Introducing G2.ai, the future of software buying.Try now
- Startseite
- ...
- Datenwissenschafts- und maschinelles Lernen-Plattformen
- Azure Machine Learning Studio
- Google Cloud AutoML
- Azure Machine Learning Studio-vs-Google Cloud AutoML
Azure Machine Learning und Google Cloud AutoML vergleichen 
Auf einen Blick
Marktsegmente
Unternehmen (38.8% der Bewertungen)
Kleinunternehmen (36.0% der Bewertungen)
Einstiegspreis
Keine Preisinformationen verfügbar
Keine Preisinformationen verfügbar
Azure Machine Learning
Sternebewertung
(88)4.3 von 5
Marktsegmente
Unternehmen (38.8% der Bewertungen)
Einstiegspreis
Keine Preisinformationen verfügbar
Erfahren Sie mehr über Azure Machine LearningGoogle Cloud AutoML
Sternebewertung
(25)4.2 von 5
Marktsegmente
Kleinunternehmen (36.0% der Bewertungen)
Einstiegspreis
Keine Preisinformationen verfügbar
Erfahren Sie mehr über Google Cloud AutoMLZusammenfassung
KI-generierte Zusammenfassung
KI-generiert. Angetrieben von echten Nutzerbewertungen.
- Benutzer berichten, dass Azure Machine Learning in der Einfachheit der Einrichtung mit einer Bewertung von 8,4 hervorragend abschneidet, während Google Cloud AutoML mit 7,3 zurückfällt. Rezensenten erwähnen, dass der optimierte Onboarding-Prozess von Azure es Teams erleichtert, schnell zu starten.
- Rezensenten erwähnen, dass Azure Machine Learning eine überlegene Qualität des Supports mit einer Bewertung von 8,6 im Vergleich zu Google Cloud AutoMLs 7,6 bietet. Benutzer auf G2 schätzen den reaktionsschnellen Kundenservice und die umfangreiche Dokumentation, die von Azure bereitgestellt wird.
- Benutzer sagen, dass Azure Machine Learning in der Skalierbarkeit mit einer Bewertung von 8,9 glänzt, während Google Cloud AutoML 9,2 erreicht. Rezensenten erwähnen jedoch, dass die Infrastruktur von Google Cloud eine flexiblere Ressourcenzuweisung ermöglicht, was es zu einem starken Konkurrenten für groß angelegte Projekte macht.
- G2-Benutzer berichten, dass die Modellentwicklungs-Funktionen von Azure Machine Learning, insbesondere seine Vorgefertigten Algorithmen mit einer Bewertung von 8,3, robust sind, aber die 8,2-Bewertung von Google Cloud AutoML zeigt, dass es ebenfalls wertvolle Werkzeuge für das Modelltraining und die Merkmalsentwicklung bietet.
- Benutzer auf G2 heben hervor, dass die Datenaufnahme- und -aufbereitungs-Fähigkeiten von Azure Machine Learning mit einer Bewertung von 8,7 es einfacher machen, Daten für die Analyse vorzubereiten. Im Gegensatz dazu werden die Funktionen von Google Cloud AutoML in diesem Bereich weniger betont, was zu einiger Benutzerfrustration führt.
- Rezensenten erwähnen, dass die Bereitstellungs-Optionen von Azure Machine Learning, insbesondere sein Verwalteter Dienst mit einer Bewertung von 8,8, benutzerfreundlich sind, während die Bereitstellungsfunktionen von Google Cloud AutoML, obwohl effektiv, als etwas weniger intuitiv wahrgenommen werden.
Azure Machine Learning vs Google Cloud AutoML
Bei der Bewertung der beiden Lösungen fanden Rezensenten Google Cloud AutoML einfacher zu verwenden. Jedoch bevorzugten Rezensenten die Einrichtung für Azure Machine Learning zusammen mit der Verwaltung. Rezensenten stimmten überein, dass es mit beiden Anbietern insgesamt gleich einfach ist, Geschäfte zu machen.
- Die Gutachter waren der Meinung, dass Google Cloud AutoML den Bedürfnissen ihres Unternehmens besser entspricht als Azure Machine Learning.
- Beim Vergleich der Qualität des laufenden Produktsupports bevorzugten die Gutachter Azure Machine Learning.
- Bei Feature-Updates und Roadmaps bevorzugten unsere Rezensenten die Richtung von Azure Machine Learning gegenüber Google Cloud AutoML.
Preisgestaltung
Einstiegspreis
Azure Machine Learning
Keine Preisinformationen verfügbarGoogle Cloud AutoML
Keine Preisinformationen verfügbarKostenlose Testversion
Azure Machine Learning
Keine Informationen zur Testversion verfügbarGoogle Cloud AutoML
Keine Informationen zur Testversion verfügbarBewertungen
Erfüllt die Anforderungen
8.5
81
8.8
16
Einfache Bedienung
8.5
80
8.6
16
Einfache Einrichtung
8.3
57
7.8
13
Einfache Verwaltung
8.3
49
8.2
14
Qualität der Unterstützung
8.6
74
7.7
16
Hat the product ein guter Partner im Geschäft waren?
8.6
47
8.6
13
Produktrichtung (% positiv)
9.0
80
8.3
14
Funktionen
MLOps-Plattformen22 Funktionen ausblenden22 Funktionen anzeigen
Nicht genügend Daten
Nicht genügend Daten
Einsatz
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Einsatz
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Management
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Transaktionen
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Management
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Generative KI
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Datenwissenschafts- und maschinelles Lernen-Plattformen34 Funktionen ausblenden34 Funktionen anzeigen
8.5
56
Nicht genügend Daten
system
8.6
22
Nicht genügend Daten verfügbar
8.9
21
Nicht genügend Daten verfügbar
8.7
22
Nicht genügend Daten verfügbar
Modellentwicklung
8.6
51
Nicht genügend Daten verfügbar
8.9
54
Nicht genügend Daten verfügbar
8.3
53
Nicht genügend Daten verfügbar
8.7
52
Nicht genügend Daten verfügbar
Modellentwicklung
8.1
21
Nicht genügend Daten verfügbar
8.7
21
Nicht genügend Daten verfügbar
8.4
21
Nicht genügend Daten verfügbar
Machine-/Deep-Learning-Dienste
8.1
45
Nicht genügend Daten verfügbar
7.9
45
Nicht genügend Daten verfügbar
7.8
38
Nicht genügend Daten verfügbar
8.2
42
Nicht genügend Daten verfügbar
Machine-/Deep-Learning-Dienste
8.3
21
Nicht genügend Daten verfügbar
8.7
21
Nicht genügend Daten verfügbar
8.6
20
Nicht genügend Daten verfügbar
8.5
21
Nicht genügend Daten verfügbar
Einsatz
8.8
50
Nicht genügend Daten verfügbar
8.7
51
Nicht genügend Daten verfügbar
8.9
51
Nicht genügend Daten verfügbar
Einsatz
8.9
21
Nicht genügend Daten verfügbar
8.8
21
Nicht genügend Daten verfügbar
9.1
21
Nicht genügend Daten verfügbar
Generative KI
8.5
10
Nicht genügend Daten verfügbar
8.2
10
Nicht genügend Daten verfügbar
7.5
10
Nicht genügend Daten verfügbar
Agentic AI - Datenwissenschafts- und maschinelles Lernplattformen
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Generative KI-Infrastruktur14 Funktionen ausblenden14 Funktionen anzeigen
Nicht genügend Daten
Nicht genügend Daten
Skalierbarkeit und Leistung - Generative KI-Infrastruktur
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Kosten und Effizienz - Generative KI-Infrastruktur
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Integration und Erweiterbarkeit - Generative KI-Infrastruktur
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Sicherheit und Compliance - Generative KI-Infrastruktur
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Benutzerfreundlichkeit und Unterstützung - Generative KI-Infrastruktur
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Großes Sprachmodell-Betrieb (LLMOps)15 Funktionen ausblenden15 Funktionen anzeigen
Nicht genügend Daten
Nicht genügend Daten
Prompt-Engineering - Operationalisierung von großen Sprachmodellen (LLMOps)
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Inferenzoptimierung - Betriebsführung großer Sprachmodelle (LLMOps)
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Modellgarten - Operationalisierung großer Sprachmodelle (LLMOps)
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Benutzerdefiniertes Training - Betriebsführung von großen Sprachmodellen (LLMOps)
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Anwendungsentwicklung - Operationalisierung von großen Sprachmodellen (LLMOps)
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Modellbereitstellung - Operationalisierung großer Sprachmodelle (LLMOps)
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Leitplanken - Betrieb von großen Sprachmodellen (LLMOps)
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Modellüberwachung - Betrieb von großen Sprachmodellen (LLMOps)
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Sicherheit - Operationalisierung von großen Sprachmodellen (LLMOps)
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Gateways & Router - Operationalisierung von großen Sprachmodellen (LLMOps)
Nicht genügend Daten verfügbar
Nicht genügend Daten verfügbar
Kategorien
Kategorien
Geteilte Kategorien
Azure Machine Learning und Google Cloud AutoML sind kategorisiert als Datenwissenschafts- und maschinelles Lernen-Plattformen
Einzigartige Kategorien
Azure Machine Learning ist kategorisiert als MLOps-Plattformen, Großes Sprachmodell-Betrieb (LLMOps), und Generative KI-Infrastruktur
Google Cloud AutoML hat keine einzigartigen Kategorien
Bewertungen
Unternehmensgröße der Bewerter
Azure Machine Learning
Kleinunternehmen(50 oder weniger Mitarbeiter)
Unternehmen mittlerer Größe(51-1000 Mitarbeiter)
Unternehmen(> 1000 Mitarbeiter)
Google Cloud AutoML
Kleinunternehmen(50 oder weniger Mitarbeiter)
Unternehmen mittlerer Größe(51-1000 Mitarbeiter)
Unternehmen(> 1000 Mitarbeiter)
Kleinunternehmen
(50 oder weniger Mitarbeiter)
Unternehmen mittlerer Größe
(51-1000 Mitarbeiter)
Unternehmen
(> 1000 Mitarbeiter)
Branche der Bewerter
Informationstechnologie und Dienstleistungen
28.2%
Computersoftware
14.1%
Unternehmensberatung
8.2%
Bildungsmanagement
5.9%
hochschulbildung
4.7%
Andere
38.8%
Informationstechnologie und Dienstleistungen
16.0%
forschung
12.0%
Beratung
4.0%
Einzelhandel
4.0%
Programmentwicklung
4.0%
Andere
60.0%
Hilfreichste Bewertungen
Azure Machine Learning
Hilfreichste positive Bewertung
Gaurav P.
Verifizierter Benutzer in Computersoftware
Das, was ich am meisten an Azure Machine mag, ist die Benutzerfreundlichkeit für normale Benutzer und die Benutzererfahrung.
Hilfreichste kritische Bewertung
Edoardo C.
Verifizierter Benutzer in Informationstechnologie und Dienstleistungen
Azure Machine Learning ist nicht flexibel genug für Personen, die in der Lage sind, Machine Learning durch Codierung durchzuführen, selbst wenn es den Benutzern erlaubt, benutzerdefinierten Code hinzuzufügen.
Google Cloud AutoML
Hilfreichste positive Bewertung
Verifizierter Benutzer in Öl & Energie
Cloud Auto ML als Baustein für komplizierte Computer-Vision-Probleme verwenden. Wie schnell es trainiert, und eine großartige Implementierung von Transferlernen durchführen.
Hilfreichste kritische Bewertung
Verifizierter Benutzer in Konsumgüter
Es gibt nichts zu bemängeln, außer dass es vielleicht langsam ist.
Gaurav P.
Verifizierter Benutzer in Computersoftware
Das, was ich am meisten an Azure Machine mag, ist die Benutzerfreundlichkeit für normale Benutzer und die Benutzererfahrung.
Verifizierter Benutzer in Öl & Energie
Cloud Auto ML als Baustein für komplizierte Computer-Vision-Probleme verwenden. Wie schnell es trainiert, und eine großartige Implementierung von Transferlernen durchführen.
Edoardo C.
Verifizierter Benutzer in Informationstechnologie und Dienstleistungen
Azure Machine Learning ist nicht flexibel genug für Personen, die in der Lage sind, Machine Learning durch Codierung durchzuführen, selbst wenn es den Benutzern erlaubt, benutzerdefinierten Code hinzuzufügen.
Verifizierter Benutzer in Konsumgüter
Es gibt nichts zu bemängeln, außer dass es vielleicht langsam ist.
Top-Alternativen
Diskussionen
Wofür wird Azure Machine Learning Studio verwendet?
1 Kommentar
AR
Kurz gesagt, um hochwertige Modelle schneller und mit Vertrauen zu entwickeln, bereitzustellen und zu verwalten.Mehr erfahren
Azure Machine Learning hat keine weiteren Diskussionen mit Antworten
Google Cloud AutoML hat keine Diskussionen mit Antworten
Auf der Suche nach Software-Einblicken?
Mit über 2,5 Millionen Bewertungen können wir Ihnen die spezifischen Details liefern, die Ihnen bei der informierten Softwarekaufentscheidung für Ihr Unternehmen helfen. Das Finden des richtigen Produkts ist wichtig, lassen Sie uns helfen.
oder fortfahren mit
Durch die Fortsetzung stimmen Sie unseren Nutzungsbedingungen und der Datenschutzrichtlinie zu