Avis et détails du produit H2O

Excellent support pour le produit commercial Driverless AI. Itération rapide. La performance est généralement meilleure que ce que l'on peut obtenir en code. Avis collecté par et hébergé sur G2.com.

Rien en fait. La combinaison d'outils propriétaires et open source, Driverless AI et H2O, fournit des outils pour une gamme complète de cas d'utilisation. Avis collecté par et hébergé sur G2.com.

L'interface web appelée Flow est vraiment facile à utiliser. Elle peut être utilisée pour créer rapidement des modèles d'apprentissage automatique. Avis collecté par et hébergé sur G2.com.

Le modèle d'apprentissage automatique complexe a surappris les données. C'est particulièrement vrai lorsque l'ensemble de données est petit. Avis collecté par et hébergé sur G2.com.

Ils ont développé des outils open source de haute qualité, y compris les familles H2O-3 et AutoML. Mon expérience avec cela à travers des tutoriels et d'autres démonstrations a été superbe. Je devrais mentionner que leurs efforts pour développer des cadres pour l'interprétabilité du ML sont excellents, et leur centre d'apprentissage se révèle être une ressource précieuse pour la communauté en général. Les interfaces avec R et Python permettent une transition fluide des flux de travail préexistants dans le cadre H2O. Avis collecté par et hébergé sur G2.com.

Des messages de débogage quelque peu cryptiques dans H2O-3. Ils prennent en charge des packages spécifiques pour manipuler les données (data.table en R, datataable en Python) pour des raisons de rapidité et de maniabilité des grandes données, bien que de nombreux utilisateurs puissent trouver cela limitant. Driverless AI peut ne pas être abordable pour les petits poissons dans l'étang. Avis collecté par et hébergé sur G2.com.

Facile à utiliser avec un bon design d'interface utilisateur et une fonction de ML automatisée. Driverless AI a une forte capacité en ingénierie des caractéristiques automatique et en visualisation du système. L'ingénierie des caractéristiques automatique a pris en charge différents algorithmes d'apprentissage automatique (Forêt aléatoire, Arbre de décision, Réseau de neurones, Apprentissage profond, etc.) et le réglage des paramètres des caractéristiques (précision, temps, calcul du système, etc.). Le système aide également l'utilisateur à réduire le temps et les efforts pour le réglage des hyperparamètres et à comparer le modèle avec différents paramètres. Cela optimisera le processus et fournira le modèle le plus efficace pour la prédiction dans le domaine de la classification ou de la régression. De plus, Driverless AI a également un bon design d'interface utilisateur et de visualisation. L'interface utilisateur permet également à l'utilisateur final d'importer rapidement des données, de visualiser les données dans différentes catégories, ainsi que de vérifier le fonctionnement et la performance du système pendant le processus Auto ML. L'utilisateur final peut également observer le résumé de l'expérience et la matrice de précision, ainsi que la comparaison des modèles en termes de précision.

En outre, Driverless AI prend également en charge l'interprétation de l'IA pour expliquer le modèle et la performance. Cette fonction est très utile pour l'utilisateur final pour comprendre la boîte noire de l'apprentissage automatique, ainsi que pour l'équipe de direction pour la prise de décision basée sur des informations étendues. Avis collecté par et hébergé sur G2.com.

Ce serait formidable si l'IA sans conducteur pouvait prendre en charge le déploiement pour l'informatique en périphérie, qui est courante dans le monde de l'IoT. L'informatique en périphérie nécessitera un calcul efficace et une bonne précision avec l'algorithme AutoML. Cela aidera beaucoup le client pour le déploiement. Avis collecté par et hébergé sur G2.com.

AutoML est un excellent produit. Ils en ont d'autres, mais AutoML est le plus impressionnant. Avis collecté par et hébergé sur G2.com.

Rien, peut-être que l'intégration avec Spark pourrait être améliorée mais seulement dans de petits détails. Avis collecté par et hébergé sur G2.com.

h2o offre un pipeline d'apprentissage automatique bien validé, entièrement automatisé et rigoureux, y compris une interprétation de modèle à la pointe de la technologie permettant des prédictions et des inférences. Avis collecté par et hébergé sur G2.com.

je n'ai rien à redire sur les produits de h2o. Avis collecté par et hébergé sur G2.com.

La capacité d'essayer plusieurs modèles avec quelques lignes de code est le plus grand avantage. Avis collecté par et hébergé sur G2.com.

H20 fait un bon travail dans l'abstraction des étapes de transformation et de réglage sous-jacentes, ce qui pourrait être un peu difficile. Avis collecté par et hébergé sur G2.com.

Je trouve très utile qu'il fournisse une interface graphique pour permettre aux utilisateurs d'estimer la durée d'exécution du modèle ainsi que le compteur d'eau montrant comment les ressources sont utilisées tout au long du processus de modélisation. Avis collecté par et hébergé sur G2.com.

H2O Frames ont des options de traitement de données très limitées par rapport aux dataframes de python pandas ou pyspark. Si nous pouvons avoir plus de maniabilité des données, je pense que cela aiderait beaucoup. Avis collecté par et hébergé sur G2.com.

La meilleure partie de H2O.ai est sa facilité d'utilisation et son interface utilisateur fluide. Avis collecté par et hébergé sur G2.com.

Un inconvénient de H2O.ai est, comme avec de nombreux services, ses bugs qui ne renvoient pas de déclarations de débogage lisibles par l'homme. Avis collecté par et hébergé sur G2.com.

Interface propre via Driverless AI et variété d'analyses Avis collecté par et hébergé sur G2.com.

De meilleures instructions seraient utiles, tout comme des tutoriels plus clairs. Avis collecté par et hébergé sur G2.com.