Was mir an Vertex AI am meisten gefällt, ist, wie es den gesamten maschinellen Lern-Workflow vereint – von der Datenvorbereitung und dem Training bis hin zur Bereitstellung und Überwachung. Wir haben es genutzt, um unsere ML-Pipeline zu optimieren, und die Integration mit BigQuery und Google Cloud Storage macht die Datenverarbeitung unglaublich effizient. Die Benutzeroberfläche ist intuitiv, und es ist einfach, zwischen No-Code-Experimenten und der Entwicklung maßgeschneiderter Modelle im großen Maßstab zu wechseln. Bewertung gesammelt von und auf G2.com gehostet.

Einige erweiterte Konfigurationen können anfangs komplex sein, insbesondere bei der Einrichtung benutzerdefinierter Trainingsjobs oder der Abstimmung von Hyperparametern. Die Preise können auch bei häufigem Modell-Training hoch werden. Die Dokumentation ist umfassend, aber manchmal über verschiedene Google Cloud-Bereiche verstreut, was die Einrichtung für neue Benutzer verlangsamen kann. Bewertung gesammelt von und auf G2.com gehostet.

Was mir am meisten gefällt, ist, wie einfach es ist, den gesamten Machine-Learning-Workflow an einem Ort zu verwalten. Vom Training bis zur Bereitstellung ist alles gut mit anderen Google Cloud-Tools integriert. Die Benutzeroberfläche ist einfach, und Automatisierungsfunktionen sparen viel Zeit beim Umgang mit mehreren Modellen. Bewertung gesammelt von und auf G2.com gehostet.

Manchmal kann die Preisgestaltung etwas verwirrend sein, besonders wenn man mit großen Datensätzen oder langen Trainingsjobs arbeitet. Auch die Dokumentation könnte in einigen Bereichen für Anfänger ausführlicher sein. Es ist leistungsstark, aber neue Benutzer könnten etwas Zeit benötigen, um sich daran zu gewöhnen. Bewertung gesammelt von und auf G2.com gehostet.

Vertex AI macht es überraschend einfach, von der Experimentierphase zur Produktion überzugehen. Ich schätze die Integration mit den restlichen Google Cloud-Diensten sehr—BigQuery, Dataflow und Cloud Storage verbinden sich nahtlos, was viel Zeit bei der Vorbereitung und Bereitstellung von Modellen spart. Als Cloud-Enthusiast schätze ich auch, wie Vertex AI verwaltete Jupyter-Notebooks, AutoML und vortrainierte APIs anbietet, die die Einstiegshürde für Teams mit unterschiedlichen technischen Niveaus senken. Es fühlt sich an wie ein echtes End-to-End-Ökosystem für maschinelles Lernen und KI. Bewertung gesammelt von und auf G2.com gehostet.

Die Lernkurve kann am Anfang steil sein, besonders für diejenigen, die neu in der Art und Weise sind, wie Google Cloud Ressourcen organisiert. Die Preistransparenz könnte ebenfalls verbessert werden; die Kosten können schnell ansteigen, wenn man keine Quoten oder Überwachung einrichtet. Einige Funktionen, wie fortgeschrittene Pipeline-Orchestrierung oder benutzerdefinierte Trainingsjobs, wirken ohne starke Dokumentation oder vorherige ML Ops-Erfahrung etwas überwältigend. Bewertung gesammelt von und auf G2.com gehostet.

Ich mag die nahtlose Integration in das Ökosystem von Google Cloud, die den gesamten Lebenszyklus des maschinellen Lernens – Datenvorbereitung, Training, Bereitstellung und Überwachung – einheitlich und effizient erscheinen lässt.

Egal, ob Sie ein Anfänger sind, der AutoML verwendet, oder ein erfahrener Datenwissenschaftler, der benutzerdefinierte Modelle bereitstellt, Vertex AI unterstützt beides, ohne Sie in einen bestimmten Arbeitsablauf zu zwingen.

Insgesamt vereinfacht es komplexe ML-Workflows, ohne dabei Flexibilität oder Leistung zu opfern. Bewertung gesammelt von und auf G2.com gehostet.

Was mir an Vertex AI nicht gefällt, ist, dass es anfangs etwas überwältigend wirken kann, besonders wenn man neu bei Google Cloud oder allgemein bei Machine-Learning-Plattformen ist.

Es gibt viele Tools, Einstellungen und Optionen – manchmal ist es schwer zu wissen, wo man anfangen soll oder was der „richtige“ Weg ist, etwas zu tun. Die Dokumentation ist gut, aber nicht immer anfängerfreundlich, und einige Funktionen wirken versteckt oder nicht gut erklärt.

Auch die Preisgestaltung kann im Voraus etwas schwierig einzuschätzen sein. Man muss wirklich darauf achten, welche Ressourcen man nutzt (wie Trainingsjobs, Speicher, Notebooks usw.), sonst könnte man von der Rechnung überrascht werden. Bewertung gesammelt von und auf G2.com gehostet.

Der beste Teil für mich ist, wie alles integriert ist. Ich kann Modelle trainieren, testen und bereitstellen, alles innerhalb derselben Plattform. Es spart Zeit beim Wechseln zwischen Tools. Das Dashboard ist übersichtlich, und die Verbindung mit Google Cloud-Diensten macht den Arbeitsablauf reibungsloser. Bewertung gesammelt von und auf G2.com gehostet.

Manchmal kann die Preisgestaltung verwirrend sein, besonders wenn man noch lernt, wie die Ressourcen genutzt werden. Außerdem benötigen einige Funktionen ein gewisses technisches Hintergrundwissen, um sie richtig einzurichten, was anfangs etwas frustrierend sein kann. Bewertung gesammelt von und auf G2.com gehostet.

Was mir an Vertex AI am besten gefällt, ist, wie es alles, was mit maschinellem Lernen zu tun hat, an einem Ort zentralisiert. Es ist einfach, Modelle zu trainieren, bereitzustellen und zu überwachen, ohne zwischen verschiedenen Tools wechseln zu müssen. Die Integrationen mit Google Cloud-Diensten machen es auch sehr bequem, Workflows zu skalieren und zu automatisieren. Bewertung gesammelt von und auf G2.com gehostet.

Manchmal fühlt sich die Benutzeroberfläche anfangs etwas komplex an, besonders beim Einrichten von Pipelines oder Berechtigungen. Auch die Preisgestaltung kann bei größeren Projekten schwierig genau einzuschätzen sein, was für kleinere Teams ein Problem darstellen könnte. Bewertung gesammelt von und auf G2.com gehostet.

Ich schätze die Konfiguration und Zugänglichkeit von Modellen in Vertex AI. Es ist besonders vorteilhaft, wenn man mit mehreren Modellen arbeitet, da es eine gemeinsame URL für deren Verwaltung bietet, was die Bereitstellung vereinfacht. Diese Funktion macht die Verwaltung von Modell-URLs für die Bereitstellung sehr bequem. Darüber hinaus war die anfängliche Einrichtung von Vertex AI sehr einfach und effizient, was ein bedeutender Vorteil ist. Bewertung gesammelt von und auf G2.com gehostet.

Ich bin frustriert über die Schutzfunktionen in Vertex AI, da sie nicht gut funktionieren, insbesondere wenn es um bestimmte Arten von Inhalten wie Rüstungen und Wachen geht. Ich bin auf zahlreiche Probleme in diesem Zusammenhang gestoßen. Außerdem beunruhigt mich die ungenaue Erkennung von PII (persönlich identifizierbaren Informationen). Obwohl keine PII-Daten vorhanden sind, markiert das System sie dennoch, was unnötige Komplikationen verursacht und für mich ein erhebliches Problem darstellt. Bewertung gesammelt von und auf G2.com gehostet.

Ich finde Vertex AI wirklich einfach zu bedienen, was für mich ein großer Pluspunkt ist, besonders wenn ich mich durch Aufgaben der KI-Entwicklung navigiere. Die Einfachheit im Design hat mich dazu bewogen, es anderen Anbietern vorzuziehen, und es hat meine Erwartungen erfüllt. Ich schätze auch die großzügigen 300 kostenlosen Credits, die es mir ermöglichten, seine Funktionen ohne finanzielle Verpflichtung zunächst zu erkunden. Dies ist ein sehr gutes Werkzeug für die KI-Entwicklung, und die Verfügbarkeit zahlreicher KI-Modelle und -Werkzeuge, einschließlich vieler offener Modelle, trägt zu seiner Attraktivität bei. Darüber hinaus schätze ich die Integration mit OpenAI-Modellen, die ein wesentlicher Bestandteil meiner Arbeit ist. Diese Aspekte machen Vertex AI insgesamt zu einer bevorzugten Wahl für meine KI-Projekte. Bewertung gesammelt von und auf G2.com gehostet.

keine Bewertung gesammelt von und auf G2.com gehostet.

Vertex AI macht das Erstellen und Entwickeln von maschinellen Lernmodellen fast mühelos. Ich kann problemlos von Experimenten in Notebooks zu Produktionspipelines wechseln, ohne mit mehreren Tools jonglieren zu müssen. Alles von der Datenversionsverwaltung bis zur Modellevaluierung befindet sich unter einem Dach, und diese Einfachheit hält meinen Arbeitsablauf sauber und schnell. Das Modell passt so gut zu unseren bestehenden Tools. Bewertung gesammelt von und auf G2.com gehostet.

Die Lernkurve am Anfang ist etwas locker, besonders beim Einrichten von Umgebungen und beim Verständnis der Preisgestaltung. Bewertung gesammelt von und auf G2.com gehostet.

Googles Vertex AI positioniert sich als umfassende Plattform für den Lebenszyklus des maschinellen Lernens sowie für Datenaufbereitung und -training. Es nutzt seine Kernstärken in der Google Cloud und bietet eine sehr benutzerfreundliche Oberfläche mit vielen Funktionen, die unsere Arbeit erleichtern. Wir können unsere Arbeit mühelos umsetzen und das Lernen einfacher und bequemer gestalten, indem wir es 4-5 Mal am Tag nutzen, mit einfacher Integration und großartigem Kundensupport. Bewertung gesammelt von und auf G2.com gehostet.

Die Lernkurve ist komplex und bietet keinen vereinfachten Arbeitsablauf. Da es sehr kostspielig ist, ist die Preisgestaltung nach dem Pay-as-you-go-Prinzip unvorhersehbar, und die Fragmentierung der Dokumentation ist in den verschiedenen Google Cloud-Bereichen unterschiedlich, was die anfängliche Einrichtung und Fehlersuche verlangsamen kann. Bewertung gesammelt von und auf G2.com gehostet.