SAS Visual Data Mining and Machine Learning Vor- und Nachteile

Visuelle Modellierung ohne Code: Die Benutzeroberflaeche erlaubt es, Machine Learning Modelle per Drag and Drop zu erstellen. Das ist besonders nuetzlich fuer Analysten , die nicht unbedingt Programmierer sind, aber dennoch komplexe Modelle erstellen wollen.

AutoML Funktionalitaet: SAS VML kann automatisch mehrere Modelle erstellen, vergleichen und das beste Modell vorschlagen - inkl. Transparenz bei der Bewertung und Auswahl. Bewertung gesammelt von und auf G2.com gehostet.

Da VML auf No-Code Benutzung ausgelegt ist, ist die Integration von User-Code, insbesondere in Plattformfremden Sprachen nicht besonders gut unterstuetzt (z.B. kein Syntaxhighlighting im Code-Editor) Bewertung gesammelt von und auf G2.com gehostet.

Es ist großartig, in derselben Umgebung, in der Dashboards erstellt werden, auch Machine-Learning-Modelle entwickeln zu können. Bewertung gesammelt von und auf G2.com gehostet.

Modelle, die in dieser Umgebung erstellt werden, können nicht die gleiche Komplexität haben wie Modelle, die im Model Studio erstellt werden. Bewertung gesammelt von und auf G2.com gehostet.

SAS Visual Machine Learning ermöglicht es Ihnen, Ihre ML-Modelle einfach zu erstellen, wobei verschiedene Algorithmen zur Bereitstellung verfügbar sind. Sie können ein neues Modell erstellen, indem Sie einfach das vorhandene Modell kopieren und den Algorithmus nach Bedarf ändern. Bewertung gesammelt von und auf G2.com gehostet.

Der gesamte Arbeitsablauf ist nicht so intuitiv wie in SAS Enterprise Miner. Bewertung gesammelt von und auf G2.com gehostet.

Echtzeitzugriff auf Daten, erweiterte Programmierfunktionen, benutzerfreundlich oder für Anfänger Bewertung gesammelt von und auf G2.com gehostet.

Mangel an Benutzeranpassung, Hohe Kosten, Nicht einfach zu implementieren. Bewertung gesammelt von und auf G2.com gehostet.

1. Einfache Datengewinnung und Datenvorbereitung

2. Benutzerfreundlichkeit in Bezug auf statistische Analyse und Verständnis von Verhaltensmustern

3. Integration von Legacy-SQL hilft erfahrenen Personen, auf die Plattform zu kommen und sie zu nutzen Bewertung gesammelt von und auf G2.com gehostet.

Mehr Fokus auf den Low-Code-No-Code-Ansatz, um reine Geschäftsanwender zu ermutigen, die Plattform zu nutzen. Bewertung gesammelt von und auf G2.com gehostet.

SAS Visual Data Science Decisioning ist eine der besten integrierten Umgebungen für Datenvorbereitung, -exploration, -modellierung und -bereitstellung. Seine eingebauten maschinellen Lernfunktionen haben uns geholfen, Datenwissenschaftsprojekte sehr viel schneller umzusetzen. Es hat uns geholfen, maschinelles Lernen oder prädiktive Modellierung zur Vorhersage der Antwortrate für unser Marketing-Analyseprojekt durch die Analyse der Bürodaten zu erstellen. Es ist auch einfach zu bedienen, sobald man sich an die Umgebung gewöhnt hat. Bewertung gesammelt von und auf G2.com gehostet.

Es gibt nichts, was man an SAS Visual Data Science Decisioning nicht mag, aber SAS könnte die Lizenz dieses Tools kostengünstiger gestalten. Bewertung gesammelt von und auf G2.com gehostet.

Es ist eine der besten cloudbasierten und In-Memory-Analysesoftware auf dem Markt. Es ist sehr einfach zu verwenden für diejenigen, die bereits mit SAS Studio oder SAS Enterprise Guide gearbeitet haben. Man kann es leicht mit Teradata oder Hadoop für die Verarbeitung großer Datenmengen verbinden. Es verfügt über integrierte prädiktive Analysemethoden wie logistische Regression oder Entscheidungsbaum, und man kann dies leicht implementieren, ohne Code zu schreiben. Darüber hinaus verfügt es auch über eine integrierte Funktion zur Datenvisualisierung. Bewertung gesammelt von und auf G2.com gehostet.

Manchmal bleibt es hängen oder friert ein, während mehrere Benutzer auf der Anmeldeseite von SAS Via arbeiten, ansonsten ist es sehr einfach zu bedienen und für Statistik-Analysten zu arbeiten. Bewertung gesammelt von und auf G2.com gehostet.

SAS Viya ist so konzipiert, dass es in einer Cloud-Umgebung funktioniert und es den Nutzern ermöglicht, die Cloud-Infrastruktur für Skalierbarkeit und Flexibilität zu nutzen. SAS Viya nutzt In-Memory-Verarbeitung, um Analysen und Berichte zu beschleunigen, was schnellere Einblicke in große Datensätze ermöglicht. SAS Viya erlaubt die Integration mit Open-Source-Sprachen wie Python oder R. SAS Viya ist eine Plattform, die den Nutzern im Bereich der fortgeschrittenen Analytik große Möglichkeiten bietet, einschließlich statistischer Analyse, maschinellem Lernen und Deep Learning. SAS Viya ist einigermaßen leicht zu erlernen und die SAS-Community ist groß und immer bereit zu helfen. Die Bereitstellung in AWS war nicht so kompliziert. SAS Viya kann von verschiedenen Geschäftsbereichen in einer Organisation weit verbreitet genutzt werden. Bewertung gesammelt von und auf G2.com gehostet.

Obwohl das Werkzeug großen Wert bietet, ist das Produkt nicht billig. Bewertung gesammelt von und auf G2.com gehostet.

Die Diagramme und die von KI generierten Analysen sind unglaublich genau. Ich habe viele der Dinge überprüft, die mir in Diagramm-/Grafikform gegeben wurden, und es gab keine Fehler. Die Plattform ist nicht nur "intelligent", sondern auch intuitiv und sehr benutzerfreundlich! Die Einrichtung ist schnell und einfach, die Integration war einwandfrei. Der Kundenservice ist erstklassig! Ich nutze diese Plattform mehrmals täglich! Bewertung gesammelt von und auf G2.com gehostet.

Ich habe bisher keine Nachteile oder Abneigungen gegenüber dieser Plattform festgestellt. Bewertung gesammelt von und auf G2.com gehostet.

SAS bietet den vollständigen integrierten Algorithmus für Datenaufbereitung, Makroprogrammierung, erweiterte Analysen, KI und maschinelle Lernmodelle über SAS Viya und Visual Data Mining und Machine Learning mit nur wenigen Codezeilen. Bewertung gesammelt von und auf G2.com gehostet.

Sehr gründliches Verständnis des ML- und KI-Modells vor der Implementierung und Interpretation des Ergebnisses. Bewertung gesammelt von und auf G2.com gehostet.