Recensioni e Dettagli del Prodotto MLJAR

Il tempo risparmiato utilizzando applicazioni di ML automatico e la capacità del model stacking di costruire sistemi di ML più accurati agisce come un miglioramento per i data scientist esistenti. Recensione raccolta e ospitata su G2.com.

Non vedo svantaggi nella tecnologia secondo la mia opinione personale, ma credo che esista un'opinione contraria su come l'uso di tale tecnologia potrebbe un giorno finire per sostituire gli attuali data scientist di machine learning.

Ma se devo indicarne uno, direi che durante il mio lavoro ho visto che l'imprecisione è il problema più grande con gli strumenti di ML della generazione attuale. Recensione raccolta e ospitata su G2.com.

MLJAR è uno dei migliori pacchetti Python che ho usato finora per il machine learning. Il software è facile da installare e molto utile per sviluppare nuovi moduli. Addestrare il modello su più algoritmi è davvero facile con esso, e il risultato è solitamente accurato, risparmiando così molto tempo nell'addestramento e nel rieseguire il modello con diversi set di dati in caso di errore. Recensione raccolta e ospitata su G2.com.

Finora il prodotto ha funzionato perfettamente per noi, niente di particolare da non gradire, tuttavia più pacchetti per il prodotto sarebbero molto apprezzabili. Recensione raccolta e ospitata su G2.com.

La funzione AutoML è molto facile da usare e ha una sintassi simile al modulo sklearn e il report dopo è spiegato molto bene. Anche se sono nuovo di AutoML, ho usato H2O, ma questo è molto più semplice poiché ha una sintassi molto più semplice e i risultati sono migliori di sklearn e leggermente migliori di H2O. Recensione raccolta e ospitata su G2.com.

Il mio unico disappunto è che ha solo algoritmi supervisionati, mentre la popolarità degli algoritmi di apprendimento non supervisionato sta crescendo perché la maggior parte dei dati è non supervisionata. Recensione raccolta e ospitata su G2.com.

MLJAR supporta un'ampia gamma di algoritmi per la classificazione insieme al supporto di una moltitudine di funzionalità per ottenere una migliore comprensione dei dati attraverso la selezione automatica delle metriche e l'ingegneria delle caratteristiche. Recensione raccolta e ospitata su G2.com.

MLJAR è ancora in evoluzione e deve tenere il passo con i nuovi progressi nella scienza delle tecniche e procedure di apprendimento automatico affinché i risultati del suo trattamento dei dati siano più intuitivi e applicabili. Recensione raccolta e ospitata su G2.com.

La cosa migliore di questo pacchetto è la facilità con cui si può condividere il notebook e permette ad altri di eseguire i parametri del notebook e di scaricare facilmente il notebook eseguito come file HTML o PDF. Recensione raccolta e ospitata su G2.com.

La cosa che non mi piace del pacchetto è che l'interfaccia grafica di questo.

Può essere più user-friendly da usare e aiutare le persone a comprendere il machine learning.

È difficile da importare in Python. Recensione raccolta e ospitata su G2.com.

Il principale vantaggio di MLJAR è la produzione di report in markdown dall'addestramento dei modelli. Recensione raccolta e ospitata su G2.com.

La soluzione può rapidamente diventare complessa e difficile da visualizzare. È difficile utilizzare i sistemi di controllo delle versioni perché i notebook hanno codice e output memorizzati insieme nel file del notebook. Recensione raccolta e ospitata su G2.com.

La cosa migliore di MLJAR è che anche chi ha poca o nessuna esperienza di programmazione può usarlo. È facilmente condivisibile e riduce il tempo di sviluppo per i programmatori. Inoltre, i notebook Python possono essere convertiti in app web interattive. Recensione raccolta e ospitata su G2.com.

Anche se MLJAR è un software buono e leggero, potrebbe avere aggiornamenti più rapidamente. Il percorso da principiante ad avanzato può essere più semplificato in modo che tutti si adattino rapidamente al loro ambiente. Recensione raccolta e ospitata su G2.com.

facile scrivere codice - un'interfaccia grafica per la generazione di codice,

facile riutilizzare il codice come applicazione o attività programmata,

facile controllare la versione,

facile costruire applicazioni con GUI,

facile testare. Recensione raccolta e ospitata su G2.com.

Non sono riuscito a trovare alcun difetto. Recensione raccolta e ospitata su G2.com.

Uno dei casi che mi piace è fornire parametri del notebook in formato YAML. Non ho mai sperimentato questo in nessun altro prodotto. Un altro è la pianificazione dell'esecuzione di un notebook. Recensione raccolta e ospitata su G2.com.

Personalmente non sono soddisfatto dell'esperienza utente. Ho utilizzato diverse piattaforme con integrazione ML che sono di gran lunga migliori. L'esperienza utente necessita di alcuni miglioramenti. Recensione raccolta e ospitata su G2.com.

- Risparmia tempo grazie a un pacchetto pronto all'uso. Francamente, risparmia circa il 25% del tempo.

-Aiuta molto nello sviluppo di nuovi moduli

-Facile da installare Recensione raccolta e ospitata su G2.com.

Non c'è nulla che non mi piaccia. L'unico suggerimento che posso fornire è che devono essere aggiunti più pacchetti anche per il prodotto popolare. Recensione raccolta e ospitata su G2.com.