Hallo zusammen! Ich erkunde derzeit AI-Plattformen, die auf dem AWS Marketplace verfügbar sind und Organisationen dabei helfen können, Abläufe zu optimieren, Workflows zu automatisieren und neue Erkenntnisse zu gewinnen. Besonders interessiert bin ich an Tools, die sich gut in Cloud-Umgebungen integrieren lassen und sich über verschiedene Geschäftsanwendungen skalieren lassen.
Hier sind einige der am besten bewerteten Optionen basierend auf G2-Bewertungen in der AWS Marketplace-Kategorie:
Base64.ai Automatisierte Dokumentendatenextraktion – Spezialisiert auf AI-gesteuerte Dokumentenverarbeitung. Es extrahiert Daten aus Rechnungen, Quittungen und Ausweisen in Sekundenschnelle, reduziert die manuelle Dateneingabe und verbessert die Genauigkeit. Für Teams, die es verwendet haben: Wie effektiv ist es beim Umgang mit verschiedenen Dokumentformaten im großen Maßstab?
Python – Obwohl bekannt als Programmiersprache, ist Python einer der wichtigsten AI-Enabler auf AWS. Mit Bibliotheken wie TensorFlow, PyTorch und Scikit-learn nutzen Teams es, um maßgeschneiderte Machine-Learning-Modelle zu erstellen. Hat jemand Python auf AWS erfolgreich genutzt, um AI-Workloads zu operationalisieren?
Amazon EC2 – Bietet das Rechen-Backbone für das Training und die Bereitstellung von AI-Modellen. Seine Unterstützung für GPU-Instanzen macht es beliebt für Deep Learning. Ich bin neugierig zu hören, ob jemand EC2 für kosteneffektives Modelltraining im großen Maßstab genutzt hat.
Ubuntu 20.04 LTS – Ein zuverlässiges Betriebssystem für AI-Workloads. Viele Teams wählen Ubuntu, weil es mit den meisten ML-Frameworks kompatibel ist und gut für containerisierte Bereitstellungen funktioniert. Wie hat es sich für diejenigen bewährt, die AI-Pipelines in der Produktion betreiben?
Boomi – Verbessert AI-Workflows, indem es Daten über Anwendungen und Plattformen hinweg integriert. Dies hilft sicherzustellen, dass Machine-Learning-Modelle auf AWS mit genauen, einheitlichen Daten trainiert werden. Hat jemand Boomi genutzt, um sauberere Daten in ihre AI-Pipelines einzuspeisen?
Wenn Ihr Team mit einem dieser Tools gearbeitet hat – oder von einer AI-Lösung zu einer anderen gewechselt ist – würde ich gerne wissen, was Ihre Entscheidung beeinflusst hat. Welche Funktionen waren am wertvollsten und wie gut haben sie sich mit Ihren AI-Anwendungsfällen skaliert?
##### Post Metadata - Posted at: vor 9 Monate - Net upvotes: 1 ## Comments ### Comment 1 <p>Nach dem, was ich gesehen habe, ist <a href="https://www.g2.com/products/aws-glue/reviews" rel="noopener noreferrer" target="_blank">AWS Glue</a> eine bevorzugte Wahl für Teams, die bereits innerhalb von AWS arbeiten, während <a href="https://www.g2.com/products/azure-data-factory/reviews" rel="noopener noreferrer" target="_blank">Azure Data Factory</a> bei hybriden Migrationen beliebter zu sein scheint. Hat hier jemand <a href="https://www.g2.com/products/ibm-streamsets/reviews" rel="noopener noreferrer" target="_blank">IBM StreamSets</a> ausprobiert, um Migrationen kontinuierlich statt als einmalige Umstellungen durchzuführen?</p> ##### Comment Metadata - Posted at: vor 9 Monate ## 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