Migliori Piattaforme di Data Science e Machine Learning Gratuiti

Agli utenti piace la capacità della piattaforma di gestire grandi volumi di dati, abilitare lo sviluppo collaborativo tramite notebook e la sua integrazione con Apache Spark e altri strumenti, il che la rende uno strumento utile per i team orientati ai dati. Gli utenti hanno sperimentato una curva di apprendimento ripida, soprattutto per gli utenti non tecnici o i team nuovi al calcolo distribuito, e hanno anche trovato l'interfaccia utente meno moderna e la gestione dei costi in un ambiente multiutente impegnativa.

I revisori apprezzano l'interfaccia intuitiva di Deepnote, le funzionalità di collaborazione in tempo reale e la sua capacità di connettersi a fonti di dati esterne e generare visualizzazioni rapidamente. Gli utenti hanno segnalato problemi con i tempi di caricamento lenti, in particolare con grandi set di dati, e difficoltà nella gestione dei progetti e nello spostamento dei notebook tra i progetti.

Agli utenti piace la capacità del software di integrare dati da varie fonti, visualizzarli in dashboard e la sua elevata potenza computazionale in un ambiente di elaborazione distribuita. I revisori hanno menzionato che la documentazione per SAS Viya 3.5 non è completa, con informazioni mancanti ed errori intermittenti che sono difficili da risolvere, e il supporto clienti è spesso lento a rispondere.

I revisori menzionano frequentemente l'interfaccia intuitiva della piattaforma, l'integrazione senza soluzione di continuità di SQL e Python, e la sua capacità di facilitare la collaborazione attraverso funzionalità come i commenti in tempo reale e la cronologia delle versioni. Gli utenti hanno segnalato limitazioni nella personalizzazione della visualizzazione, crash occasionali quando si gestiscono grandi set di dati e problemi con la funzione AI Magic che non corregge sempre il codice in modo accurato.

Agli utenti piace l'interfaccia intuitiva di trascinamento e rilascio dello strumento, la sua ampia gamma di connettori e strumenti predefiniti, e le sue forti capacità di automazione, che risparmiano tempo e lo rendono accessibile sia agli utenti tecnici che non tecnici. I revisori hanno notato che Alteryx può essere costoso, specialmente per le organizzazioni più piccole o per gli utenti individuali, e che può avere una curva di apprendimento ripida, con alcune funzionalità avanzate difficili da gestire e debug senza una formazione avanzata.

I revisori apprezzano il design intuitivo del software, la sua capacità di connettersi direttamente alle fonti di dati e le sue funzionalità come il clustering automatico, la modellazione predittiva e la previsione delle serie temporali. I revisori hanno riscontrato prestazioni più lente quando gestivano grandi set di dati, occasionali bug dell'interfaccia utente e complessità nell'integrazione con alcuni sistemi legacy.

I revisori apprezzano l'interfaccia intuitiva di Dataiku, la sua capacità di favorire la collaborazione, la sua integrazione senza soluzione di continuità con varie fonti di dati e l'automazione delle attività ripetitive, che lo rende adatto sia ai principianti che agli scienziati dei dati esperti. Gli utenti hanno menzionato che Dataiku può avere una curva di apprendimento ripida per gli utenti non tecnici, le sue capacità in tempo reale possono essere insufficienti per scenari di trading ad alta frequenza e può avere difficoltà con le prestazioni su larga scala quando si gestiscono grandi set di dati.

I revisori apprezzano la capacità di Domo di consolidare i report da più fonti di dati, automatizzare le attività, fornire approfondimenti in tempo reale e la sua interfaccia intuitiva che consente la facile creazione di dashboard e visualizzazioni. I revisori hanno notato che Domo ha una curva di apprendimento ripida per i nuovi utenti, a volte può essere lento con grandi set di dati e le sue capacità di visualizzazione non sono così robuste come quelle di alcuni concorrenti.