H2O Reseñas y Detalles del Producto

Excelente soporte para el producto comercial Driverless AI. Iteración rápida. El rendimiento es generalmente mejor de lo que se puede lograr en código. Reseña recopilada por y alojada en G2.com.

En realidad, nada. La combinación de herramientas propietarias y de código abierto, Driverless AI y H2O, proporciona herramientas para una gama completa de casos de uso. Reseña recopilada por y alojada en G2.com.

El front-end web conocido como Flow es realmente fácil de usar. Se puede utilizar para crear rápidamente modelos de aprendizaje automático. Reseña recopilada por y alojada en G2.com.

El modelo complejo de aprendizaje automático sobreajustó los datos. Esto es especialmente cierto cuando el conjunto de datos es pequeño. Reseña recopilada por y alojada en G2.com.

Desarrollaron herramientas de código abierto de alta calidad, incluidas las familias H2O-3 y AutoML. No tengo una licencia para su Driverless AI, pero mi experiencia con él a través de tutoriales y otras demostraciones ha sido excelente. Debo mencionar que sus esfuerzos para desarrollar marcos para la interpretabilidad de ML son acertados, y su centro de aprendizaje se está convirtiendo en un recurso valioso para la comunidad en general. Las interfaces con R y Python permiten una transición fluida de los flujos de trabajo preexistentes al marco de H2O. Reseña recopilada por y alojada en G2.com.

Algo crípticos mensajes de depuración en H2O-3. Soportan paquetes específicos para manipular datos (data.table en R, datataable en Python) por el bien de la velocidad y la maniobrabilidad de grandes datos, aunque muchos usuarios pueden encontrar esto limitante. Driverless AI puede no ser asequible para los pequeños peces en el estanque. Reseña recopilada por y alojada en G2.com.

Fácil de usar con buen diseño de interfaz de usuario y función de ML automatizada. Driverless AI tiene una fuerte capacidad en la ingeniería de características automática y la visualización del sistema. La ingeniería de características automática ha soportado diferentes algoritmos de aprendizaje automático (Bosque Aleatorio, Árbol de Decisión, Red Neuronal, Aprendizaje Profundo, etc.) y ajuste de parámetros de características (precisión, tiempo, computación del sistema, etc.) El sistema también ayuda al usuario a reducir el tiempo y los esfuerzos para el ajuste de hiperparámetros y comparar el modelo con diferentes configuraciones. Esto optimizará el proceso y proporcionará el modelo más eficiente para la predicción en el dominio de clasificación o regresión. Además, Driverless AI también tiene un buen diseño de interfaz de usuario y visualización. La interfaz de usuario también apoya al usuario final para importar datos rápidamente, visualizar datos en diferentes categorías, así como verificar el funcionamiento y el rendimiento del sistema durante el proceso de Auto ML. El usuario final también podría observar el resumen del experimento y la matriz de precisión, así como la comparación de modelos en términos de precisión.

Además, Driverless AI también apoya la Interpretación de IA para explicar el modelo y el rendimiento. Esta función es muy útil para el usuario final para entender la caja negra del Aprendizaje Automático, así como para el equipo de gestión para la toma de decisiones basada en información extensa. Reseña recopilada por y alojada en G2.com.

Sería genial si la IA sin conductor pudiera soportar el despliegue para la computación en el borde, que es común en el mundo del IoT. La computación en el borde requerirá una computación eficiente y buena precisión con el algoritmo AutoML. Esto ayudará mucho al cliente para el despliegue. Reseña recopilada por y alojada en G2.com.

AutoML es un gran producto. Tienen otros, pero AutoML es el más impresionante. Reseña recopilada por y alojada en G2.com.

Nada, tal vez la integración con Spark podría mejorarse, pero solo en pequeños detalles. Reseña recopilada por y alojada en G2.com.

h2o ofrece una tubería de aprendizaje automático bien validada, completamente automatizada y rigurosa, que incluye interpretación de modelos de última generación, lo que permite predicciones e inferencias. Reseña recopilada por y alojada en G2.com.

no tengo nada que desagradar sobre los productos de h2o. Reseña recopilada por y alojada en G2.com.

La capacidad de probar múltiples modelos con unas pocas líneas de código es el mayor beneficio. Reseña recopilada por y alojada en G2.com.

H20 hace un buen trabajo en la abstracción de los pasos subyacentes de transformación y ajuste, lo cual podría ser un poco desafiante. Reseña recopilada por y alojada en G2.com.

Encuentro muy útil que proporcione una interfaz gráfica para que los usuarios estimen cuánto tiempo tardará en ejecutarse el modelo, así como el medidor de agua que muestra cómo se utilizan los recursos durante el proceso de modelado. Reseña recopilada por y alojada en G2.com.

Los H2O Frames tienen opciones de procesamiento de datos muy limitadas en comparación con los dataframes de pandas de python o pyspark. Si pudiéramos tener más maniobrabilidad de datos, creo que ayudaría mucho. Reseña recopilada por y alojada en G2.com.

La mejor parte de H2O.ai es su facilidad de uso y su interfaz de usuario fluida. Reseña recopilada por y alojada en G2.com.

Una desventaja de H2O.ai es, como ocurre con muchos servicios, sus errores que no devuelven declaraciones de depuración legibles para los humanos. Reseña recopilada por y alojada en G2.com.

Interfaz limpia a través de Driverless AI y variedad de análisis Reseña recopilada por y alojada en G2.com.

Serían útiles mejores instrucciones, así como tutoriales más claros. Reseña recopilada por y alojada en G2.com.