendungen auf Unternehmensebene geeignet finden. Einige Benutzer sind jedoch der Meinung, dass der umfassende Ansatz von Vertex AI für den ML-Lebenszyklus ihm in Bezug auf Benutzerfreundlichkeit und Effizienz einen Vorteil verschafft.
Azure Machine Learning vs Vertex AI
Bei der Bewertung der beiden Lösungen fanden Rezensenten Azure Machine Learning einfacher zu verwenden, einzurichten und zu verwalten. Rezensenten bevorzugten es insgesamt, Geschäfte mit Azure Machine Learning zu machen.
- Die Gutachter waren der Meinung, dass Vertex AI den Bedürfnissen ihres Unternehmens besser entspricht als Azure Machine Learning.
- Beim Vergleich der Qualität des laufenden Produktsupports bevorzugten die Gutachter Azure Machine Learning.
- Bei Feature-Updates und Roadmaps bevorzugten unsere Rezensenten die Richtung von Vertex AI gegenüber Azure Machine Learning.
Preisgestaltung
Einstiegspreis
Azure Machine Learning
Keine Preisinformationen verfügbarVertex AI
Try Vertex AI Free
Bezahlen Sie nach Bedarf
Pro Monat
Neue Kunden erhalten 300 $ in kostenlosen Guthaben, um sie für Vertex AI auszugeben.
- Eine einheitliche Benutzeroberfläche für den gesamten ML-Workflow
- Vorgefertigte APIs für Vision, Video, natürliche Sprache und mehr
- End-to-End-Integration für Daten und KI
Kostenlose Testversion
Azure Machine Learning
Keine Informationen zur Testversion verfügbarVertex AI
Keine Informationen zur Testversion verfügbarBewertungen
Erfüllt die Anforderungen
8.5
81
8.6
389
Einfache Bedienung
8.5
80
8.2
400
Einfache Einrichtung
8.3
57
8.1
322
Einfache Verwaltung
8.3
49
7.9
149
Qualität der Unterstützung
8.6
74
8.1
364
Hat the product ein guter Partner im Geschäft waren?
8.6
47
8.3
143
Produktrichtung (% positiv)
9.0
80
9.2
383
Funktionen
Einsatz
Nicht genügend Daten verfügbar
8.4
76
Nicht genügend Daten verfügbar
8.1
78
Nicht genügend Daten verfügbar
8.3
76
Nicht genügend Daten verfügbar
8.4
76
Nicht genügend Daten verfügbar
8.8
75
Einsatz
Nicht genügend Daten verfügbar
8.5
75
Nicht genügend Daten verfügbar
8.3
73
Nicht genügend Daten verfügbar
8.4
72
Nicht genügend Daten verfügbar
8.6
74
Nicht genügend Daten verfügbar
8.7
71
Management
Nicht genügend Daten verfügbar
8.2
71
Nicht genügend Daten verfügbar
8.5
73
Nicht genügend Daten verfügbar
8.0
71
Nicht genügend Daten verfügbar
8.1
70
Transaktionen
Nicht genügend Daten verfügbar
8.2
70
Nicht genügend Daten verfügbar
8.5
71
Nicht genügend Daten verfügbar
8.3
71
Management
Nicht genügend Daten verfügbar
8.1
69
Nicht genügend Daten verfügbar
8.4
72
Nicht genügend Daten verfügbar
8.3
70
Generative KI
Nicht genügend Daten verfügbar
8.4
37
Nicht genügend Daten verfügbar
8.6
37
Datenwissenschafts- und maschinelles Lernen-Plattformen25 Funktionen ausblenden25 Funktionen anzeigen
8.4
56
8.2
246
system
8.6
22
8.2
173
Modellentwicklung
8.6
51
8.5
208
8.9
54
7.9
181
8.3
53
8.4
206
8.7
52
8.5
209
Modellentwicklung
8.4
21
8.2
167
Machine-/Deep-Learning-Dienste
8.1
45
8.3
203
7.9
45
8.5
202
7.8
38
8.2
200
8.2
42
8.3
181
Machine-/Deep-Learning-Dienste
8.7
21
8.5
167
8.5
21
8.5
166
Einsatz
8.8
50
8.3
213
8.7
51
8.3
203
8.9
51
8.6
207
Generative KI
8.5
10
8.3
110
8.2
10
8.3
106
7.5
10
8.1
105
Agentic AI - Datenwissenschafts- und maschinelles Lernplattformen
Nicht genügend Daten verfügbar
8.1
38
Nicht genügend Daten verfügbar
7.8
37
Nicht genügend Daten verfügbar
7.7
38
Nicht genügend Daten verfügbar
7.9
35
Nicht genügend Daten verfügbar
8.5
37
Nicht genügend Daten verfügbar
7.5
36
Nicht genügend Daten verfügbar
7.7
36
Skalierbarkeit und Leistung - Generative KI-Infrastruktur
Nicht genügend Daten verfügbar
9.0
31
Nicht genügend Daten verfügbar
8.7
32
Nicht genügend Daten verfügbar
8.6
31
Kosten und Effizienz - Generative KI-Infrastruktur
Nicht genügend Daten verfügbar
8.0
34
Nicht genügend Daten verfügbar
7.7
31
Nicht genügend Daten verfügbar
8.1
30
Integration und Erweiterbarkeit - Generative KI-Infrastruktur
Nicht genügend Daten verfügbar
8.5
30
Nicht genügend Daten verfügbar
8.3
32
Nicht genügend Daten verfügbar
8.5
31
Sicherheit und Compliance - Generative KI-Infrastruktur
Nicht genügend Daten verfügbar
8.7
30
Nicht genügend Daten verfügbar
8.3
32
Nicht genügend Daten verfügbar
8.9
30
Benutzerfreundlichkeit und Unterstützung - Generative KI-Infrastruktur
Nicht genügend Daten verfügbar
8.2
31
Nicht genügend Daten verfügbar
8.5
31
Integration - Maschinelles Lernen
Nicht genügend Daten verfügbar
8.5
68
Lernen - Maschinelles Lernen
Nicht genügend Daten verfügbar
8.5
66
Nicht genügend Daten verfügbar
8.3
65
Nicht genügend Daten verfügbar
8.8
66
Großes Sprachmodell-Betrieb (LLMOps)15 Funktionen ausblenden15 Funktionen anzeigen
Nicht genügend Daten
9.0
26
Prompt-Engineering - Operationalisierung von großen Sprachmodellen (LLMOps)
Nicht genügend Daten verfügbar
8.8
24
Nicht genügend Daten verfügbar
9.0
24
Inferenzoptimierung - Betriebsführung großer Sprachmodelle (LLMOps)
Nicht genügend Daten verfügbar
8.8
22
Modellgarten - Operationalisierung großer Sprachmodelle (LLMOps)
Nicht genügend Daten verfügbar
9.3
25
Benutzerdefiniertes Training - Betriebsführung von großen Sprachmodellen (LLMOps)
Nicht genügend Daten verfügbar
9.1
24
Anwendungsentwicklung - Operationalisierung von großen Sprachmodellen (LLMOps)
Nicht genügend Daten verfügbar
9.2
23
Modellbereitstellung - Operationalisierung großer Sprachmodelle (LLMOps)
Nicht genügend Daten verfügbar
9.0
23
Nicht genügend Daten verfügbar
8.7
22
Leitplanken - Betrieb von großen Sprachmodellen (LLMOps)
Nicht genügend Daten verfügbar
8.7
23
Nicht genügend Daten verfügbar
8.9
22
Modellüberwachung - Betrieb von großen Sprachmodellen (LLMOps)
Nicht genügend Daten verfügbar
8.7
21
Nicht genügend Daten verfügbar
9.1
22
Sicherheit - Operationalisierung von großen Sprachmodellen (LLMOps)
Nicht genügend Daten verfügbar
9.1
22
Nicht genügend Daten verfügbar
9.0
23
Gateways & Router - Operationalisierung von großen Sprachmodellen (LLMOps)
Nicht genügend Daten verfügbar
8.9
22
Anpassung - KI-Agenten-Ersteller
Nicht genügend Daten verfügbar
8.6
28
Nicht genügend Daten verfügbar
7.6
27
Nicht genügend Daten verfügbar
8.3
26
Funktionalität - KI-Agenten-Ersteller
Nicht genügend Daten verfügbar
8.1
27
Nicht genügend Daten verfügbar
7.3
27
Nicht genügend Daten verfügbar
8.2
26
Nicht genügend Daten verfügbar
7.2
27
Daten und Analytik - KI-Agentenentwickler
Nicht genügend Daten verfügbar
7.8
26
Nicht genügend Daten verfügbar
7.9
27
Nicht genügend Daten verfügbar
8.1
28
Integration - KI-Agentenbauer
Nicht genügend Daten verfügbar
8.8
28
Nicht genügend Daten verfügbar
8.2
30
Nicht genügend Daten verfügbar
8.1
28
Nicht genügend Daten verfügbar
7.5
27
Low-Code Machine-Learning-Plattformen6 Funktionen ausblenden6 Funktionen anzeigen
Nicht genügend Daten
Nicht genügend Daten
Datenaufnahme & -vorbereitung - Low-Code-Maschinenlernplattformen
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Modellkonstruktion & Automatisierung - Low-Code-Maschinenlernplattformen
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Kategorien
Kategorien
Geteilte Kategorien
Azure Machine Learning und Vertex AI sind kategorisiert als MLOps-Plattformen, Großes Sprachmodell-Betrieb (LLMOps), Datenwissenschafts- und maschinelles Lernen-Plattformen, Generative KI-Infrastruktur, und Low-Code Machine-Learning-Plattformen
Einzigartige Kategorien
Azure Machine Learning hat keine einzigartigen Kategorien
Vertex AI ist kategorisiert als Maschinelles Lernen und KI-Agentenbauer
Bewertungen
Unternehmensgröße der Bewerter
Azure Machine Learning
Kleinunternehmen(50 oder weniger Mitarbeiter)
Unternehmen mittlerer Größe(51-1000 Mitarbeiter)
Unternehmen(> 1000 Mitarbeiter)
Vertex AI
Kleinunternehmen(50 oder weniger Mitarbeiter)
Unternehmen mittlerer Größe(51-1000 Mitarbeiter)
Unternehmen(> 1000 Mitarbeiter)
Kleinunternehmen
(50 oder weniger Mitarbeiter)
Unternehmen mittlerer Größe
(51-1000 Mitarbeiter)
Unternehmen
(> 1000 Mitarbeiter)
Branche der Bewerter
Informationstechnologie und Dienstleistungen
28.2%
Computersoftware
14.1%
Unternehmensberatung
8.2%
Bildungsmanagement
5.9%
hochschulbildung
4.7%
Andere
38.8%
Computersoftware
17.9%
Informationstechnologie und Dienstleistungen
14.3%
Finanzdienstleistungen
6.8%
Einzelhandel
3.6%
Krankenhaus & Gesundheitswesen
3.3%
Andere
54.1%
Top-Alternativen
Diskussionen
Wofür wird Azure Machine Learning Studio verwendet?
2 Kommentare
AR
Kurz gesagt, um hochwertige Modelle schneller und mit Vertrauen zu entwickeln, bereitzustellen und zu verwalten.Mehr erfahren
Azure Machine Learning hat keine weiteren Diskussionen mit Antworten
Wofür wird die Google Cloud AI Platform verwendet?
3 Kommentare
AO
Vertex AI ist die verwaltete Machine-Learning-Plattform von Google Cloud. Sie wird verwendet, um ML-Modelle in großem Maßstab zu erstellen, zu trainieren und...Mehr erfahren
What software libraries does cloud ML engine support?
3 Kommentare
AO
Cloud ML Engine (jetzt Teil von Vertex AI) unterstützt beliebte ML-Frameworks und -Bibliotheken wie TensorFlow, PyTorch, Scikit-learn und XGBoost. Diese...Mehr erfahren
What is Google AI platform?
2 Kommentare
ZM
Die Google AI-Plattform ist ein umfassendes Set von Tools und Diensten, das von Google Cloud bereitgestellt wird, um künstliche Intelligenz zu entwickeln,...Mehr erfahren
Auf der Suche nach Software-Einblicken?
Mit über 3 Millionen Bewertungen können wir die spezifischen Details bereitstellen, die Ihnen helfen, eine fundierte Kaufentscheidung für Software für Ihr Unternehmen zu treffen. Das Finden des richtigen Produkts ist wichtig, lassen Sie uns helfen.
oder fortfahren mit
Durch die Fortsetzung stimmen Sie unseren Nutzungsbedingungen und der Datenschutzrichtlinie zu
