Lors de l'évaluation des deux solutions, les évaluateurs ont trouvé H2O plus facile à utiliser et à administrer. Cependant, les évaluateurs ont préféré la facilité de configuration et de faire des affaires avec Dataiku dans l'ensemble.
Dataiku est convivial et facile à apprendre. Vous pouvez combiner de nombreuses ressources de données en une seule plateforme simple. J'utilise fréquemment cela dans l'analyse de données dans mon entreprise.
Pour mon application particulière, si le logiciel qui développait des modèles ML, ce n'était pas nécessaire et je trouve que l'utilisation de bibliothèques open source comme Pandas avec mon IDE Python préféré est la plus polyvalente.
Rationalisation de notre processus de génération et de déploiement de modèles d'apprentissage automatique.
Certain beug et ralentissement qui sont tres gênent
Dataiku est convivial et facile à apprendre. Vous pouvez combiner de nombreuses ressources de données en une seule plateforme simple. J'utilise fréquemment cela dans l'analyse de données dans mon entreprise.
Rationalisation de notre processus de génération et de déploiement de modèles d'apprentissage automatique.
Pour mon application particulière, si le logiciel qui développait des modèles ML, ce n'était pas nécessaire et je trouve que l'utilisation de bibliothèques open source comme Pandas avec mon IDE Python préféré est la plus polyvalente.
Certain beug et ralentissement qui sont tres gênent