Das G2 zu machine-learning in Python

machine-learning in Python Pros and Cons: Top Advantages and Disadvantages

Quick AI Summary Based on G2 Reviews

Generated from real user reviews

Benutzer schätzen die Benutzerfreundlichkeit beim maschinellen Lernen mit Python, dank seiner umfangreichen Bibliotheken und der Unterstützung durch die Community. (2 mentions)

Benutzer schätzen die umfangreichen Bibliotheken und Frameworks des maschinellen Lernens in Python, die ihre Codierungseffizienz und -erfahrung verbessern. (2 mentions)

Benutzer schätzen die ausgezeichnete Gemeinschaftsunterstützung für maschinelles Lernen in Python, was ihre Programmiererfahrung verbessert. (1 mentions)

Benutzer schätzen die Datenvisualisierungsfähigkeiten des maschinellen Lernens in Python, da sie ihre analytische Arbeit verbessern. (1 mentions)

Benutzer lieben die einfache Einrichtung des maschinellen Lernprodukts, die ihre anfängliche Datenvorbereitung und -erforschung verbessert. (1 mentions)

Benutzer finden die Kosten unerschwinglich für maschinelles Lernen in Python, hauptsächlich aufgrund von Lizenzgebühren. (1 mentions)

Benutzer finden die begrenzte Vielfalt der unterstützten Algorithmen einschränkend für ihre Machine-Learning-Projekte in Python. (1 mentions)

Benutzer finden, dass maschinelles Lernen in Python ressourcenintensiv sein kann und erhebliche Rechenleistung für das Training von Modellen erfordert. (1 mentions)

Top-bewertete machine-learning in Python Alternativen

Phrase Localization Platform

(1,203)

4.5 von 5

Website besuchen

Gesponsert

Weka

Von Weka

(13)

4.3 von 5

Vertex AI

Von Google

(572)

4.3 von 5

Alle machine-learning in Python Alternativen anzeigen

G2-Bewertungen sind authentisch und verifiziert.

Hier die Erklärung wie dies gewährleistet ist.

James S.

Unternehmen mittlerer Größe (51-1000 Mitarbeiter)

3.8.2018

"Maschinelles Lernen mit Python Pandas"

4.5/5

Was gefällt dir am besten machine-learning in Python?

Es ist einfach zu benutzen. Viel Dokumentation online. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? machine-learning in Python?

Derzeit nichts. Ich ziehe es Matlab oder R vor. Bewertung gesammelt von und auf G2.com gehostet.

Empfehlungen an andere, die in Betracht ziehen machine-learning in Python:

Dies wird definitiv auch in der Zukunft verwendet werden. Bewertung gesammelt von und auf G2.com gehostet.

Was ist ein Problem? machine-learning in Python Solving und wie profitieren Sie davon?

Es hängt davon ab, was auf mich zukommt. Ich habe Prognosen für Aktien erstellt, Churn-Vorhersagemodelle für die Einzelhandelsbranche entwickelt. Bewertung gesammelt von und auf G2.com gehostet.

Savannah L.

Post-Baccalaureate IRTA

Forschung

Unternehmen (> 1000 Mitarbeiter)

30.7.2018

"Maschinelles Lernen in Python kann sogar von den technologisch am meisten herausgeforderten Personen genutzt werden!"

4/5

Was gefällt dir am besten machine-learning in Python?

Es gibt so viele gut dokumentierte, vernünftige, leicht implementierbare Python-Skripte und -Pakete für maschinelles Lernen. Scikit-learn bietet einige erstaunliche Tutorials für Konzeptlernen, Funktionslernen oder „prädiktives Modellieren“ sowie Clustering und das Finden prädiktiver Muster. Mit der Sprache Python selbst ist es einfach zu verstehen, wie man den Kmeans-Algorithmus nutzt und Aspekte des maschinellen Lernens mit eigenen Daten implementiert. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? machine-learning in Python?

Der Einstieg kann schwierig sein! Tutorials können schwer zu finden sein, besonders wenn man nicht daran gewöhnt ist, Open-Source-Sprachen wie Python zu verwenden. Bewertung gesammelt von und auf G2.com gehostet.

Verifizierter Benutzer in Luft- und Raumfahrt

Unternehmen (> 1000 Mitarbeiter)

3.10.2018

"Maschinelles Lernen mit Python"

5/5

Was gefällt dir am besten machine-learning in Python?

Python ist eine der beliebtesten Programmiersprachen zur Lösung von Problemen im Zusammenhang mit maschinellem Lernen. Python-Bibliotheken wie Keras, Theanos, TensorFlow und Scikit-Learn haben das Programmieren von maschinellem Lernen relativ einfach gemacht. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? machine-learning in Python?

Manchmal hängt sich die Python-IDE wegen der Daten auf. Bewertung gesammelt von und auf G2.com gehostet.

Empfehlungen an andere, die in Betracht ziehen machine-learning in Python:

Maschinelles Lernen wird am besten in Python verwendet, weil es ML-Bibliotheken gibt und insbesondere für die Datenvisualisierung. Bewertung gesammelt von und auf G2.com gehostet.

Was ist ein Problem? machine-learning in Python Solving und wie profitieren Sie davon?

Ich verwende maschinelles Lernen, um Klassifikationsmodelle zu erstellen, die industrielle Probleme lösen. Ich habe festgestellt, dass es leicht zu interpretieren und verständlich ist. Es ist einfach, eine Konfusionsmatrix zu erstellen, die zur Ermittlung der Klassifikationsgenauigkeit verwendet wird. Bewertung gesammelt von und auf G2.com gehostet.

Verifizierter Benutzer in Medizinische Praxis

Unternehmen mittlerer Größe (51-1000 Mitarbeiter)

13.7.2018

"Einfach zu lernen, viele Ressourcen = effizient!"

5/5

Was gefällt dir am besten machine-learning in Python?

Maschinelles Lernen mit Python ist sehr einfach einzurichten. Sobald Sie Python heruntergeladen haben, vorausgesetzt, Sie laden es mit Spyder und Anaconda herunter, wird alles vorverpackt sein. Für Menschen mit amateurhaftem Programmierwissen wie mich, wenn ich auf ein Hindernis stoße, kann ich online gehen und Lösungen finden. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? machine-learning in Python?

Im Gegensatz zu Tableau gibt es keine offizielle Plattform, zumindest konnte ich keine finden. Außerdem gibt es viel zu viele Pakete für maschinelles Lernen. Du musst deine Recherche machen, um zu wissen, welches für dein Szenario geeignet ist. Bewertung gesammelt von und auf G2.com gehostet.

Amirreza S.

Research Assistant

Unternehmen mittlerer Größe (51-1000 Mitarbeiter)

29.3.2018

"Beste Bibliothek für maschinelles Lernen"

5/5

Was gefällt dir am besten machine-learning in Python?

Angesichts der enormen Investitionen, die verschiedene Unternehmen in Python für maschinelles Lernen getätigt haben, gibt es wirklich schöne Werkzeuge für alle Arten von maschinellen Lernalgorithmen in Python. Fast jedes Framework für tiefe neuronale Netze ist hauptsächlich für Python geschrieben oder hat eine Python-Schnittstelle. Die SciPy-Bibliothek bietet alles, was Sie benötigen, um die meisten grundlegenden Arbeiten mit maschinellen Lernalgorithmen durchzuführen. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? machine-learning in Python?

Im Gegensatz zu MATLAB entwickeln verschiedene Unternehmen Werkzeuge für Python. Es gibt immer neue Bibliotheken, die mit anderen inkompatibel sind. Normalerweise aktualisiere ich eine Bibliothek nicht auf eine neue Version, bis etwas nicht mehr funktioniert. Bewertung gesammelt von und auf G2.com gehostet.

Empfehlungen an andere, die in Betracht ziehen machine-learning in Python:

Wenn Sie mit den Grundlagen der objektorientierten Programmierung vertraut sind. Die Verwendung von Python-Maschinenlernwerkzeugen sollte für Sie einfach sein. Bewertung gesammelt von und auf G2.com gehostet.

Was ist ein Problem? machine-learning in Python Solving und wie profitieren Sie davon?

Wir trainieren verschiedene maschinelle Lernalgorithmen für Anwendungen der Computer Vision. Bewertung gesammelt von und auf G2.com gehostet.

Verifizierter Benutzer in Höhere Bildung

Unternehmen (> 1000 Mitarbeiter)

3.4.2018

"Es ist wirklich einfach, maschinelle Lernanwendungen mit Python auszuführen."

5/5

Was gefällt dir am besten machine-learning in Python?

Das scikit-learn Paket enthält die meisten effizienten und aktuellen Werkzeuge für maschinelles Lernen wie Random Forest, SVM, Boosting und so weiter. Es ist wirklich einfach und schnell mit dem Python scikit-learn Paket. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? machine-learning in Python?

Man braucht nur grundlegende Programmierkenntnisse in Python. Sobald man mit dem Python-Coding vertraut ist, was ziemlich einfach ist, sind maschinelle Lernanwendungen ein Kinderspiel mit Python. Bewertung gesammelt von und auf G2.com gehostet.

Verifizierter Benutzer in Forschung

Kleinunternehmen (50 oder weniger Mitarbeiter)

1.8.2018

"Python ist eines der besten Werkzeuge für maschinelles Lernen."

4.5/5

Was gefällt dir am besten machine-learning in Python?

TensorFlow-Tool für Deep Learning. Das ist das Beste, was ich an Python mag, da es so viel Flexibilität für Deep Learning bietet. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? machine-learning in Python?

Ich finde das Debuggen manchmal etwas mühsam. Bewertung gesammelt von und auf G2.com gehostet.

Verifizierter Benutzer in Höhere Bildung

Unternehmen (> 1000 Mitarbeiter)

20.3.2018

"Umfangreiche maschinelle Lernbibliotheken und -werkzeuge"

5/5

Was gefällt dir am besten machine-learning in Python?

Umfassende Sammlungen von Machine-Learning-Algorithmen und viele Beispiele und Tutorials, insbesondere die scikit-learn-Bibliothek, enthalten fast jeden möglichen Machine-Learning-Algorithmus. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? machine-learning in Python?

Die Dokumentation für einige Funktionen ist eher begrenzt. Nicht jeder implementierte Algorithmus ist vorhanden. Die meisten zusätzlichen Bibliotheken sind einfach zu installieren, aber einige können ziemlich umständlich sein und eine Weile dauern. Bewertung gesammelt von und auf G2.com gehostet.

Empfehlungen an andere, die in Betracht ziehen machine-learning in Python:

Maschinelles Lernen in Python hat viele großartige Bibliotheken, schauen Sie sich die Tutorials für jedes Modul an, bevor Sie es verwenden, da es normalerweise viele nützliche Beispiele enthält. Bewertung gesammelt von und auf G2.com gehostet.

Was ist ein Problem? machine-learning in Python Solving und wie profitieren Sie davon?

Unüberwachtes Clustering und Klassifizierung. Die beliebteste Bibliothek scikit-learn (oder sklearn) hat eine Sammlung von Beispielen und Tutorials, die leicht zu folgen sind. Andere Module sind einfach zu installieren. Bewertung gesammelt von und auf G2.com gehostet.

Verifizierter Benutzer in Telekommunikation

Unternehmen mittlerer Größe (51-1000 Mitarbeiter)

3.8.2018

"Maschinelles Lernen mit Python"

5/5

Was gefällt dir am besten machine-learning in Python?

Einfache Einrichtung, Vielzahl von Optionen, Tutorials, Blogs, verfügbare Ressourcen, einfacher Start Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? machine-learning in Python?

Nichts. Es ist großartig. Da alles Open Source ist, kann es etwas schwierig sein, Unterstützung oder Hilfe für spezielle Probleme zu finden. Bewertung gesammelt von und auf G2.com gehostet.

Empfehlungen an andere, die in Betracht ziehen machine-learning in Python:

Es gibt großartige Kurse online. Wähle einen aus. Fang an. Kaufe etwas Cloud-Speicherplatz, wenn du keine Rechenleistung hast, finde ein Projekt auf Kaggle und leg einfach los. Bewertung gesammelt von und auf G2.com gehostet.

Was ist ein Problem? machine-learning in Python Solving und wie profitieren Sie davon?

Mehrere Dinge. Versuch der Sentiment-Analyse, Stimmprofilierung, NLP bei Telefonaten. Bewertung gesammelt von und auf G2.com gehostet.

Verifizierter Benutzer in Computersoftware

Unternehmen (> 1000 Mitarbeiter)

30.7.2018

"Python - Der einfachste Weg, um in Machine Learning einzusteigen"

5/5

Was gefällt dir am besten machine-learning in Python?

Die einfache Implementierung, die Python-Bibliotheken bieten, und die verfügbare Dokumentation. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? machine-learning in Python?

Zu viele Möglichkeiten, dasselbe zu implementieren, manchmal wird es verwirrend. Bewertung gesammelt von und auf G2.com gehostet.

Empfehlungen an andere, die in Betracht ziehen machine-learning in Python:

Beginnen Sie mit dem grundlegenden Klassifikationsproblem des Iris-Datensatzes. Bewertung gesammelt von und auf G2.com gehostet.

Was ist ein Problem? machine-learning in Python Solving und wie profitieren Sie davon?

Ich löse viele Klassifikations- und Regressionsprobleme mit der scikit-learn-Bibliothek. Eine gut erklärte Dokumentation ist online verfügbar. Es gibt viele Websites für Anfänger. Mit nur wenigen Zeilen Code kannst du dein eigenes Machine-Learning-Modell trainieren. Bewertung gesammelt von und auf G2.com gehostet.