Avaliações e Detalhes do Produto H2O

Excelente suporte para o produto comercial Driverless AI. Iteração rápida. O desempenho é geralmente melhor do que se pode alcançar em código. Análise coletada por e hospedada no G2.com.

Na verdade, nada. A combinação de ferramentas proprietárias e de código aberto, Driverless AI e H2O, fornece ferramentas para uma ampla gama de casos de uso. Análise coletada por e hospedada no G2.com.

A interface web conhecida como flow é realmente fácil de usar. Ela pode ser usada para criar rapidamente modelos de aprendizado de máquina. Análise coletada por e hospedada no G2.com.

O modelo complexo de aprendizado de máquina ajustou-se excessivamente aos dados. Isso é especialmente verdadeiro quando o conjunto de dados é pequeno. Análise coletada por e hospedada no G2.com.

Eles desenvolveram ferramentas de código aberto de alta qualidade, incluindo as famílias H2O-3 e AutoML. Não tenho uma licença para o Driverless AI deles, mas minha experiência com ele através de tutoriais e outras demonstrações tem sido excelente. Devo mencionar que seus esforços para desenvolver frameworks para interpretabilidade de ML são precisos, e seu centro de aprendizado está se configurando como um recurso valioso para a comunidade em geral. As interfaces com R e Python permitem uma transição suave de fluxos de trabalho pré-existentes para o framework H2O. Análise coletada por e hospedada no G2.com.

Um pouco enigmáticas mensagens de depuração no H2O-3. Eles suportam pacotes específicos para manipulação de dados (data.table em R, datatable em Python) por causa da velocidade e da manobrabilidade de grandes volumes de dados, embora muitos usuários possam achar isso limitante. Driverless AI pode não ser acessível para os pequenos no mercado. Análise coletada por e hospedada no G2.com.

Fácil de usar, com bom design de interface e função de ML automatizada. O Driverless AI tem forte capacidade em engenharia de características automática e visualização do sistema. A engenharia de características automática suporta diferentes algoritmos de aprendizado de máquina (Random Forest, Decision Tree, Neural Network, Deep Learning, etc.) e ajuste de parâmetros de características (precisão, tempo, computação do sistema, etc.). O sistema também ajuda o usuário a reduzir tempo e esforços para ajuste de hiperparâmetros e comparar o modelo com diferentes configurações. Isso otimizará o processo e fornecerá o modelo mais eficiente para previsão no domínio de classificação ou regressão. Além disso, o Driverless AI também possui um bom design de interface e visualização. A interface também apoia o usuário final a importar dados rapidamente, visualizar dados em diferentes categorias, bem como verificar o funcionamento e desempenho do sistema durante o processo de Auto ML. O usuário final também pode observar o resumo do experimento e a matriz de precisão, bem como a comparação de modelos em termos de precisão.

Além disso, o Driverless AI também suporta a Interpretação de IA para explicar o modelo e o desempenho. Esta função é muito útil para o usuário final entender a caixa preta do Machine Learning, bem como para a equipe de gestão na tomada de decisões com base em informações extensas. Análise coletada por e hospedada no G2.com.

Seria ótimo se o Driverless AI pudesse suportar a implantação para computação de borda, que é comum no mundo da IoT. A computação de borda exigirá computação eficiente e boa precisão com o algoritmo AutoML. Isso ajudará muito o cliente na implantação. Análise coletada por e hospedada no G2.com.

AutoML é um ótimo produto. Eles têm outros, mas AutoML é o mais impressionante. Análise coletada por e hospedada no G2.com.

Nada, talvez a integração com o Spark pudesse ser melhorada, mas apenas em pequenos detalhes. Análise coletada por e hospedada no G2.com.

h2o oferece um pipeline de aprendizado de máquina bem validado, totalmente automatizado e rigoroso, incluindo interpretação de modelo de última geração, permitindo previsão e inferências. Análise coletada por e hospedada no G2.com.

não tenho nada de que não goste nos produtos da h2o. Análise coletada por e hospedada no G2.com.

A capacidade de experimentar vários modelos com algumas linhas de código é o maior benefício. Análise coletada por e hospedada no G2.com.

H20 faz um bom trabalho na abstração das etapas subjacentes de transformação e ajuste, o que pode ser um pouco desafiador. Análise coletada por e hospedada no G2.com.

Acho mais útil que ele forneça uma interface gráfica para os usuários estimarem quanto tempo o modelo levará para rodar, assim como o medidor de água mostrando como os recursos são utilizados ao longo do processo de modelagem. Análise coletada por e hospedada no G2.com.

H2O Frames têm opções de processamento de dados muito limitadas em comparação com dataframes do python pandas ou pyspark. Se pudermos ter mais manobrabilidade de dados, acho que ajudaria muito. Análise coletada por e hospedada no G2.com.

A melhor parte do H2O.ai é sua facilidade de uso e interface de usuário intuitiva. Análise coletada por e hospedada no G2.com.

Uma desvantagem do H2O.ai é, como acontece com muitos serviços, seus bugs que não retornam declarações de depuração legíveis por humanos. Análise coletada por e hospedada no G2.com.

Interface limpa através do Driverless AI e variedade de análises Análise coletada por e hospedada no G2.com.

Instruções melhores seriam úteis, assim como tutoriais mais claros. Análise coletada por e hospedada no G2.com.