# El mejor servicio de ciencia de datos para aplicaciones basadas en la nube

<p class="elv-tracking-normal elv-text-default elv-font-figtree elv-text-base elv-leading-base elv-font-normal" elv="true">Estoy comparando <a class="a a--md" elv="true" href="https://www.g2.com/categories/data-science-and-machine-learning-platforms?utm_source=chatgpt.com"><strong>el mejor servicio de ciencia de datos para aplicaciones basadas en la nube</strong></a> porque los equipos que lanzan aplicaciones en la nube generalmente necesitan ML que se ajuste a los patrones de producción (despliegues, monitoreo, controles de acceso), no solo cuadernos offline.</p><p class="elv-tracking-normal elv-text-default elv-font-figtree elv-text-base elv-leading-base elv-font-normal" elv="true">Aquí hay algunos que estoy considerando: </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>: Servicio gestionado para construir, entrenar y desplegar modelos de ML en AWS. Útil cuando tu pila de aplicaciones e infraestructura ya están centradas en AWS.</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>: Plataforma de ML gestionada para flujos de trabajo de extremo a extremo en Google Cloud. A menudo se utiliza para tuberías de ML en producción y despliegue/operaciones de modelos.</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>: Servicio de ML gestionado para entrenamiento, despliegue y gobernanza en Azure. Buena opción cuando deseas que el ML esté vinculado a los patrones de seguridad, redes y MLOps de Azure.</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>: Plataforma de ciencia de datos empresarial enfocada en la colaboración y gestión del ciclo de vida del modelo. A menudo se utiliza cuando los equipos necesitan reproducibilidad y controles en entornos de nube.</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>Para aplicaciones basadas en la nube, ¿cuál ha sido la configuración de producción más confiable para ML y qué parte fue la más difícil (despliegue, monitoreo o gobernanza)?</strong></p>

##### Post Metadata
- Posted at: hace 30 días
- Net upvotes: 1




## Related discussions
- [¿Qué tan bien se adapta Trello a un equipo más grande?](https://www.g2.com/es/discussions/1-how-well-does-trello-scale-into-a-larger-team)
  - Posted at: hace aproximadamente 13 años
  - Comments: 6
- [Can we please add a new section](https://www.g2.com/es/discussions/2-can-we-please-add-a-new-section)
  - Posted at: hace aproximadamente 13 años
  - Comments: 0
- [Beneficios cuantificables de implementar su CRM](https://www.g2.com/es/discussions/quantifiable-benefits-from-implementing-your-crm)
  - Posted at: hace aproximadamente 13 años
  - Comments: 4