Introducing G2.ai, the future of software buying.Try now

Azure Machine Learning und Vertex AI vergleichen

Speichern
    Anmelden in Ihrem Konto
    um Vergleiche zu speichern,
    Produkte und mehr.
Auf einen Blick
Azure Machine Learning
Azure Machine Learning
Sternebewertung
(88)4.3 von 5
Marktsegmente
Unternehmen (38.8% der Bewertungen)
Informationen
Einstiegspreis
Keine Preisinformationen verfügbar
Erfahren Sie mehr über Azure Machine Learning
Vertex AI
Vertex AI
Sternebewertung
(572)4.3 von 5
Marktsegmente
Kleinunternehmen (38.7% der Bewertungen)
Informationen
Einstiegspreis
Bezahlen Sie nach Bedarf Pro Monat
Kostenlose Testversion verfügbar
Erfahren Sie mehr über Vertex AI
KI-generierte Zusammenfassung
KI-generiert. Angetrieben von echten Nutzerbewertungen.
  • Benutzer berichten, dass Vertex AI in seinen AI-Datenverschlüsselungsfähigkeiten hervorragend ist und eine Punktzahl von 9,2 erreicht, was laut Rezensenten eine robuste Sicherheit für sensible Daten bietet. Im Gegensatz dazu erzielt Azure Machine Learning, obwohl es immer noch stark ist, in diesem Bereich eine etwas niedrigere Punktzahl von 8,2.
  • Rezensenten erwähnen, dass Azure Machine Learning überlegene Natural Language Processing-Funktionen bietet und eine Punktzahl von 7,9 im Vergleich zu Vertex AIs 8,6 erreicht. Benutzer schätzen das nuancierte Verständnis und die Generierungsfähigkeiten, die Azure bietet, was es zu einer bevorzugten Wahl für textlastige Anwendungen macht.
  • G2-Benutzer heben die AI-Modell-Trainingsskalierbarkeit von Vertex AI mit einer Punktzahl von 8,5 hervor, was laut Rezensenten eine effiziente Handhabung großer Datensätze ermöglicht. Azure Machine Learning erzielt jedoch eine höhere Punktzahl von 8,7, was auf eine robustere Infrastruktur für die Skalierung des Modelltrainings hinweist.
  • Benutzer auf G2 berichten, dass Azure Machine Learning in der Einfachheit der Einrichtung glänzt und eine Punktzahl von 8,4 erreicht, was laut Rezensenten es für Teams mit begrenzter technischer Expertise zugänglicher macht. Vertex AI, obwohl immer noch benutzerfreundlich, erzielt eine etwas niedrigere Punktzahl von 8,2.
  • Rezensenten erwähnen, dass die AI-Hochverfügbarkeitsfunktion von Vertex AI eine beeindruckende Punktzahl von 9,2 erreicht, was auf ein starkes Engagement für Betriebszeit und Zuverlässigkeit hinweist. Azure Machine Learning, obwohl wettbewerbsfähig, erzielt in diesem Bereich eine niedrigere Punktzahl, was laut Benutzern mission-kritische Anwendungen beeinträchtigen könnte.
  • Benutzer sagen, dass die Modellüberwachungsfähigkeiten von Azure Machine Learning, die eine Punktzahl von 8,5 erreichen, umfassende Einblicke in die Modellleistung bieten, was Rezensenten schätzen, um die Modellgenauigkeit im Laufe der Zeit aufrechtzuerhalten. Vertex AI, mit einer Punktzahl von 8,6, ist ebenfalls stark, fehlt jedoch einige der fortschrittlichen Funktionen, die in Azure zu finden sind.

Azure Machine Learning vs Vertex AI

Bei der Bewertung der beiden Lösungen fanden Rezensenten Azure Machine Learning einfacher zu verwenden, einzurichten und zu verwalten. Rezensenten bevorzugten es insgesamt, Geschäfte mit Azure Machine Learning zu machen.

  • Die Gutachter waren der Meinung, dass Vertex AI 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 Vertex AI gegenüber Azure Machine Learning.
Preisgestaltung
Einstiegspreis
Azure Machine Learning
Keine Preisinformationen verfügbar
Vertex AI
Try Vertex AI Free
Bezahlen Sie nach Bedarf
Pro Monat
Erfahren Sie mehr über Vertex AI
Kostenlose Testversion
Azure Machine Learning
Keine Informationen zur Testversion verfügbar
Vertex AI
Kostenlose Testversion verfügbar
Bewertungen
Erfüllt die Anforderungen
8.5
81
8.6
346
Einfache Bedienung
8.5
80
8.3
353
Einfache Einrichtung
8.3
57
8.2
272
Einfache Verwaltung
8.3
49
8.0
143
Qualität der Unterstützung
8.6
74
8.2
325
Hat the product ein guter Partner im Geschäft waren?
8.6
47
8.2
137
Produktrichtung (% positiv)
9.0
80
9.2
338
Funktionen
Nicht genügend Daten
8.4
70
Einsatz
Nicht genügend Daten verfügbar
8.4
64
Nicht genügend Daten verfügbar
8.2
65
Nicht genügend Daten verfügbar
8.4
65
Nicht genügend Daten verfügbar
8.4
61
Nicht genügend Daten verfügbar
8.8
61
Einsatz
Nicht genügend Daten verfügbar
8.5
65
Nicht genügend Daten verfügbar
8.3
64
Nicht genügend Daten verfügbar
8.4
63
Nicht genügend Daten verfügbar
8.5
63
Nicht genügend Daten verfügbar
8.8
61
Management
Nicht genügend Daten verfügbar
8.4
61
Nicht genügend Daten verfügbar
8.5
60
Nicht genügend Daten verfügbar
8.1
61
Nicht genügend Daten verfügbar
8.2
61
Transaktionen
Nicht genügend Daten verfügbar
8.3
61
Nicht genügend Daten verfügbar
8.5
62
Nicht genügend Daten verfügbar
8.5
62
Management
Nicht genügend Daten verfügbar
8.3
60
Nicht genügend Daten verfügbar
8.5
61
Nicht genügend Daten verfügbar
8.4
60
Generative KI
Nicht genügend Daten verfügbar
8.1
26
Nicht genügend Daten verfügbar
8.5
26
Datenwissenschafts- und maschinelles Lernen-Plattformen34 Funktionen ausblenden34 Funktionen anzeigen
8.5
56
8.4
175
system
8.6
22
8.3
136
8.9
21
8.2
138
8.7
22
7.9
133
Modellentwicklung
8.6
51
8.4
165
8.9
54
7.9
142
8.3
53
8.5
163
8.7
52
8.5
165
Modellentwicklung
8.1
21
8.4
131
8.7
21
8.5
133
8.4
21
8.4
131
Machine-/Deep-Learning-Dienste
8.1
45
8.3
163
7.9
45
8.5
159
7.8
38
8.3
158
8.2
42
8.3
141
Machine-/Deep-Learning-Dienste
8.3
21
8.4
134
8.7
21
8.5
131
8.6
20
8.3
129
8.5
21
8.4
130
Einsatz
8.8
50
8.3
157
8.7
51
8.3
158
8.9
51
8.6
157
Einsatz
8.9
21
8.3
129
8.8
21
8.3
130
9.1
21
8.4
131
Generative KI
8.5
10
8.2
67
8.2
10
8.5
67
7.5
10
8.2
68
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
Nicht genügend Daten
8.5
19
Skalierbarkeit und Leistung - Generative KI-Infrastruktur
Nicht genügend Daten verfügbar
9.2
18
Nicht genügend Daten verfügbar
8.7
18
Nicht genügend Daten verfügbar
8.7
18
Kosten und Effizienz - Generative KI-Infrastruktur
Nicht genügend Daten verfügbar
8.1
18
Nicht genügend Daten verfügbar
8.1
18
Nicht genügend Daten verfügbar
8.4
18
Integration und Erweiterbarkeit - Generative KI-Infrastruktur
Nicht genügend Daten verfügbar
8.6
18
Nicht genügend Daten verfügbar
8.2
18
Nicht genügend Daten verfügbar
8.7
18
Sicherheit und Compliance - Generative KI-Infrastruktur
Nicht genügend Daten verfügbar
8.8
18
Nicht genügend Daten verfügbar
8.4
18
Nicht genügend Daten verfügbar
9.3
18
Benutzerfreundlichkeit und Unterstützung - Generative KI-Infrastruktur
Nicht genügend Daten verfügbar
8.5
18
Nicht genügend Daten verfügbar
8.4
18
Nicht genügend Daten
8.6
53
Integration - Maschinelles Lernen
Nicht genügend Daten verfügbar
8.6
52
Lernen - Maschinelles Lernen
Nicht genügend Daten verfügbar
8.6
51
Nicht genügend Daten verfügbar
8.4
50
Nicht genügend Daten verfügbar
8.8
51
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
8.9
16
Nicht genügend Daten verfügbar
8.8
16
Inferenzoptimierung - Betriebsführung großer Sprachmodelle (LLMOps)
Nicht genügend Daten verfügbar
8.9
16
Modellgarten - Operationalisierung großer Sprachmodelle (LLMOps)
Nicht genügend Daten verfügbar
9.1
16
Benutzerdefiniertes Training - Betriebsführung von großen Sprachmodellen (LLMOps)
Nicht genügend Daten verfügbar
9.0
16
Anwendungsentwicklung - Operationalisierung von großen Sprachmodellen (LLMOps)
Nicht genügend Daten verfügbar
9.2
16
Modellbereitstellung - Operationalisierung großer Sprachmodelle (LLMOps)
Nicht genügend Daten verfügbar
9.1
16
Nicht genügend Daten verfügbar
8.4
16
Leitplanken - Betrieb von großen Sprachmodellen (LLMOps)
Nicht genügend Daten verfügbar
9.0
15
Nicht genügend Daten verfügbar
9.0
15
Modellüberwachung - Betrieb von großen Sprachmodellen (LLMOps)
Nicht genügend Daten verfügbar
9.0
15
Nicht genügend Daten verfügbar
9.2
15
Sicherheit - Operationalisierung von großen Sprachmodellen (LLMOps)
Nicht genügend Daten verfügbar
9.2
16
Nicht genügend Daten verfügbar
8.8
16
Gateways & Router - Operationalisierung von großen Sprachmodellen (LLMOps)
Nicht genügend Daten verfügbar
8.9
16
Nicht genügend Daten
Nicht genügend Daten
Anpassung - KI-Agenten-Ersteller
Nicht genügend Daten verfügbar
8.5
17
Nicht genügend Daten verfügbar
7.5
17
Nicht genügend Daten verfügbar
8.2
16
Funktionalität - KI-Agenten-Ersteller
Nicht genügend Daten verfügbar
7.9
17
Nicht genügend Daten verfügbar
6.8
17
Nicht genügend Daten verfügbar
8.3
16
Nicht genügend Daten verfügbar
6.8
17
Daten und Analytik - KI-Agentenentwickler
Nicht genügend Daten verfügbar
7.6
16
Nicht genügend Daten verfügbar
7.8
17
Nicht genügend Daten verfügbar
7.9
17
Integration - KI-Agentenbauer
Nicht genügend Daten verfügbar
8.8
17
Nicht genügend Daten verfügbar
7.8
17
Nicht genügend Daten verfügbar
8.1
17
Nicht genügend Daten verfügbar
7.5
17
Kategorien
Kategorien
Geteilte Kategorien
Azure Machine Learning
Azure Machine Learning
Vertex AI
Vertex AI
Einzigartige Kategorien
Azure Machine Learning
Azure Machine Learning hat keine einzigartigen Kategorien
Vertex AI
Vertex AI ist kategorisiert als Maschinelles Lernen und KI-Agentenbauer
Bewertungen
Unternehmensgröße der Bewerter
Azure Machine Learning
Azure Machine Learning
Kleinunternehmen(50 oder weniger Mitarbeiter)
35.3%
Unternehmen mittlerer Größe(51-1000 Mitarbeiter)
25.9%
Unternehmen(> 1000 Mitarbeiter)
38.8%
Vertex AI
Vertex AI
Kleinunternehmen(50 oder weniger Mitarbeiter)
38.7%
Unternehmen mittlerer Größe(51-1000 Mitarbeiter)
25.7%
Unternehmen(> 1000 Mitarbeiter)
35.6%
Branche der Bewerter
Azure Machine Learning
Azure Machine Learning
Informationstechnologie und Dienstleistungen
28.2%
Computersoftware
14.1%
Unternehmensberatung
8.2%
Bildungsmanagement
5.9%
hochschulbildung
4.7%
Andere
38.8%
Vertex AI
Vertex AI
Computersoftware
16.4%
Informationstechnologie und Dienstleistungen
14.3%
Finanzdienstleistungen
6.7%
Einzelhandel
4.0%
Beratung
3.7%
Andere
54.9%
Hilfreichste Bewertungen
Azure Machine Learning
Azure Machine Learning
Hilfreichste positive Bewertung
Verifizierter Benutzer
G
Verifizierter Benutzer in Höhere Bildung

Der schnelle und einfache Weg, komplexe prädiktive Modelle zu erstellen, ohne viel von der Programmierung zu wissen. Die Organisation der Daten und die Möglichkeit, notwendige R- und Python-Skripte auf den Daten auszuführen, machte es etwas einfacher.

Hilfreichste kritische Bewertung
Verifizierter Benutzer in Finanzdienstleistungen
GF
Verifizierter Benutzer in Unternehmensberatung

Ich mag den Preis nicht, zu dem sich Azure vermarktet. Es macht keinen Sinn, so viel zu verlangen, angesichts ihrer niedrigeren Kosten im Vergleich zu den Mitbewerbern.

Vertex AI
Vertex AI
Hilfreichste positive Bewertung
Sagar B.
SB
Sagar B.
Verifizierter Benutzer in Informationstechnologie und Dienstleistungen

Analytik des Kontexts und einfacher Zugang. Cool

Hilfreichste kritische Bewertung
Verifizierter Benutzer
G
Verifizierter Benutzer in Computersoftware

Wenn Sie versuchen, Google zu kontaktieren oder es in irgendeiner Weise anzupassen, würde ich empfehlen, sich Alternativen auf AWS anzusehen.

Top-Alternativen
Azure Machine Learning
Azure Machine Learning Alternativen
Dataiku
Dataiku
Dataiku hinzufügen
Amazon SageMaker
Amazon SageMaker
Amazon SageMaker hinzufügen
IBM Watson Studio
IBM Watson Studio
IBM Watson Studio hinzufügen
Altair AI Studio
Altair AI Studio
Altair AI Studio hinzufügen
Vertex AI
Vertex AI Alternativen
Dataiku
Dataiku
Dataiku hinzufügen
Amazon SageMaker
Amazon SageMaker
Amazon SageMaker hinzufügen
IBM Watson Studio
IBM Watson Studio
IBM Watson Studio hinzufügen
MATLAB
MATLAB
MATLAB hinzufügen
Diskussionen
Azure Machine Learning
Azure Machine Learning Diskussionen
Wofür wird Azure Machine Learning Studio verwendet?
1 Kommentar
Akash R.
AR
Kurz gesagt, um hochwertige Modelle schneller und mit Vertrauen zu entwickeln, bereitzustellen und zu verwalten.Mehr erfahren
Monty der Mungo weint
Azure Machine Learning hat keine weiteren Diskussionen mit Antworten
Vertex AI
Vertex AI Diskussionen
Wofür wird die Google Cloud AI Platform verwendet?
2 Kommentare
KS
Google Cloud AI Platform ermöglicht es uns, maschinelle Lernmodelle zu erstellen, die mit jeder Art und Größe von Daten arbeiten.Mehr erfahren
Welche Softwarebibliotheken unterstützt die Cloud-ML-Engine?
2 Kommentare
Jagannath P.
JP
Es unterstützt ungefähr alle trendigen Bibliotheken.Mehr erfahren
What is Google AI platform?
1 Kommentar
ZM
Die Google AI-Plattform ist ein umfassendes Set von Tools und Diensten, das von Google Cloud bereitgestellt wird, um künstliche Intelligenz zu entwickeln,...Mehr erfahren