--- title: Amazon SageMaker Reviews meta_title: 'Recensioni Amazon SageMaker 2026: Dettagli, Prezzi e Funzionalità | G2' meta_description: Filtra le recensioni di 56 per dimensione dell'azienda, ruolo o settore degli utenti per scoprire come Amazon SageMaker funziona per un'azienda come la tua. aggregate_rating: rating_value: 4.3 review_count: 56 scale: '5' date_modified: '2026-06-17' parent_category: name: Intelligenza Artificiale url: https://www.g2.com/it/categories/artificial-intelligence --- # Amazon SageMaker Reviews **Vendor:** Amazon Web Services (AWS) **Category:** [Piattaforme di Data Science e Machine Learning](https://www.g2.com/it/categories/data-science-and-machine-learning-platforms) **Average Rating:** 4.3/5.0 **Total Reviews:** 56 ## About Amazon SageMaker Amazon SageMaker è un servizio completamente gestito che consente a data scientist e sviluppatori di costruire, addestrare e distribuire modelli di machine learning (ML) su larga scala. Fornisce una suite completa di strumenti e infrastrutture, semplificando l'intero flusso di lavoro ML dalla preparazione dei dati alla distribuzione del modello. Con SageMaker, gli utenti possono connettersi rapidamente ai dati di addestramento, selezionare e ottimizzare algoritmi e distribuire modelli in un ambiente sicuro e scalabile. Caratteristiche e Funzionalità Principali: - Ambienti di Sviluppo Integrati (IDE): SageMaker offre un'interfaccia unificata basata sul web con IDE integrati, tra cui JupyterLab e RStudio, facilitando uno sviluppo e una collaborazione senza interruzioni. - Algoritmi e Framework Pre-costruiti: Include una selezione di algoritmi ML ottimizzati e supporta framework popolari come TensorFlow, PyTorch e Apache MXNet, permettendo flessibilità nello sviluppo dei modelli. - Ottimizzazione Automatica dei Modelli: SageMaker può ottimizzare automaticamente i modelli per raggiungere un'accuratezza ottimale, riducendo il tempo e lo sforzo richiesti per le regolazioni manuali. - Addestramento e Distribuzione Scalabili: Il servizio gestisce l'infrastruttura sottostante, consentendo un addestramento efficiente dei modelli su grandi set di dati e la loro distribuzione su cluster auto-scalabili per un'alta disponibilità. - MLOps e Governance: SageMaker fornisce strumenti per il monitoraggio, il debugging e la gestione dei modelli ML, garantendo operazioni robuste e conformità con gli standard di sicurezza aziendali. Valore Primario e Problema Risolto: Amazon SageMaker affronta la complessità e la natura intensiva in termini di risorse dello sviluppo e della distribuzione dei modelli ML. Offrendo un ambiente completamente gestito con strumenti integrati e infrastruttura scalabile, accelera il ciclo di vita ML, riduce il sovraccarico operativo e consente alle organizzazioni di ottenere intuizioni e valore dai loro dati in modo più efficiente. Questo consente alle aziende di innovare rapidamente e implementare soluzioni AI senza la necessità di un'ampia competenza interna o gestione dell'infrastruttura. ## Amazon SageMaker Pros & Cons **What users like:** - Gli utenti trovano la **facilità d'uso** di Amazon SageMaker notevole, permettendo un rapido adattamento e un addestramento efficiente dei modelli. (3 reviews) - Gli utenti apprezzano l' **integrazione AI senza soluzione di continuità** di Amazon SageMaker, facilitando l'intero ciclo di vita dell'apprendimento automatico in modo efficiente. (2 reviews) - Gli utenti apprezzano la **superiore potenza di calcolo** di Amazon SageMaker, accelerando significativamente i tempi di addestramento dei modelli di deep learning. (2 reviews) - Gli utenti apprezzano l' **efficienza** di Amazon SageMaker, godendo di tempi di addestramento significativamente ridotti e di uno sviluppo del modello semplificato. (2 reviews) - Gli utenti amano la **velocità di elaborazione** di Amazon SageMaker, riducendo drasticamente il tempo di addestramento per i modelli di deep learning. (2 reviews) - Gli utenti apprezzano i **notebook Jupyter gestiti in modo completo** e l'integrazione senza soluzione di continuità con i framework e gli strumenti ML più diffusi. (2 reviews) - Implementation Ease (2 reviews) - Model Management (2 reviews) - Setup Ease (2 reviews) - Time-saving (2 reviews) **What users dislike:** - Gli utenti trovano Amazon SageMaker **costoso** , soprattutto per l'uso a lungo termine, con una struttura di prezzi complessa che può portare a costi imprevisti. (3 reviews) - Gli utenti trovano che la **struttura dei prezzi complessa** di Amazon SageMaker possa portare a costi inaspettati e confusione. (2 reviews) - Gli utenti trovano **problemi di complessità** con i prezzi e la curva di apprendimento di Amazon SageMaker, che possono portare a spese impreviste. (2 reviews) - Gli utenti trovano la **curva di apprendimento ripida** per Amazon SageMaker, soprattutto quando si adattano ai servizi e alle configurazioni di AWS. (2 reviews) - Gli utenti affrontano una **curva di apprendimento difficile** durante la configurazione iniziale di Amazon SageMaker, influenzando la loro esperienza. (1 reviews) - Gli utenti trovano la **difficile configurazione** di Amazon SageMaker impegnativa, influenzando la loro esperienza complessiva e la stima dei costi. (1 reviews) - Integration Difficulty (1 reviews) - Performance Issues (1 reviews) - Steep Learning Curve (1 reviews) ## Amazon SageMaker Reviews ### 1. Gestione completa end-to-end di ML in AWS con potente addestramento distribuito **Rating:** 4.0/5.0 stars **Reviewed by:** Hem J. | Assistant Manager, Enterprise (> 1000 dip.) **Reviewed Date:** May 21, 2026 **Cosa Le piace di più di Amazon SageMaker?** Il punto di forza più grande di Amazon SageMaker è che offre un ambiente di machine learning (ML) completamente gestito e end-to-end all'interno dell'ecosistema sicuro di AWS. Copre l'intero flusso di lavoro, dalla preparazione dei dati e l'addestramento del modello fino al deployment e al monitoraggio continuo. Per i team, questo può far risparmiare una grande quantità di tempo astrattando la complessità dell'infrastruttura, pur fornendo potenti capacità di addestramento distribuito, inclusi funzionalità come HyperPod. **Cosa non Le piace di Amazon SageMaker?** Prezzi opachi. I costi possono aumentare rapidamente, specialmente con lavori di lunga durata o implementazioni più grandi. Ho anche visto "shock di fine mese" perché il modello di fatturazione non è chiaro o prevedibile. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Gestione dell'infrastruttura Rimuove la necessità per me di fornire e mantenere server, GPU o cluster. AWS si occupa della scalabilità, disponibilità e tolleranza ai guasti, il che rende l'intera configurazione molto più facile da gestire. ### 2. Una potenza per l'ML end-to-end, ma preparati a una curva di apprendimento ripida **Rating:** 5.0/5.0 stars **Reviewed by:** Lokesh S. | Senior Data Scientist, Mid-Market (51-1000 dip.) **Reviewed Date:** June 15, 2026 **Cosa Le piace di più di Amazon SageMaker?** Essendo un Senior Data Scientist in un'azienda di medie dimensioni, volevamo un approccio che ci aiutasse a portare i modelli basati su notebook in produzione senza costruire troppa infrastruttura. Amo l'ecosistema incredibilmente ampio, è una piattaforma completa. Lo usiamo molto nei nostri modelli predittivi di comportamento dei clienti e nelle pipeline NLP e passare senza problemi dal lanciare un lavoro di test su SageMaker Studio all'avviare lavori di addestramento distribuiti pesanti è fantastico. Non devo più fare affidamento sul nostro team dev-ops sovraccarico per fornire certe istanze GPU per me. Posso semplicemente specificare la quantità di hardware nel mio codice e AWS le avvierà e le chiuderà per me. Gli endpoint gestiti durante il processo di distribuzione sono anche un grande risparmio di tempo, il che significa che saremo in grado di generare le nostre previsioni del modello attraverso un'API robusta che supporta l'auto-scaling di default. **Cosa non Le piace di Amazon SageMaker?** Il principale ostacolo è la sua complessità iniziale. SageMaker è uno strumento che richiede una certa configurazione, e la documentazione, sebbene completa, può risultare confusa e potrebbe essere vista come un insieme disgiunto di tutorial. Ci vuole molto tempo per arrivare al "modo AWS" di fare le cose, ed è un ostacolo frequente per i membri del team che entrano in AWS per la prima volta—configurare ruoli IAM, VPC e permessi. In secondo luogo, può essere piuttosto costoso se non si sta attenti alle spese. Gli utenti possono facilmente dimenticare di spegnere la loro istanza di SageMaker Studio o un endpoint sperimentale durante il fine settimana, finendo con una bolletta salata. Infine, ma non meno importante, l'insieme di funzionalità dell'interfaccia Studio a volte va a scapito di una performance un po' lenta e macchinosa rispetto a un server Jupyter leggero e locale sul proprio computer. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Prima di SageMaker, il principale punto dolente per noi come team di medie dimensioni era il deployment dei modelli. Poi avremmo addestrato un modello forte, passato i pesi e uno script Python scadente al team di ingegneria del software e aspettato un paio di settimane affinché loro iniziassero a renderlo scalabile e containerizzato. Affidando al team di data science l'intero ciclo di vita, SageMaker ha completamente risolto questo attrito. L'uso di un'analisi del sentiment in un sistema di ticketing per il supporto clienti, seguendo le linee di una funzione di analisi del sentiment in tempo reale nel nostro sistema di ticketing per il supporto clienti, è stato un esempio reale per noi. In pochi giorni, il mio team è stato in grado di addestrare un trasformatore su SageMaker, eseguire il tuning degli iperparametri e poi distribuirlo dietro un endpoint sicuro e pronto per la produzione, tutto da solo utilizzando l'integrazione con HuggingFace. Ha davvero semplificato il nostro processo di MLOps, in modo che possiamo sviluppare più velocemente e portare un reale valore aziendale senza dover tenere le dita incrociate aspettando l'aiuto dell'ingegneria. ### 3. Amazon SageMaker: Flusso di lavoro ML end-to-end che porta i modelli in produzione più velocemente **Rating:** 5.0/5.0 stars **Reviewed by:** Md R. | Strategy Specialist – Operations & Process Improvement , Piccola impresa (50 o meno dip.) **Reviewed Date:** May 21, 2026 **Cosa Le piace di più di Amazon SageMaker?** Mi piace che Amazon SageMaker offra un percorso gestito dall'esperimento al deployment senza costringerti a assemblare ogni pezzo da solo. Copre l'intero flusso di lavoro ML: notebook, lavori di addestramento, tuning, pipeline, registro dei modelli, endpoint, inferenza batch. Riduce il lavoro sull'infrastruttura: puoi concentrarti di più sui modelli e meno sul provisioning di GPU, container, scalabilità e operazioni sugli endpoint. Funziona bene per i team: lavori di addestramento riproducibili, pipeline gestite e deployment/versioning aiutano quando più persone lavorano sullo stesso sistema. Scala da semplice a serio: puoi iniziare con un notebook e successivamente passare all'addestramento distribuito o agli endpoint di produzione nello stesso ecosistema. Si integra bene con AWS: IAM, S3, CloudWatch, ECR, Lambda ed EventBridge lo rendono più facile se il resto del tuo stack è già su AWS. Se dovessi scegliere una cosa: il vantaggio più grande è il collante operativo—rende il passaggio da "il modello funziona in un notebook" a "il modello funziona affidabilmente in produzione" molto meno doloroso. **Cosa non Le piace di Amazon SageMaker?** Il più grande svantaggio è la complessità: SageMaker è potente, ma spesso sembra più una cassetta degli attrezzi di servizi AWS piuttosto che una piattaforma ML pulita e ben definita. La curva di apprendimento è ripida; finisci per dover comprendere SageMaker stesso oltre a IAM, S3, VPC, ECR, CloudWatch e il networking AWS. I costi possono diventare scivolosi; le istanze notebook, gli endpoint, i lavori di addestramento, l'archiviazione e il trasferimento dati possono continuare a funzionare a meno che non li gestisci con attenzione. L'esperienza utente può sembrare frammentata; alcuni compiti sono più facili nell'SDK, altri in Studio, altri ancora nella configurazione grezza di AWS. Il debugging può essere frustrante; i fallimenti sono spesso causati da permessi, configurazione dei container, networking o discrepanze di configurazione oscure piuttosto che dal codice del modello. Il lock-in del fornitore è reale; una volta che i tuoi pipeline, il flusso di distribuzione e il monitoraggio sono costruiti attorno ai primitivi SageMaker/AWS, allontanarsi richiede lavoro. Le astrazioni possono essere traballanti; "gestito" non significa sempre semplice, e potresti ancora dover pensare come un ingegnere infrastrutturale. Se dovessi riassumerlo: SageMaker è molto capace, ma non è particolarmente elegante. Premia i team che già operano comodamente in AWS e può sembrare pesante per team più piccoli o per sperimentazioni più rapide. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Amazon SageMaker risolve principalmente il problema della "operazionalizzazione dell'ML": trasformare lo sviluppo del modello in qualcosa di ripetibile, scalabile e distribuibile. Per me, il vantaggio non è tanto costruire un singolo modello quanto ridurre tutte le frizioni attorno ad esso. Risolve la configurazione dell'infrastruttura per l'addestramento e l'inferenza; invece di costruire manualmente server GPU, scheduler di lavori e stack di servizio, puoi eseguire lavori di addestramento gestiti e endpoint. Risolve la frammentazione del flusso di lavoro; la preparazione dei dati, gli esperimenti, l'ottimizzazione, le pipeline, il registro dei modelli e la distribuzione possono vivere in un unico ecosistema invece di un mucchio di strumenti disconnessi. Risolve i problemi di scalabilità; puoi passare da piccoli esperimenti a lavori di addestramento più grandi o traffico di produzione senza dover riprogettare tutto. Risolve la ripetibilità e il coordinamento del team; lavori, pipeline, artefatti e versioni dei modelli sono più facili da tracciare rispetto al lavoro ad hoc basato su notebook. Risolve il sovraccarico della distribuzione in produzione; endpoint gestiti, lavori batch e monitoraggio rendono più facile servire i modelli in modo affidabile. Risolve il dolore dell'integrazione con AWS; se i tuoi dati e le tue app vivono già in AWS, SageMaker riduce il codice di collegamento tra ML e il resto della piattaforma. Come mi avvantaggia: Passo meno tempo sulla parte DevOps pesante dell'ML. Ottengo un percorso più veloce dal prototipo alla produzione. Ho un flusso di lavoro più standardizzato per team e progetti. Posso fare affidamento su scalabilità e monitoraggio gestiti invece di inventarli. Evito di mettere insieme molti strumenti separati a meno che non voglia più personalizzazione. Il compromesso è che mi avvantaggia di più quando ho effettivamente bisogno di quella struttura operativa. Se voglio solo sperimentare in modo leggero, SageMaker può sembrare più pesante del necessario. ### 4. SageMaker scala brillantemente l'addestramento oltre i limiti locali **Rating:** 4.5/5.0 stars **Reviewed by:** Sachin N. | Data Analyst, Enterprise (> 1000 dip.) **Reviewed Date:** May 22, 2026 **Cosa Le piace di più di Amazon SageMaker?** Lavorare localmente è fantastico, fino a quando il tuo dataset supera la RAM, o ti rendi conto che hai bisogno di un cluster multi-GPU per addestrare un modello in ore anziché giorni. SageMaker affronta esattamente quel punto di attrito, e lo fa in modo brillante. **Cosa non Le piace di Amazon SageMaker?** Finisco per passare un'enorme quantità di tempo a scavare nei log di CloudWatch solo per scoprire che una versione della libreria era disallineata o che un percorso di file S3 era leggermente errato. Questo rallenta davvero il processo di debug e rallenta drasticamente il ciclo interno. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Automatizzando il provisioning, lo scaling e il deployment, mi evita di sprecare ore a gestire i driver CUDA, la manutenzione dei server o pipeline Docker eccessivamente complesse. Ciò significa che posso concentrarmi completamente sulla data science e trasferire più rapidamente i modelli da un'idea locale alla produzione live. ### 5. Flusso di lavoro ML end-to-end in un unico strumento: Costruisci, Scala e Monitora **Rating:** 5.0/5.0 stars **Reviewed by:** Arshiya A. | HR Manager, Piccola impresa (50 o meno dip.) **Reviewed Date:** May 22, 2026 **Cosa Le piace di più di Amazon SageMaker?** Il meglio è come aiuta nel lavoro end-to-end: costruzione del modello, scalabilità, monitoraggio, in modo che tutto sia fatto in un unico strumento. **Cosa non Le piace di Amazon SageMaker?** Tutto è perfetto, bisogna solo informare di più le persone al riguardo. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Gestisce tutto automaticamente, i team non hanno bisogno di strumenti diversi per lo stesso scopo. I flussi di lavoro dei dati sono facili da gestire insieme al tracciamento degli esperimenti. ### 6. Addestramento AI senza colli di bottiglia senza problemi di infrastruttura **Rating:** 4.0/5.0 stars **Reviewed by:** Biswajit B. | Lead SRE, Mid-Market (51-1000 dip.) **Reviewed Date:** May 20, 2026 **Cosa Le piace di più di Amazon SageMaker?** Addestramento AI senza alcun collo di bottiglia o dipendenze dall'infrastruttura sottostante. **Cosa non Le piace di Amazon SageMaker?** L'interfaccia utente dovrebbe essere più raffinata e intuitiva, un registro dei modelli facile da usare **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Formazione AI plug and play per modelli LLM senza molti colli di bottiglia infrastrutturali. Si integra anche con altri servizi offerti da AWS, il che rende molto facile l'ingresso e l'uscita dei dati. ### 7. Addestramento del Modello Ultra Veloce, Esperienza Intuitiva **Rating:** 5.0/5.0 stars **Reviewed by:** Amrendra K. | Indigo squad Member , Piccola impresa (50 o meno dip.) **Reviewed Date:** January 02, 2026 **Cosa Le piace di più di Amazon SageMaker?** Uso Amazon SageMaker per costruire un modello di deep learning, specificamente un modello di rilevamento oggetti. È un'esperienza davvero fantastica per me, soprattutto perché il mio laptop non ha supporto GPU avanzato e l'addestramento di un modello richiederebbe circa 7-8 ore. Con la macchina virtuale di Amazon SageMaker, l'addestramento del mio modello di deep learning richiede solo 3-4 minuti. Questa piattaforma è ottima, e anche qualcuno che non l'ha mai usata prima può adattarsi al primo utilizzo e comprendere facilmente tutte le funzionalità offerte da SageMaker. Penso che la macchina virtuale di Amazon SageMaker sia più avanzata della piattaforma Microsoft Azure. È più efficace e meno dispendiosa in termini di tempo. La facilità d'uso è brillante; posso adattarmi facilmente a questa piattaforma rispetto a Microsoft. L'installazione iniziale è molto semplice e con un'unica autenticazione ho accesso alle risorse di cui ho bisogno per il mio lavoro. A mio avviso, le do 10 su 10. **Cosa non Le piace di Amazon SageMaker?** Questa è una grande piattaforma. Non mi dispiace. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Uso Amazon SageMaker per addestrare modelli di deep learning molto più velocemente, riducendo il tempo di addestramento da 7-8 ore sul mio laptop a soli 3-4 minuti su SageMaker. È facile da adattare anche per i nuovi utenti. ### 8. Piattaforma ML completa che rende più veloce la costruzione, l'addestramento e il deployment **Rating:** 4.0/5.0 stars **Reviewed by:** Subrat Kumar S. | Data Specialist, Mid-Market (51-1000 dip.) **Reviewed Date:** May 19, 2026 **Cosa Le piace di più di Amazon SageMaker?** Fornisce una piattaforma completa per costruire, addestrare e distribuire modelli di ML. Rende anche l'intero processo più facile e veloce. **Cosa non Le piace di Amazon SageMaker?** Non vedo veri svantaggi, ma ci vuole un po' di formazione iniziale affinché gli sviluppatori si sentano a proprio agio nell'usare la piattaforma. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Rende la costruzione di modelli ML molto più semplice, grazie alla sua piattaforma unificata e al modo in cui sfrutta le capacità di integrazione. ### 9. Prototipazione senza sforzo con una piattaforma di addestramento ML amichevole per gli sviluppatori **Rating:** 3.5/5.0 stars **Reviewed by:** Vaibhav R. | Full Stack Developer - BA4, Enterprise (> 1000 dip.) **Reviewed Date:** December 22, 2025 **Cosa Le piace di più di Amazon SageMaker?** Mi piace quanto sia facile addestrare modelli di ML su Amazon SageMaker e condurre esperimenti rapidi. Posso facilmente creare prototipi e apportare modifiche ai miei modelli di ML, e il processo di addestramento è semplice. Tutti i log sono accessibili, il che aiuta a controllare lo stato dell'addestramento e a testare i modelli. Questo rende efficiente sperimentare e cambiare i parametri direttamente in SageMaker. **Cosa non Le piace di Amazon SageMaker?** Una migliore trasparenza dei costi può esserci. Inoltre, c'è una curva di apprendimento con la configurazione iniziale. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Amazon SageMaker ci offre una destinazione unica per addestrare, distribuire e scalare modelli di ML. Riduce la necessità di una gestione separata, rendendo facile prototipare e sperimentare rapidamente. ### 10. Accesso senza sforzo e configurazione semplice lo rendono un vincitore **Rating:** 4.0/5.0 stars **Reviewed by:** Pawan N. | Administration and Operations Assistant, Beni di consumo, Enterprise (> 1000 dip.) **Reviewed Date:** December 20, 2025 **Cosa Le piace di più di Amazon SageMaker?** Il processo di accesso è semplice e l'installazione del software non è complicata. L'interfaccia utente è anche molto intuitiva. **Cosa non Le piace di Amazon SageMaker?** Il portale potrebbe utilizzare alcuni ritocchi aggiuntivi per apparire più presentabile. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Il processo di raccolta e annotazione dei documenti finanziari è gestito in modo efficiente. Ho trovato la raccolta dei dati approfondita e il lavoro di annotazione accurato, il che aiuta a garantire la qualità dei dati finanziari. ### 11. Accelerare i flussi di lavoro di Machine Learning utilizzando AWS SageMaker **Rating:** 4.0/5.0 stars **Reviewed by:** NATARAJ M. | Student, Mid-Market (51-1000 dip.) **Reviewed Date:** July 03, 2025 **Cosa Le piace di più di Amazon SageMaker?** Quello che mi piace di più di Amazon SageMaker è il suo supporto end-to-end per l'intero ciclo di vita del machine learning. Dalla preparazione dei dati e costruzione del modello alla formazione, ottimizzazione e distribuzione, tutto è perfettamente integrato in un'unica piattaforma. Apprezzo particolarmente gli algoritmi integrati, i notebook Jupyter e l'ottimizzazione automatica del modello (Ottimizzazione degli Iperparametri). La capacità di scalare facilmente i lavori di formazione e distribuire i modelli come endpoint completamente gestiti con pochi clic o righe di codice è un enorme incremento di produttività. SageMaker Studio fornisce anche un ottimo ambiente collaborativo per i team. **Cosa non Le piace di Amazon SageMaker?** Sebbene Amazon SageMaker sia potente, uno svantaggio è la sua complessità e il costo per i principianti o per progetti su piccola scala. La curva di apprendimento può essere ripida, specialmente quando si configurano le risorse, si gestiscono i permessi con IAM o si comprende il modello di pricing. Alcune funzionalità, come SageMaker Pipelines o Studio, possono sembrare opprimenti senza un'esperienza precedente con AWS. Inoltre, il debug di lavori di addestramento o distribuzioni falliti può essere difficile senza log dettagliati o messaggi di errore chiari. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Amazon SageMaker aiuta a risolvere il problema della gestione del flusso di lavoro di machine learning end-to-end su larga scala. Elimina la necessità di configurare manualmente l'infrastruttura per l'addestramento, il deployment e il monitoraggio dei modelli, risparmiando una quantità significativa di tempo e sforzo. Per me, semplifica la sperimentazione dei modelli, automatizza la regolazione degli iperparametri e consente un facile deployment dei modelli tramite endpoint scalabili. Questo mi permette di concentrarmi maggiormente sulle prestazioni del modello e sulla qualità dei dati piuttosto che sull'onere operativo. SageMaker supporta anche l'integrazione con altri servizi AWS, rendendolo ideale per costruire pipeline ML di livello produttivo in un ambiente sicuro e conforme. ### 12. Opzioni di Fatturazione Flessibili e Integrazioni Fluide con Mineral Tree **Rating:** 3.5/5.0 stars **Reviewed by:** Utente verificato in Raccolta fondi | Mid-Market (51-1000 dip.) **Reviewed Date:** May 21, 2026 **Cosa Le piace di più di Amazon SageMaker?** Molte opzioni sulle fatture quando si imputano o si importano. Le integrazioni in Mineral Tree funzionano bene. **Cosa non Le piace di Amazon SageMaker?** Costoso per noi da usare, le prestazioni sono buone. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Semplifica la transizione dei modelli dallo sviluppo alla produzione ### 13. Potere del Machine Learning **Rating:** 4.0/5.0 stars **Reviewed by:** Shivani S. | Cloud Administrator, Piccola impresa (50 o meno dip.) **Reviewed Date:** July 04, 2025 **Cosa Le piace di più di Amazon SageMaker?** Amazon SageMaker supporta l'intero flusso di lavoro del machine learning—dalla preparazione dei dati al deployment del modello—in un unico posto. Possiamo facilmente caricare i dati, esplorarli, addestrare modelli e testarli senza cambiare strumenti. Mi piace molto che SageMaker gestisca i server per noi, così non dobbiamo configurare o mantenere alcuna infrastruttura. Rende anche il deployment flessibile e semplice. In generale, rende i progetti di ML molto più facili da gestire, specialmente quando si lavora in un team. **Cosa non Le piace di Amazon SageMaker?** Può essere difficile imparare all'inizio, specialmente per i principianti. L'interfaccia a volte è lenta o non molto fluida, specialmente con file di grandi dimensioni o quando si cambiano le schede. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Amazon SageMaker mi aiuta ad addestrare e distribuire modelli di machine learning in modo più veloce e semplice. Fornisce strumenti già pronti, quindi non devo costruire tutto da zero. Questo fa risparmiare tempo, riduce gli errori e mi aiuta a concentrarmi di più sull'apprendimento e sul miglioramento dei miei modelli. ### 14. Una potente piattaforma per costruire e distribuire modelli di ML in modo efficiente **Rating:** 4.5/5.0 stars **Reviewed by:** Gilbert G. | IT Manager -CTO/CISO, Enterprise (> 1000 dip.) **Reviewed Date:** July 01, 2025 **Cosa Le piace di più di Amazon SageMaker?** End to end, Scalabilità e flessibilità, Integrazione con AWS, facilità d'uso, Monitoraggio e debug del modello **Cosa non Le piace di Amazon SageMaker?** Gestione dei costi, difficile da personalizzare o andare oltre le funzionalità predefinite, chiarezza della documentazione, è necessaria una buona comprensione di ML e AWS per sfruttarne appieno le capacità. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Il supporto del flusso di lavoro End to End gestisce tutto, dalla preparazione dei dati al deployment. Questo significa che possiamo ingerire, esplorare, addestrare e valutare modelli con un solo ambiente per lavorarci. Mi piace anche molto che SageMaker si occupi dell'infrastruttura, così non dobbiamo preoccuparci di configurare o gestire i server. Quando si tratta di deployment, è molto flessibile. ### 15. Eccellente **Rating:** 5.0/5.0 stars **Reviewed by:** Ranisha R. | Teaching Assistant, Mid-Market (51-1000 dip.) **Reviewed Date:** May 25, 2025 **Cosa Le piace di più di Amazon SageMaker?** Ciò che mi piace di più di Amazon SageMaker è la sua capacità di gestire l'intero ciclo di vita del machine learning in un'unica piattaforma integrata. Semplifica la costruzione, l'addestramento e il deployment dei modelli offrendo al contempo scalabilità e strumenti potenti come SageMaker Studio e la sintonizzazione automatica dei modelli. **Cosa non Le piace di Amazon SageMaker?** Quello che non mi piace di Amazon SageMaker è che la sua struttura dei prezzi può essere complessa e diventare rapidamente costosa, specialmente per lavori di addestramento di lunga durata o distribuzioni su larga scala. Inoltre, la curva di apprendimento può essere ripida per i nuovi utenti non familiari con i servizi e le configurazioni di AWS. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Amazon SageMaker risolve problemi chiave nella scienza dei dati e nell'apprendimento automatico, come la gestione dell'infrastruttura, l'automazione dell'addestramento e della messa a punto dei modelli, e la semplificazione del deployment. Questo mi avvantaggia accelerando il flusso di lavoro di ML, riducendo il tempo trascorso sulla configurazione e DevOps, e consentendo una sperimentazione più rapida e la consegna di modelli pronti per la produzione. ### 16. Miglior strumento ML lì **Rating:** 4.0/5.0 stars **Reviewed by:** Pranav A. | Senior Data Scientist, Enterprise (> 1000 dip.) **Reviewed Date:** June 10, 2025 **Cosa Le piace di più di Amazon SageMaker?** Offre notebook Jupyter gestiti (SageMaker Studio, Studio Lab), supporta i framework ML più popolari (TensorFlow, PyTorch, MXNet) e fornisce strumenti per l'addestramento distribuito e l'ottimizzazione degli iperparametri. **Cosa non Le piace di Amazon SageMaker?** SageMaker è costoso, specialmente per lavori di addestramento a lungo termine, distribuzioni su larga scala o quando si utilizzano istanze ad alte prestazioni. Il modello pay-as-you-go può portare a costi imprevisti e la struttura dei prezzi può essere complessa da comprendere e ottimizzare. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** SageMaker si integra perfettamente con altri servizi AWS come S3 (per l'archiviazione dei dati), Lambda, Redshift, EMR e Glue, semplificando i flussi di lavoro e le pipeline di dati. ### 17. Strumento di Apprendimento Automatico **Rating:** 4.5/5.0 stars **Reviewed by:** Neeraj J. | Technical Manager, Enterprise (> 1000 dip.) **Reviewed Date:** July 04, 2025 **Cosa Le piace di più di Amazon SageMaker?** Nessun mal di testa con il codice e l'infrastruttura. Gestione completa end-to-end. **Cosa non Le piace di Amazon SageMaker?** Complicazioni di costo e prezzi. La migrazione in un altro cloud è un po' impegnativa. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Auto ML per prototipazione rapida. ### 18. Sfruttare il Potenziale di AWS SageMaker nei Progetti di Data Science **Rating:** 4.5/5.0 stars **Reviewed by:** Muhamamd U. | Individual, Vendita al dettaglio, Piccola impresa (50 o meno dip.) **Reviewed Date:** August 23, 2024 **Cosa Le piace di più di Amazon SageMaker?** È altamente scalabile, molto potente dal punto di vista computazionale, ben integrato con la maggior parte dei data warehouse e data lake dei fornitori, e può essere accessibile nel browser. **Cosa non Le piace di Amazon SageMaker?** Faccio fatica a fare una stima del calcolo del prezzo. Anche se esiste uno strumento chiamato calcolatore di prezzi AWS, l'elenco delle configurazioni disponibili non mostra il numero di configurazioni che puoi selezionare durante l'impostazione delle istanze di Studio e Notebook dello strumento. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Uso AWS SageMaker quotidianamente per progetti di data science, dove le istanze di Studio e Notebook sono principalmente utilizzate come ambiente di sviluppo principale. Ora, ciò che rende questo strumento ideale, grazie al fatto di essere nel cloud, è che puoi lavorare con grandi volumi di dati con la possibilità di scalare e avere più risorse secondo necessità con un semplice clic. ### 19. L'infrastruttura è curata **Rating:** 5.0/5.0 stars **Reviewed by:** Krishna K. | Senior Consultant, Piccola impresa (50 o meno dip.) **Reviewed Date:** August 01, 2024 **Cosa Le piace di più di Amazon SageMaker?** Fornitura di algoritmi e framework integrati. Molte volte, è il dato che causa problemi con le previsioni. Quando abbiamo ottenuto i dati corretti, le previsioni basate sugli algoritmi integrati hanno fatto un ottimo lavoro nelle tecniche lineari, logistiche e di classificazione. Collaborativo con altri data scientist. È facile integrarsi con altri sistemi correlati come Salesforce quando abbiamo i nostri dati nei bucket S3 e il supporto clienti è molto reattivo. **Cosa non Le piace di Amazon SageMaker?** Sebbene stiamo ottenendo capacità di calcolo a costi ragionevoli, l'onere della responsabilità di eseguire il modello grande ricade sugli utenti. Quando eseguono modelli più grandi solo per testarli, si attraggono costi aggiuntivi. Sebbene Sagemaker sia facile da usare, la responsabilità della gestione dei costi ricade sugli utenti. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Etichettatura e preparazione dei dati, notebook per lo sviluppo ### 20. Recensione di Amazon SageMaker **Rating:** 5.0/5.0 stars **Reviewed by:** Gourav J. | Machine Learning Engineer, Mid-Market (51-1000 dip.) **Reviewed Date:** June 10, 2023 **Cosa Le piace di più di Amazon SageMaker?** Sto usando esclusivamente Amazon SageMaker sia per uso professionale che personale. La varietà di applicazioni lo rende utile quando si lavora su compiti di machine learning. Le funzionalità di training e canvas che ho utilizzato da un po' di tempo rendono i miei compiti di ML più veloci e produttivi. **Cosa non Le piace di Amazon SageMaker?** Amazon SageMaker è una piattaforma eccellente per i compiti di machine learning, tutte le funzionalità e le applicazioni sono davvero facili da usare. La caratteristica che necessita di attenzione è la prova gratuita offerta, che non è sufficiente, e Amazon dovrebbe fornire anche l'accesso alla GPU. A parte questo, è una grande piattaforma online per il machine learning. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Sono un data scientist e la maggior parte del mio lavoro si basa sulla ricerca e sviluppo di modelli di machine learning. Lo strumento fornito da SageMaker è davvero utile per me nelle attività quotidiane come l'addestramento, le inferenze e il deployment. ### 21. Non eccezionale con il modello di input immagine **Rating:** 3.0/5.0 stars **Reviewed by:** Femina B. | Freelancer, Piccola impresa (50 o meno dip.) **Reviewed Date:** June 07, 2023 **Cosa Le piace di più di Amazon SageMaker?** mi piace come funziona meravigliosamente basato su dati numerici o dati di testo. ho provato a lavorarci insieme ad altri prodotti aws come aws lambda e aws api gateway. e i documenti o gli esempi sono anche buoni per esso **Cosa non Le piace di Amazon SageMaker?** volevo lavorare sul passaggio di un'immagine o di un input video e ottenere l'output dell'immagine da esso, ma non è stato davvero utile poiché prende i dati in formato Excel e poi dobbiamo salvarli in un bucket S3. Recupera i dati da esso, ma non sono sicuro di come passare un'immagine in esso. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Amazon è eccezionale con progetti di data science come la similarità coseno e altri progetti simili per quanto ho lavorato su di esso e mi ha beneficiato anche i progetti di esempio allegati sono fantastici. Sicuramente ci lavorerò in futuro, inoltre abbiamo accesso per cambiare la GPU ogni volta che ne abbiamo bisogno, quindi è un altro ottimo servizio. ### 22. Completa AWS basato su AI ML Studio **Rating:** 4.0/5.0 stars **Reviewed by:** Avineet A. | Sr. Cloud Architect, Mid-Market (51-1000 dip.) **Reviewed Date:** October 10, 2023 **Cosa Le piace di più di Amazon SageMaker?** Capacità di implementare funzionalità di AI e ML e sfruttare modelli di ML esistenti. Capacità di integrare pipeline CI/CD per MLOps. **Cosa non Le piace di Amazon SageMaker?** L'interfaccia utente potrebbe essere meno ingombrante e più controllata, deve essere più simile a quella del web. Al momento sembra e si percepisce come uno strumento client ospitato sul web. CI CD può essere più autogestito. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Implementa soluzioni AI e ML personalizzate e pronte all'uso da AWS e rendile soluzioni basate su cloud che consentono una rapida collaborazione e modelli di base eccellenti che sono supportati. ### 23. Vantaggi di Amazon Sagemaker **Rating:** 5.0/5.0 stars **Reviewed by:** Shyam P. | Engineer - Data Scientist, Mid-Market (51-1000 dip.) **Reviewed Date:** June 13, 2023 **Cosa Le piace di più di Amazon SageMaker?** Mi piace la creazione dell'endpoint che può inferire il nostro modello tramite la funzione lambda. Insieme a Sagemaker ho usato anche API Gateway per utilizzare il modello in un ambiente locale. **Cosa non Le piace di Amazon SageMaker?** Quando ho usato Sagemaker per il rilevamento di oggetti con PyTorch, non accettava l'immagine e dovevo ridimensionarla prima di passarla al modello. Ma in locale funzionava anche senza ridimensionare l'immagine. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Può costruire il modello e può essere inferito dopo la creazione dell'endpoint e successivamente l'ulteriore elaborazione può essere eseguita tramite la funzione lambda e il gateway API. ### 24. AWS SageMaker per l'addestramento/distribuzione di sistemi di raccomandazione su larga scala **Rating:** 4.5/5.0 stars **Reviewed by:** Utente verificato in Servizi finanziari | Mid-Market (51-1000 dip.) **Reviewed Date:** June 14, 2023 **Cosa Le piace di più di Amazon SageMaker?** SageMaker rende molto facile addestrare e distribuire modelli. L'infrastruttura gestita ci consente di concentrarci sulla logica aziendale senza doverci occupare di cose come la gestione dei cluster, l'autoscaling, ecc. **Cosa non Le piace di Amazon SageMaker?** A volte le cose possono essere un po' troppo complicate da usare. Ad esempio, la funzionalità di trasformazione batch richiede di scrivere contenitori di inferenza separati oltre ai contenitori di inferenza in tempo reale. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** AWS SageMaker ci aiuta a costruire e distribuire sistemi di raccomandazione su larga scala sia in ecosistemi batch offline che online. Siamo molto più produttivi grazie ad AWS SageMaker. ### 25. Molte funzionalità per i flussi di lavoro di ML **Rating:** 4.0/5.0 stars **Reviewed by:** Utente verificato in Software per computer | Enterprise (> 1000 dip.) **Reviewed Date:** April 25, 2023 **Cosa Le piace di più di Amazon SageMaker?** Sagemaker fornisce una piattaforma per eseguire flussi di lavoro di ML ben integrati con altri servizi AWS come S3, Secrets Manager e Lambda, ecc. **Cosa non Le piace di Amazon SageMaker?** L'interfaccia utente di Sagemaker Pipelines è meno intuitiva rispetto ad altri strumenti di orchestrazione di pipeline come Airflow e Azure. Sagemaker Studio e i terminali delle immagini non sono affatto paragonabili a IDE specializzati come IntelliJ per scopi di sviluppo. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** La maggior parte dei nostri flussi di lavoro ML sono orchestrati e programmati all'interno di Sagemaker. ### 26. Lo uso spesso per soluzioni di Data Science **Rating:** 4.0/5.0 stars **Reviewed by:** Debjyoti S. | Lead Data Scientist, Consulenza, Enterprise (> 1000 dip.) **Reviewed Date:** June 16, 2023 **Cosa Le piace di più di Amazon SageMaker?** Aiuta davvero a distribuire le applicazioni più velocemente e in modo molto conveniente. Anche i prezzi sono leggeri sul portafoglio. **Cosa non Le piace di Amazon SageMaker?** La cosa che non mi piace di Amazon Sagemaker è che dobbiamo ricordare alcuni dei comandi. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Il dispiegamento è molto più facile ### 27. Sagemaker per applicazioni basate su immagini **Rating:** 4.5/5.0 stars **Reviewed by:** Imrankhan A. | Senior software engineer, Tecnologia dell'informazione e servizi, Mid-Market (51-1000 dip.) **Reviewed Date:** June 14, 2023 **Cosa Le piace di più di Amazon SageMaker?** In Sagemaker possiamo avere alcuni modelli di base e possiamo creare modelli di intelligenza artificiale complessi e addestrarli e testarli senza problemi. **Cosa non Le piace di Amazon SageMaker?** Sagemaker non dispone di dati estesi per le immagini. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Previsione dei livelli di emissioni futuri ### 28. Affidabilità e Notorietà **Rating:** 5.0/5.0 stars **Reviewed by:** Akpovi Ludovic A. | General Manager, Piccola impresa (50 o meno dip.) **Reviewed Date:** December 08, 2022 **Cosa Le piace di più di Amazon SageMaker?** Amazon SageMaker è ampiamente presente in tutto il mondo con un'assistenza tecnica notevole. Eccellente conoscenza e dettagli dei prodotti e il miglior monitoraggio delle spedizioni. **Cosa non Le piace di Amazon SageMaker?** Restrizioni di destinazione per alcuni prodotti di cui non conosco le ragioni. Ma questi avvertimenti sono istruttivi per non perdere i propri soldi. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Amazon SageMaker mi permette di discutere in tempo reale e di avere consigli sui prodotti e modalità di pagamento flessibili con le Gift Card e bonifici bancari. Rapidità, efficienza e affidabilità delle transazioni. ### 29. Può migliorare il processo di distribuzione **Rating:** 3.0/5.0 stars **Reviewed by:** Utente verificato in Software per computer | Mid-Market (51-1000 dip.) **Reviewed Date:** June 14, 2023 **Cosa Le piace di più di Amazon SageMaker?** A differenza di GCP, è un po' meglio da usare secondo il mio punto di vista. **Cosa non Le piace di Amazon SageMaker?** Quando si tratta di distribuire i propri algoritmi, è un po' più difficile rispetto ad Azure. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Creazione di un modello di apprendimento automatico ### 30. Utilizzando istanze AWS per il suo calcolo **Rating:** 3.0/5.0 stars **Reviewed by:** Utente verificato in Petrolio ed energia | Enterprise (> 1000 dip.) **Reviewed Date:** May 06, 2023 **Cosa Le piace di più di Amazon SageMaker?** Ha istanze con opzioni GPU tra cui scegliere **Cosa non Le piace di Amazon SageMaker?** Ci vuole molto tempo per avviarsi e impostare un ambiente virtuale all'interno di Sagemaker è quasi impossibile. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Sta permettendo una maggiore potenza di calcolo e istanze per addestrare modelli di apprendimento automatico ### 31. Addestramento, test e distribuzione più semplici dei modelli ML **Rating:** 4.0/5.0 stars **Reviewed by:** Utente verificato in Tecnologia dell'informazione e servizi | Mid-Market (51-1000 dip.) **Reviewed Date:** June 21, 2022 **Cosa Le piace di più di Amazon SageMaker?** Offre molti modelli di deep learning e ML preaddestrati che riducono drasticamente il tempo dei piccoli progetti. È facile da usare per la prima volta e non richiede conoscenze pregresse. È il migliore per distribuire modelli con semplicità. **Cosa non Le piace di Amazon SageMaker?** È davvero piuttosto costoso, soprattutto per i grandi progetti che richiederanno più tempo di esecuzione. Non lascia molto spazio per la personalizzazione poiché ha un flusso di lavoro prestabilito con poca flessibilità. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Sta aiutando a rendere il ML più veloce, più facile e più accessibile e aiuta anche con il deployment dei modelli. L'ho usato per diversi progetti di rilevamento di oggetti ML così come per il deployment dei modelli. ### 32. Amazon Sagemaker è molto facile da usare **Rating:** 5.0/5.0 stars **Reviewed by:** Manju S. | Data Labeling Specialist, Enterprise (> 1000 dip.) **Reviewed Date:** April 21, 2022 **Cosa Le piace di più di Amazon SageMaker?** Sagemaker era molto facile da usare e l'interfaccia era intuitiva. **Cosa non Le piace di Amazon SageMaker?** Non c'era accesso per l'utente per controllare le sue statistiche giornaliere. L'accesso era limitato. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Addestrare il bot di Airbnb a rispondere agli utenti e risparmiare tempo e sforzi del servizio clienti ### 33. SageMaker per l'apprendimento automatico **Rating:** 5.0/5.0 stars **Reviewed by:** Utente verificato in Software per computer | Piccola impresa (50 o meno dip.) **Reviewed Date:** November 04, 2021 **Cosa Le piace di più di Amazon SageMaker?** Amazon Sagemaker è un servizio gestito per la scienza dei dati. Ci piace SageMaker perché supporta molti algoritmi integrati, utilizziamo soprattutto gli algoritmi di apprendimento lineare per risolvere casi d'uso di manutenzione predittiva. **Cosa non Le piace di Amazon SageMaker?** Abbiamo notato, come startup, quando siamo principianti. Se non riusciamo a fermare l'endpoint di SageMaker non utilizzato, questo porterà a bollette enormi. Forse cercare una soluzione migliore per risolvere questo problema. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** utilizziamo soprattutto algoritmi di apprendimento lineare per risolvere casi d'uso di manutenzione predittiva e stiamo anche usando Sagemaker Neo per compilare modelli di machine learning addestrati con Sagemaker. ### 34. AWS Sagemaker per un facile deployment **Rating:** 5.0/5.0 stars **Reviewed by:** Utente verificato in Software per computer | Piccola impresa (50 o meno dip.) **Reviewed Date:** June 11, 2020 **Cosa Le piace di più di Amazon SageMaker?** Possiamo costruire, addestrare e distribuire modelli di apprendimento automatico rapidamente e facilmente a qualsiasi scala. **Cosa non Le piace di Amazon SageMaker?** Tutte le funzionalità sono buone nel machine learning di Amazon Sagemaker **Raccomandazioni per chi sta considerando Amazon SageMaker:** ogni data scientist deve usare sagmaker **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Possiamo costruire, addestrare e distribuire rapidamente modelli di machine learning. Una cosa importante è che possiamo scalare i modelli, cioè, supponiamo che i modelli richiedano più RAM/memoria o impieghino troppo tempo per funzionare; possiamo aumentare rapidamente la memoria. Tutti i modelli saranno nel cloud. ### 35. Uno dei migliori strumenti per distribuire modelli di machine learning **Rating:** 4.5/5.0 stars **Reviewed by:** Utente verificato in Tecnologia dell'informazione e servizi | Piccola impresa (50 o meno dip.) **Reviewed Date:** October 06, 2021 **Cosa Le piace di più di Amazon SageMaker?** AWS Sagemaker è uno dei migliori servizi che può aiutare a supportare i data scientist e facilita gli sviluppatori a costruire, addestrare e distribuire modelli di machine learning rapidamente e facilmente, a qualsiasi scala e in qualsiasi momento. **Cosa non Le piace di Amazon SageMaker?** Il servizio non è facile da imparare. Devi prima formarti e certificarti. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Aiutare le persone ad adottare il cambiamento e distribuire modelli di apprendimento automatico su diversi parametri. ### 36. Eccellente servizio per il viaggio end-to-end di ML per un piccolo team **Rating:** 4.0/5.0 stars **Reviewed by:** Vineet J. | Data Science Manager, Enterprise (> 1000 dip.) **Reviewed Date:** June 19, 2020 **Cosa Le piace di più di Amazon SageMaker?** 1. Auto-scalatura dell'infrastruttura 2. Versionamento del modello e dell'addestramento pronto all'uso 3. Ottima integrazione con l'ecosistema AWS 4. Monitoraggio e debug facili 5. Supporto per algoritmi personalizzati con algoritmi pronti all'uso 6. Supporto per Multi Model Server 7. Ottimo supporto per piccoli team dove non abbiamo esperti di infrastruttura e dobbiamo solo concentrarci sul Machine Learning 8. Ottimo supporto su AWS CLI **Cosa non Le piace di Amazon SageMaker?** 1. Documentazione molto scarsa 2. Vengono utilizzati solo componenti AWS come S3 per i dati, ECR per Docker ecc. 3. Costo molto elevato per gli endpoint anche quando non sono in uso 4. Non adatto per team dove abbiamo esperti di infrastruttura, dando meno controllo sull'infrastruttura sottostante **Raccomandazioni per chi sta considerando Amazon SageMaker:** È davvero molto buono se vuoi concentrarti solo sulla parte di Machine Learning, non sull'infrastruttura. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Lavorando con Sagemaker negli ultimi 2 anni, utilizzato per un sistema di raccomandazione in tempo reale multiplo e intelligenza dei contenuti. ### 37. AWS SageMaker **Rating:** 5.0/5.0 stars **Reviewed by:** Nilden T. | Data Engineer, Enterprise (> 1000 dip.) **Reviewed Date:** June 15, 2021 **Cosa Le piace di più di Amazon SageMaker?** Ottimizzazione degli iperparametri, integrazione con EC2, Previsione e servizi personalizzati e AutoPilot **Cosa non Le piace di Amazon SageMaker?** Fase di distribuzione di un modello di data science **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Uso avanzato del notebook, servizi di ottimizzazione automatica dei parametri iper ### 38. Amazon Sagemaker: Tutto in un unico posto per il data scientist se dedichi tempo ad impararlo **Rating:** 4.0/5.0 stars **Reviewed by:** Ramavtar M. | Senior Software Engineer - ML, Enterprise (> 1000 dip.) **Reviewed Date:** June 19, 2020 **Cosa Le piace di più di Amazon SageMaker?** 1) La flessibilità di distribuire i propri algoritmi utilizzando Docker, che manca in altre grandi piattaforme cloud ML come GCP AI. (Questo è molto utile per la sua integrazione con altri strumenti ML esistenti come MLflow) 2) Supporto per il test A/B dei modelli ML 3) Supporto per l'elaborazione batch 4) Supporto per la pianificazione lambda 5) Un repository GitHub sagemaker molto ben gestito, supportato da blog per fornire tutti gli esempi necessari per iniziare. 6) Supporto per l'apprendimento per rinforzo. 7) Supporto per software di terze parti tramite AWS marketplace. **Cosa non Le piace di Amazon SageMaker?** 1) La documentazione/supporto molto poco chiara per il monitoraggio dei modelli dopo il deployment su endpoint Sagemaker. 2) Troppi API per fare la stessa cosa. Questo potrebbe confondere l'utente nel trovare quale sia il modo migliore. 3) L'interfaccia utente può essere migliorata. 4) La gestione dei progetti e la funzione di aggiunta di collaboratori mancano o non sono direttamente supportate. 6) Il tracciamento dei log tramite Cloudwatch può essere gestito meglio. 7) Dovrebbe fornire una soluzione di gestione del workflow pronta all'uso come Airflow. **Raccomandazioni per chi sta considerando Amazon SageMaker:** Ho trovato Amazon Sagemaker migliore di GCP AI e IBM Watson per il mio caso d'uso. Era principalmente legato al supporto per algoritmi personalizzati. Per quanto riguarda gli algoritmi esistenti come la regressione lineare, XGBoost e il deep learning, tutte le soluzioni disponibili sono più o meno comparabili. Inoltre, il supporto per i test A/B dei modelli di ML può essere una considerazione molto utile. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Problemi risolti nel deployment dei modelli di ML. Il supporto integrato per l'autoscaling e i test A/B si è rivelato vantaggioso per i casi d'uso. ### 39. Formazione al Deployment: Tutto in un unico posto **Rating:** 4.0/5.0 stars **Reviewed by:** Judy T. | Mid-Market (51-1000 dip.) **Reviewed Date:** June 18, 2020 **Cosa Le piace di più di Amazon SageMaker?** Sagemaker ti permette di costruire, addestrare e distribuire i tuoi modelli tutto in un unico posto. Mi piace come ti permette di scegliere diversi tipi di macchine per ogni fase dello sviluppo in modo che nessuna risorsa venga sprecata. Sagemaker supporta anche l'addestramento distribuito. Ho usato Sagemaker per costruire, addestrare e distribuire modelli di deep learning utilizzando PyTorch, Tensorflow e Keras. Fornisce molti ambienti conda personalizzati per supportare lo sviluppo con qualsiasi framework, come p36, p32 ecc. Le istanze di Sagemaker vengono pre-caricate con alcuni notebook di esempio. C'è anche un ampio repository di materiali disponibili per aiutarti a iniziare. **Cosa non Le piace di Amazon SageMaker?** È un po' costoso e l'interfaccia utente non ti dice esattamente se hai istanze inutilizzate o modelli distribuiti in giro, a differenza dell'equivalente di GCP. Amazon ti sorprende con bollette inaspettate se non stai attento. È un po' difficile iniziare poiché la creazione dell'utente rispetto alla creazione dell'istanza ti confonde un po'. Appena clicchi su anteprima, Amazon ti indirizza alla parte di creazione dell'utente e hai un sacco di configurazioni non necessarie quando probabilmente tutto ciò di cui hai bisogno è creare una singola istanza di notebook. **Raccomandazioni per chi sta considerando Amazon SageMaker:** Attento al conto. Non lasciare le istanze in esecuzione durante la notte. Ti sveglierai con una brutta sorpresa. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Ho usato Sagemaker per costruire PoC ed è perfetto per il mio caso d'uso. Posso costruire, addestrare e distribuire i miei modelli tutto in un unico posto utilizzando i tipi di istanza ottimali. Sagemaker fornisce anche supporto pronto all'uso per molti algoritmi di machine learning, quindi a volte è plug and play. ### 40. Eccellente prodotto per il Machine Learning end-to-end **Rating:** 4.5/5.0 stars **Reviewed by:** Vaibhav S. | Enterprise (> 1000 dip.) **Reviewed Date:** June 22, 2020 **Cosa Le piace di più di Amazon SageMaker?** Distribuzione facile di modelli ML come endpoint HTTP. **Cosa non Le piace di Amazon SageMaker?** Non c'è abbastanza documentazione disponibile sulle ultime funzionalità come Batch Transform **Raccomandazioni per chi sta considerando Amazon SageMaker:** Uno dei migliori strumenti per il Machine Learning end-to-end **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Utilizzando Sagemaker per costruire un modello xgboost. La sua interfaccia utente è molto ben strutturata e offre supporto per quasi tutti i modelli di machine learning e i pacchetti Python. ### 41. Il miglior strumento AutoML disponibile nell'era attuale **Rating:** 4.5/5.0 stars **Reviewed by:** Utente verificato in Ospedali e assistenza sanitaria | Mid-Market (51-1000 dip.) **Reviewed Date:** September 30, 2019 **Cosa Le piace di più di Amazon SageMaker?** puoi integrare con facilità con l'ecosistema AWS, una delle migliori caratteristiche di Amazon SageMaker. Inoltre, verrai addebitato in base al tuo utilizzo. Ha un notebook Jupyter che facilita l'efficienza degli sviluppatori ed è anche molto scalabile e la personalizzazione è disponibile a portata di mano. Tutti gli algoritmi di apprendimento automatico sono ben definiti e comprensibili e qualsiasi ingegnere di apprendimento automatico con esperienza minima può riuscire a lavorare con SageMaker. La maggior parte delle librerie di apprendimento automatico e apprendimento profondo sono supportate. **Cosa non Le piace di Amazon SageMaker?** Richiede una buona conoscenza della programmazione per usarlo. Se non hai alcuna esperienza precedente di programmazione o di linguaggi di programmazione, potresti trovarlo difficile da usare. Mancano funzionalità come il drag and drop, che sono disponibili con altri strumenti. Su un dataset più grande, a volte richiede più tempo del previsto. **Raccomandazioni per chi sta considerando Amazon SageMaker:** Consiglierei a quelle persone che hanno una buona conoscenza della programmazione e vogliono sviluppare autoML e personalizzarlo. Ogni ingegnere ML deve provarlo almeno una volta. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Stiamo utilizzando Amazon SageMaker per costruire modelli sui dati sanitari. Facendo questo possiamo avere una soluzione adeguata per i nostri problemi, così possiamo approfondire il processo di analisi dei dati e finalizzare l'approccio. Stiamo utilizzando i possibili strumenti dell'ecosistema Amazon per facilitare il nostro lavoro e completarlo entro un tempo prestabilito. ### 42. Sage maker è uno strumento eccellente, possiamo facilmente creare i nostri modelli di ML **Rating:** 5.0/5.0 stars **Reviewed by:** Utente verificato in Petrolio ed energia | Mid-Market (51-1000 dip.) **Reviewed Date:** June 11, 2020 **Cosa Le piace di più di Amazon SageMaker?** Il migliore è questa piattaforma di apprendimento automatico online, molto facile da capire e formare per gli sviluppatori, è così facile implementare tutti i nostri modelli di apprendimento automatico, si può fare facilmente senza molta esperienza. **Cosa non Le piace di Amazon SageMaker?** Credo che tutto vada bene, potrebbe essere necessario migliorare un po' l'esperienza dell'interfaccia utente. Tutto il resto va bene. **Raccomandazioni per chi sta considerando Amazon SageMaker:** Continua così, continua ad andare avanti, ci piace il prodotto **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Usiamo SageMaker per eseguire algoritmi e creare modelli di machine learning per l'analisi aziendale, può aiutare a prevedere il comportamento dei clienti. ### 43. Sagemaker è un ottimo strumento di ML da utilizzare nel mondo degli affari **Rating:** 4.0/5.0 stars **Reviewed by:** Utente verificato in Ricerca | Piccola impresa (50 o meno dip.) **Reviewed Date:** June 19, 2020 **Cosa Le piace di più di Amazon SageMaker?** La semplicità complessiva che offre come strumento. **Cosa non Le piace di Amazon SageMaker?** La verità è che non ho trovato nulla di negativo per ora. **Raccomandazioni per chi sta considerando Amazon SageMaker:** Se decidi di utilizzare Sagemaker per portare i prodotti di machine learning in produzione, ti entusiasmerai davvero per la facilità d'uso. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Distribuiamo modelli di machine learning in AWS utilizzando SageMaker. I semplici passaggi di distribuzione probabilmente rendono SageMaker una scelta così popolare. ### 44. Sagemaker è utile per una pipeline ML end-to-end **Rating:** 4.5/5.0 stars **Reviewed by:** Utente verificato in Tecnologia dell'informazione e servizi | Enterprise (> 1000 dip.) **Reviewed Date:** June 10, 2020 **Cosa Le piace di più di Amazon SageMaker?** Mi piace il concetto di avere un'infrastruttura in cui puoi addestrare il modello e distribuirlo al pubblico senza problemi. **Cosa non Le piace di Amazon SageMaker?** Sento che potrebbero esserci più risorse utili disponibili per iniziare che aiuterebbero. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Non sto affrontando alcun problema, solo voglio imparare di più su come avviene la registrazione dei log con CloudWatch. ### 45. È vivo **Rating:** 1.0/5.0 stars **Reviewed by:** Utente verificato in Servizi informativi | Piccola impresa (50 o meno dip.) **Reviewed Date:** June 18, 2020 **Cosa Le piace di più di Amazon SageMaker?** Mi piace l'ambiente AWS e l'accesso automatizzato ai notebook Jupyter. **Cosa non Le piace di Amazon SageMaker?** Limita il modo in cui sono disposto a fare il mio lavoro. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Principalmente addestrando nuovi modelli. ### 46. Facile da addestrare e distribuire il modello di Machine Learning **Rating:** 4.0/5.0 stars **Reviewed by:** Vivek A. | Web Application Developer, Software per computer, Mid-Market (51-1000 dip.) **Reviewed Date:** September 05, 2018 **Cosa Le piace di più di Amazon SageMaker?** Ho lavorato con DeepLens di AWS per varie applicazioni di riconoscimento facciale. È molto facile da usare e configurare. Non hai bisogno della tua macchina NVIDIA per addestrare il modello. Se hai più dati e hai bisogno di una macchina potente per l'addestramento. Basta aggiornare il tuo cloud e iniziare l'addestramento. **Cosa non Le piace di Amazon SageMaker?** A volte AWS non esplicita alcune delle configurazioni, devi essere familiare con AWS. Ci sono pochissime buone risorse per questo. La nostra azienda riceve un po' di aiuto dal marketing developer di AWS. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Stiamo cercando di risolvere il problema dell'attenzione degli studenti in classe e, se non prestano attenzione, quali sono le ragioni dietro a ciò. Se riusciamo a risolvere il problema, possiamo aumentare l'interesse degli studenti nella materia, il che aiuta direttamente lo studente nella sua carriera e nella vita. ### 47. Apprendimento Automatico! **Rating:** 5.0/5.0 stars **Reviewed by:** maría jose g. | Software Developer, Piccola impresa (50 o meno dip.) **Reviewed Date:** June 22, 2018 **Cosa Le piace di più di Amazon SageMaker?** Amo questa piattaforma perché è così semplice, mi permette come sviluppatore di creare dati in modo semplice. Non devo lavorare in modo tedioso implementando algoritmi perché mi fornisce tutto, è così semplice che mi risparmia molte ore di lavoro. Con essa posso implementare persino il mio framework senza alcun problema, posso anche avere notebook e connettermi direttamente in S3. Per poter verificare se il modello che ho generato mi piace, posso fare test A/B integrati e in questo modo ottengo risultati migliori e successo in ciò che cerco. La sua semplicità mi ha permesso di lavorare in modo molto efficiente e molto rapidamente, acquisendo lavori e modelli molto completi e di successo. **Cosa non Le piace di Amazon SageMaker?** per i principianti che desiderano utilizzare questa piattaforma, l'unico svantaggio è che richiede pagamenti molto elevati perché questa piattaforma implementa il calcolo GPU per fornire un migliore addestramento della GPU, il che le rende più veloci **Raccomandazioni per chi sta considerando Amazon SageMaker:** è una grande piattaforma, la consiglio, ma all'inizio genera molte spese che puoi recuperare man mano che la implementi nella tua attività **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Amazon SageMaker mi offre un accesso più facile ad altri noti framework di apprendimento, gestendo l'infrastruttura per la creazione, l'addestramento e la distribuzione dei miei modelli di lavoro, poiché posso valutare e implementare modelli in modo flessibile ed efficiente in modo molto semplice. ### 48. ML/AI con AWS SageMaker **Rating:** 4.5/5.0 stars **Reviewed by:** Alvaro I. | Director of Web Development, Mid-Market (51-1000 dip.) **Reviewed Date:** June 20, 2018 **Cosa Le piace di più di Amazon SageMaker?** - Molti esempi di casi d'uso di Amazon in cui utilizzerai questo tipo di strumenti - La configurazione per il tuo ambiente è super facile - L'SDK è semplice da usare **Cosa non Le piace di Amazon SageMaker?** - Poiché è "nuovo", non troverai molto su Internet a riguardo. - Penso che sarebbe molto utile avere altri linguaggi nel Development Kit oltre a Sparks e Python (probabilmente ruby o java o anche javascript) **Raccomandazioni per chi sta considerando Amazon SageMaker:** Impara Python **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** In questa fase lo stiamo testando con una rotazione dei parcheggi all'interno dei nostri uffici aziendali, è più di un'app di tipo Proof of Concept, che mi ha aiutato a comprendere appieno i concetti e l'utilità di questo strumento. Se stai pianificando di iniziare a esplorare il mondo del Machine Learning e dell'intelligenza artificiale, questo potrebbe essere il modo migliore per iniziare. Ovviamente dovrai capire come programmare, ma se hai familiarità con Python sarà sufficiente. ### 49. La mia esperienza con questo software è stata buona. **Rating:** 4.0/5.0 stars **Reviewed by:** Saransh D. | Graduate Research Assistant, Istruzione superiore, Enterprise (> 1000 dip.) **Reviewed Date:** June 29, 2018 **Cosa Le piace di più di Amazon SageMaker?** Ha abbastanza spazio per persone esperte così come per coloro che hanno solo bisogno di fare le cose senza approfondire troppo nella costruzione di modelli. Fornisce una personalizzazione facile ed efficiente che è facile da modificare e cambiare. Se si sta già utilizzando Amazon, non c'è bisogno di fare una transizione. Ci sono molti esempi disponibili con cui lavorare. **Cosa non Le piace di Amazon SageMaker?** Gli algoritmi ci sono e possono essere implementati con facilità, ma l'utente ha bisogno di una descrizione migliore su dove si trovano, in modo da poterli trovare più facilmente. Dovrebbero esserci alcune opzioni che rendano questo software adatto ai dispositivi mobili. Poiché si tratta di un nuovo software, non c'è molta documentazione disponibile per questo software. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Mi aiuta a capire come funzionano i diversi framework di apprendimento e mi aiuta a implementare meglio i miei algoritmi di apprendimento. ### 50. il migliore se sei nell'ecosistema **Rating:** 4.5/5.0 stars **Reviewed by:** Anil Sai B. | Data Engineer, Enterprise (> 1000 dip.) **Reviewed Date:** October 06, 2018 **Cosa Le piace di più di Amazon SageMaker?** Amo i servizi AWS e questo non è diverso. Siamo molto nel mondo AWS, quindi distribuire modelli usando Sagemaker è senza soluzione di continuità. La facilità di costruire e addestrare modelli è sicuramente un vantaggio. **Cosa non Le piace di Amazon SageMaker?** Manca ancora una vasta libreria di modelli addestrati come TensorFlow, ma sono sicuro che ci arriverà. **Quali problemi sta risolvendo Amazon SageMaker e in che modo La sta aiutando?** Lo usiamo per distribuire modelli nella pipeline dei dati per le previsioni sui dati. ## Amazon SageMaker Discussions - [Qual è il modo migliore per integrare i modelli Sagemaker con Kubernetes?](https://www.g2.com/it/discussions/28784-what-is-the-best-way-to-integrate-sagemaker-models-with-kubernetes) - 1 comment - [Come faccio a far raggiungere questa piattaforma alla maggior parte dei miei sviluppatori?](https://www.g2.com/it/discussions/27976-how-do-i-make-this-platform-reach-to-most-of-my-developers) - 1 comment - [View Amazon SageMaker pricing details and edition comparison](https://www.g2.com/it/products/amazon-sagemaker/reviews?section=pricing&secure%5Bexpires_at%5D=2026-06-17+03%3A21%3A40+-0500&secure%5Bsession_id%5D=0dbcca7c-571a-40b0-b194-d5011e92b203&secure%5Btoken%5D=01c82f6b558c184885f874313499209abfd76850f13f6daa66a7ec0225e6bb96&format=llm_user) ## Amazon SageMaker Integrations - [Amazon S3 Glacier](https://www.g2.com/it/products/amazon-s3-glacier/reviews) - [AWS Amplify](https://www.g2.com/it/products/aws-amplify/reviews) - [AWS Glue](https://www.g2.com/it/products/aws-glue/reviews) - [GitLab](https://www.g2.com/it/products/gitlab/reviews) ## Amazon SageMaker Features **Distribuzione** - Flessibilità linguistica - Flessibilità del Framework - Versionamento - Facilità di distribuzione - Scalabilità **Sistema** - Ingestione e Manipolazione dei Dati **Distribuzione** - Flessibilità linguistica - Flessibilità del Framework - Versionamento - Facilità di distribuzione - Scalabilità **Scalabilità e Prestazioni - Infrastruttura di Intelligenza Artificiale Generativa** - Alta Disponibilità AI - Scalabilità dell'addestramento dei modelli di intelligenza artificiale - Velocità di inferenza dell'IA **Ingestione e Preparazione dei Dati - Piattaforme di Machine Learning a Basso Codice** - Profilazione automatica dei dati e valutazione della qualità - Supporto per connettori multi-sorgente - Rilevamento del cambiamento / Deriva dello schema **Sviluppo del Modello** - Supporto Linguistico - Trascina e Rilascia - Algoritmi Pre-Costruiti - Addestramento del modello **Gestione** - Catalogazione - Monitoraggio - Governare - Registro Modelli **Sviluppo del modello** - Ingegneria delle caratteristiche **Operazioni** - Metriche - Gestione delle infrastrutture - Collaborazione **Costo ed Efficienza - Infrastruttura di AI Generativa** - Costo dell'AI per chiamata API - Flessibilità nell'allocazione delle risorse AI - Efficienza Energetica dell'IA **Costruzione di Modelli e Automazione - Piattaforme di Machine Learning a Basso Codice** - Algoritmo Guidato & Raccomandazione di Iperparametri - Estensibilità del Codice - Ingegneria delle Caratteristiche Automatizzata **Servizi di Machine/Deep Learning** - Visione artificiale - Elaborazione del Linguaggio Naturale - Generazione del Linguaggio Naturale - Reti Neurali Artificiali **Servizi di Machine/Deep Learning** - Comprensione del linguaggio naturale - Apprendimento Profondo **Gestione** - Catalogazione - Monitoraggio - Governare **Integrazione ed Estensibilità - Infrastruttura di AI Generativa** - Supporto multi-cloud AI - Integrazione della pipeline di dati AI - Supporto e Flessibilità dell'API AI **Distribuzione** - Servizio gestito - Applicazione - Scalabilità **Intelligenza Artificiale Generativa** - Generazione di Testo AI - Riassunto del testo AI **Sicurezza e Conformità - Infrastruttura di Intelligenza Artificiale Generativa** - Conformità normativa e GDPR per l'IA - Controllo degli accessi basato sui ruoli AI - Crittografia dei dati AI **Intelligenza Artificiale Generativa** - Generazione di Testo AI - Riassunto del testo AI - Testo-a-Immagine AI **Usabilità e Supporto - Infrastruttura di AI Generativa** - Qualità della documentazione AI - Attività della Comunità AI **Agentic AI - Piattaforme di Scienza dei Dati e Apprendimento Automatico** - Esecuzione autonoma dei compiti - Pianificazione a più fasi - Integrazione tra sistemi - Apprendimento Adattivo - Interazione in Linguaggio Naturale - Assistenza Proattiva - Prendere decisioni ## Top Amazon SageMaker Alternatives - [Gemini Enterprise Agent Platform](https://www.g2.com/it/products/gemini-enterprise-agent-platform/reviews) - 4.3/5.0 (652 reviews) - [Dataiku](https://www.g2.com/it/products/dataiku/reviews) - 4.4/5.0 (191 reviews) - [Azure Machine Learning](https://www.g2.com/it/products/microsoft-azure-machine-learning/reviews) - 4.3/5.0 (87 reviews)