# Bester Data-Science-Service für cloudbasierte Apps

<p class="elv-tracking-normal elv-text-default elv-font-figtree elv-text-base elv-leading-base elv-font-normal" elv="true">Ich vergleiche <a class="a a--md" elv="true" href="https://www.g2.com/categories/data-science-and-machine-learning-platforms?utm_source=chatgpt.com"><strong>den besten Data-Science-Service für cloudbasierte Apps</strong></a>, weil Teams, die Cloud-Apps bereitstellen, normalerweise ML benötigen, das in Produktionsmuster (Bereitstellungen, Überwachung, Zugriffskontrollen) passt, nicht nur in Offline-Notebooks.</p><p class="elv-tracking-normal elv-text-default elv-font-figtree elv-text-base elv-leading-base elv-font-normal" elv="true">Hier sind einige, die ich in Betracht ziehe: </p><ul>
<li>
<a class="a a--md" elv="true" href="https://www.g2.com/products/amazon-sagemaker/reviews?utm_source=chatgpt.com"><strong>Amazon SageMaker</strong></a>: Verwalteter Service zum Erstellen, Trainieren und Bereitstellen von ML-Modellen auf AWS. Nützlich, wenn Ihr Anwendungs-Stack und Ihre Infrastruktur bereits auf AWS ausgerichtet sind.</li>
<li>
<a class="a a--md" elv="true" href="https://www.g2.com/products/google-vertex-ai/reviews?utm_source=chatgpt.com"><strong>Google Vertex AI</strong></a>: Verwaltete ML-Plattform für End-to-End-Workflows in der Google Cloud. Häufig verwendet für Produktions-ML-Pipelines und Modellbereitstellung/-betrieb.</li>
<li>
<a class="a a--md" elv="true" href="https://www.g2.com/products/microsoft-azure-machine-learning/reviews?utm_source=chatgpt.com"><strong>Microsoft Azure Machine Learning</strong></a>: Verwalteter ML-Service für Training, Bereitstellung und Governance in Azure. Gute Option, wenn Sie ML an Azure-Sicherheits-, Netzwerk- und MLOps-Muster binden möchten.</li>
<li>
<a class="a a--md" elv="true" href="https://www.g2.com/products/domino-enterprise-ai-platform/reviews?utm_source=chatgpt.com"><strong>Domino Enterprise AI Platform</strong></a>: Enterprise-Data-Science-Plattform mit Fokus auf Zusammenarbeit und Modelllebenszyklus-Management. Häufig verwendet, wenn Teams Reproduzierbarkeit und Kontrollen über Cloud-Umgebungen hinweg benötigen.</li>
</ul><p class="elv-tracking-normal elv-text-default elv-font-figtree elv-text-base elv-leading-base elv-font-normal" elv="true"><strong>Für cloudbasierte Apps, was war das zuverlässigste Produktionssetup für ML – und welcher Teil war am schwierigsten (Bereitstellung, Überwachung oder Governance)?</strong></p>

##### Post Metadata
- Posted at: vor etwa 2 Monate
- Net upvotes: 1




## Related discussions
- [Wie gut skaliert Trello in ein größeres Team?](https://www.g2.com/de/discussions/1-how-well-does-trello-scale-into-a-larger-team)
  - Posted at: vor etwa 13 Jahre
  - Comments: 6
- [Can we please add a new section](https://www.g2.com/de/discussions/2-can-we-please-add-a-new-section)
  - Posted at: vor etwa 13 Jahre
  - Comments: 0
- [Quantifizierbare Vorteile durch die Implementierung Ihres CRM](https://www.g2.com/de/discussions/quantifiable-benefits-from-implementing-your-crm)
  - Posted at: vor etwa 13 Jahre
  - Comments: 4