Amazon SageMaker Bewertungen & Produktdetails

Was mir an Amazon SageMaker am besten gefällt, ist die umfassende Unterstützung für den gesamten Lebenszyklus des maschinellen Lernens. Von der Datenvorbereitung und dem Modellaufbau bis hin zum Training, Tuning und der Bereitstellung ist alles nahtlos in eine Plattform integriert. Besonders schätze ich die integrierten Algorithmen, Jupyter-Notebooks und die automatisierte Modelloptimierung (Hyperparameter-Optimierung). Die Möglichkeit, Trainingsjobs einfach zu skalieren und Modelle als vollständig verwaltete Endpunkte mit nur wenigen Klicks oder Codezeilen bereitzustellen, ist ein großer Produktivitätsschub. SageMaker Studio bietet auch eine großartige kollaborative Umgebung für Teams. Bewertung gesammelt von und auf G2.com gehostet.

Während Amazon SageMaker leistungsstark ist, ist ein Nachteil seine Komplexität und die Kosten für Anfänger oder kleine Projekte. Die Lernkurve kann steil sein, insbesondere beim Konfigurieren von Ressourcen, Verwalten von Berechtigungen mit IAM oder Verstehen des Preismodells. Einige Funktionen, wie SageMaker Pipelines oder Studio, können ohne vorherige AWS-Erfahrung überwältigend wirken. Außerdem kann das Debuggen fehlgeschlagener Trainingsjobs oder Bereitstellungen ohne detaillierte Protokolle oder klare Fehlermeldungen herausfordernd sein. Bewertung gesammelt von und auf G2.com gehostet.

Amazon SageMaker unterstützt den gesamten Machine-Learning-Workflow – von der Datenvorbereitung bis zur Modellbereitstellung – an einem Ort.

Wir können Daten einfach laden, sie erkunden, Modelle trainieren und testen, ohne die Werkzeuge wechseln zu müssen.

Ich mag es wirklich, dass SageMaker die Server für uns verwaltet, sodass wir keine Infrastruktur einrichten oder warten müssen.

Es macht auch die Bereitstellung flexibel und einfach. Insgesamt macht es ML-Projekte viel einfacher zu verwalten, besonders wenn man im Team arbeitet. Bewertung gesammelt von und auf G2.com gehostet.

Es kann anfangs schwierig sein zu lernen, besonders für Anfänger. Die Benutzeroberfläche ist manchmal langsam oder nicht sehr flüssig, besonders bei großen Dateien oder beim Wechseln zwischen Tabs. Bewertung gesammelt von und auf G2.com gehostet.

End-to-End, Skalierbarkeit und Flexibilität, Integration mit AWS, Benutzerfreundlichkeit, Modellüberwachung und Debugging Bewertung gesammelt von und auf G2.com gehostet.

Kostenmanagement, schwierig anzupassen oder über die vorgefertigten Funktionen hinauszugehen, Klarheit der Dokumentation, ein gutes Verständnis von ML und AWS ist erforderlich, um die Fähigkeiten voll auszuschöpfen. Bewertung gesammelt von und auf G2.com gehostet.

Was mir an Amazon SageMaker am besten gefällt, ist seine Fähigkeit, den gesamten Lebenszyklus des maschinellen Lernens in einer integrierten Plattform zu verwalten. Es vereinfacht den Modellaufbau, das Training und die Bereitstellung, während es Skalierbarkeit und leistungsstarke Werkzeuge wie SageMaker Studio und automatisierte Modellanpassung bietet. Bewertung gesammelt von und auf G2.com gehostet.

Was ich an Amazon SageMaker nicht mag, ist, dass die Preisgestaltung komplex sein kann und schnell teuer werden kann, insbesondere bei lang andauernden Trainingsjobs oder groß angelegten Bereitstellungen. Außerdem kann die Lernkurve für neue Benutzer, die mit AWS-Diensten und -Konfigurationen nicht vertraut sind, steil sein. Bewertung gesammelt von und auf G2.com gehostet.

Bietet verwaltete Jupyter-Notebooks (SageMaker Studio, Studio Lab), unterstützt beliebte ML-Frameworks (TensorFlow, PyTorch, MXNet) und stellt Werkzeuge für verteiltes Training und Hyperparameter-Optimierung bereit. Bewertung gesammelt von und auf G2.com gehostet.

SageMaker ist teuer, insbesondere für lang andauernde Trainingsjobs, groß angelegte Bereitstellungen oder bei der Nutzung von Hochleistungsinstanzen. Das Pay-as-you-go-Modell kann zu unerwarteten Kosten führen, und die Preisstruktur kann komplex sein, um sie zu verstehen und zu optimieren. Bewertung gesammelt von und auf G2.com gehostet.

Keine Code- und Infrastruktur-Kopfschmerzen. Vollständig verwaltet von Anfang bis Ende. Bewertung gesammelt von und auf G2.com gehostet.

Kostenkomplikationen und Preisgestaltung. Die Migration in eine andere Cloud ist etwas herausfordernd. Bewertung gesammelt von und auf G2.com gehostet.

Es ist hoch skalierbar, sehr rechenstark, sehr gut integriert mit den Datenlagern und Datenseen der meisten Anbieter und kann im Browser aufgerufen werden. Bewertung gesammelt von und auf G2.com gehostet.

Ich kann kaum eine Schätzung der Preiskalkulation abgeben. Obwohl es ein Tool namens AWS Pricing Calculator gibt, zeigt die Liste der verfügbaren Konfigurationen nicht die Anzahl der Konfigurationen, die Sie bei der Einrichtung der Tool Studio- und Notebook-Instanzen auswählen können. Bewertung gesammelt von und auf G2.com gehostet.

Bereitstellung von integrierten Algorithmen und Framework. Oftmals sind es die Daten, die Probleme mit den Vorhersagen verursachen. Wenn wir die Daten richtig hatten, leisteten die Vorhersagen basierend auf den integrierten Algorithmen großartige Arbeit in linearen, logistischen, Klassifikationstechniken. Zusammenarbeit mit anderen Datenwissenschaftlern. Es ist einfach, sich mit anderen verwandten Systemen wie Salesforce zu integrieren, wenn wir unsere Daten in S3-Buckets haben, und der Kundensupport ist sehr reaktionsschnell. Bewertung gesammelt von und auf G2.com gehostet.

Obwohl wir Rechenleistung zu angemessenen Kosten erhalten, liegt die Verantwortung für den Betrieb des großen Modells bei den Nutzern. Wenn sie größere Modelle nur zum Testen ausführen, entstehen zusätzliche Kosten. Obwohl Sagemaker einfach zu bedienen ist, liegt die Kostenmanagementverantwortung bei den Nutzern. Bewertung gesammelt von und auf G2.com gehostet.

Ich nutze ausschließlich Amazon SageMaker sowohl für berufliche als auch für private Zwecke. Die Vielfalt der Anwendungen ist praktisch, wenn man an Aufgaben des maschinellen Lernens arbeitet. Die Trainings- und Canvas-Funktionen, die ich schon seit einiger Zeit nutze, machen meine ML-Aufgaben schneller und produktiver. Bewertung gesammelt von und auf G2.com gehostet.

Amazon SageMaker ist eine großartige Plattform für ML-Aufgaben, alle Funktionen und Anwendungen sind wirklich einfach zu nutzen. Das Merkmal, dem ich Aufmerksamkeit schenken muss, ist die angebotene kostenlose Testversion, die nicht ausreichend ist, und Amazon sollte auch GPU-Zugang bereitstellen. Abgesehen davon ist es eine großartige ML-Online-Plattform. Bewertung gesammelt von und auf G2.com gehostet.

ich mag, wie wunderbar es basierend auf Zahlen- oder Textdaten funktioniert. ich habe versucht, damit zusammen mit anderen AWS-Produkten wie AWS Lambda und AWS API Gateway zu arbeiten. und die Dokumente oder Beispiele sind auch gut dafür. Bewertung gesammelt von und auf G2.com gehostet.

Ich wollte an der Verarbeitung von Bild- oder Videoeingaben arbeiten und das Bild als Ausgabe erhalten, aber es war nicht wirklich hilfreich, da die Daten im Excel-Format aufgenommen werden und wir sie dann in einem S3-Bucket speichern müssen. Es ruft die Daten daraus ab, aber ich bin mir nicht sicher, wie man ein Bild darin übergibt. Bewertung gesammelt von und auf G2.com gehostet.