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

Comparer Azure Machine LearningetIBM Watson Studio

Enregistrer
    Connectez-vous à votre compte
    pour enregistrer des comparaisons,
    des produits et plus encore.
En un coup d'œil
Azure Machine Learning
Azure Machine Learning
Note
(88)4.3 sur 5
Segments de marché
Entreprise (38.8% des avis)
Information
Prix d'entrée de gamme
Aucun tarif disponible
En savoir plus sur Azure Machine Learning
IBM Watson Studio
IBM Watson Studio
Note
(165)4.2 sur 5
Segments de marché
Entreprise (50.9% des avis)
Information
Prix d'entrée de gamme
Aucun tarif disponible
En savoir plus sur IBM Watson Studio
Résumé généré par IA
Généré par IA. Alimenté par de vrais avis d'utilisateurs.
  • Les utilisateurs rapportent qu'Azure Machine Learning excelle en "Facilité de Déploiement" avec un score de 9,8, ce qui le rend particulièrement convivial pour les équipes cherchant à mettre en œuvre rapidement des solutions d'apprentissage automatique. En revanche, IBM Watson Studio, bien que toujours performant, a un score légèrement inférieur de 9,5 dans ce domaine, indiquant que les utilisateurs peuvent rencontrer un peu plus de complexité lors du déploiement.
  • Les critiques mentionnent qu'Azure Machine Learning offre un accès supérieur aux "Sources de Données" avec un score de 8,9 pour l'étendue et de 9,3 pour la facilité de connexion des données, ce qui permet une intégration transparente de diverses sources de données. IBM Watson Studio, bien que compétitif, n'atteint pas ce niveau de flexibilité, ce qui pourrait limiter les utilisateurs ayant besoin de diverses entrées de données.
  • Les utilisateurs de G2 soulignent la "Qualité du Support" d'Azure Machine Learning avec un score de 8,6, indiquant une forte expérience de service client. À l'inverse, la qualité du support d'IBM Watson Studio, notée à 8,2, suggère que les utilisateurs peuvent ne pas recevoir le même niveau d'assistance, ce qui pourrait affecter leur expérience globale.
  • Les utilisateurs sur G2 rapportent qu'Azure Machine Learning brille dans "Entraînement de Modèles" avec un score de 8,7, fournissant des outils robustes pour développer et affiner les modèles. IBM Watson Studio, bien que toujours efficace, a un score inférieur de 8,3, ce qui peut indiquer moins de fonctionnalités ou des processus moins intuitifs pour l'entraînement des modèles.
  • Les critiques mentionnent que la "Scalabilité" d'Azure Machine Learning est notée à 9,0, en faisant un choix solide pour les entreprises cherchant à développer leurs capacités d'apprentissage automatique. En comparaison, le score de scalabilité d'IBM Watson Studio de 8,6 suggère qu'il pourrait ne pas gérer aussi efficacement les opérations à grande échelle, ce qui pourrait être une préoccupation pour les grandes organisations.
  • Les utilisateurs disent que les capacités "Sans Code" d'Azure Machine Learning sont très appréciées avec un score de 9,7, le rendant accessible aux utilisateurs sans connaissances approfondies en programmation. IBM Watson Studio, bien qu'offrant des options sans code, n'atteint pas le même niveau de convivialité, ce qui pourrait dissuader les utilisateurs non techniques d'exploiter pleinement ses fonctionnalités.
Produits en vedette

Azure Machine Learning vs IBM Watson Studio

Lors de l'évaluation des deux solutions, les évaluateurs ont trouvé Azure Machine Learning plus facile à utiliser, configurer et administrer. Les évaluateurs ont également préféré faire des affaires avec Azure Machine Learning dans l'ensemble.

  • Les évaluateurs ont estimé que Azure Machine Learning répond mieux aux besoins de leur entreprise que IBM Watson Studio.
  • En comparant la qualité du support produit continu, les évaluateurs ont estimé que Azure Machine Learning est l'option préférée.
  • Pour les mises à jour des fonctionnalités et les feuilles de route, nos évaluateurs ont préféré la direction de Azure Machine Learning à IBM Watson Studio.
Tarification
Prix d'entrée de gamme
Azure Machine Learning
Aucun tarif disponible
IBM Watson Studio
Aucun tarif disponible
Essai gratuit
Azure Machine Learning
Aucune information sur l'essai disponible
IBM Watson Studio
Aucune information sur l'essai disponible
Évaluations
Répond aux exigences
8.5
81
8.3
122
Facilité d’utilisation
8.5
80
8.0
123
Facilité d’installation
8.3
57
7.6
101
Facilité d’administration
8.3
49
7.8
95
Qualité du service client
8.6
74
8.2
114
the product a-t-il été un bon partenaire commercial?
8.6
47
8.0
94
Orientation du produit (% positif)
9.0
80
8.5
116
Fonctionnalités
Pas assez de données
9.2
14
Accès aux sources de données
Pas assez de données disponibles
9.0
13
Pas assez de données disponibles
9.3
12
Pas assez de données disponibles
9.2
14
Interaction des données
Pas assez de données disponibles
9.0
14
Pas assez de données disponibles
9.2
12
Pas assez de données disponibles
9.4
12
Pas assez de données disponibles
9.1
13
Pas assez de données disponibles
9.2
12
Pas assez de données disponibles
9.2
13
Pas assez de données disponibles
9.1
13
Pas assez de données disponibles
9.6
12
Exportation de données
Pas assez de données disponibles
9.4
12
Pas assez de données disponibles
9.2
12
Pas assez de données disponibles
9.2
12
IA générative
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données
9.3
10
déploiement
Pas assez de données disponibles
8.8
8
Pas assez de données disponibles
9.2
8
Pas assez de données disponibles
9.0
8
Pas assez de données disponibles
9.4
8
Pas assez de données disponibles
8.8
8
déploiement
Pas assez de données disponibles
9.0
8
Pas assez de données disponibles
8.8
8
Pas assez de données disponibles
8.8
8
Pas assez de données disponibles
9.4
8
Pas assez de données disponibles
9.2
8
management
Pas assez de données disponibles
9.3
7
Pas assez de données disponibles
9.6
8
Pas assez de données disponibles
9.0
7
Pas assez de données disponibles
9.0
8
Opérations
Pas assez de données disponibles
9.0
8
Pas assez de données disponibles
9.0
8
Pas assez de données disponibles
9.3
7
management
Pas assez de données disponibles
9.5
7
Pas assez de données disponibles
9.4
8
Pas assez de données disponibles
8.8
7
IA générative
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Plateformes de science des données et d'apprentissage automatiqueMasquer 34 fonctionnalitésAfficher 34 fonctionnalités
8.5
56
8.9
41
Système
8.6
22
9.0
12
8.9
21
8.5
13
8.7
22
9.1
13
Développement de modèles
8.6
51
8.5
33
8.9
54
8.8
34
8.3
53
8.5
35
8.7
52
8.3
36
Développement de modèles
8.1
21
9.1
13
8.7
21
9.0
13
8.4
21
9.4
13
Services d’apprentissage automatique/profond
8.1
45
8.5
27
7.9
45
8.5
34
7.8
38
Fonction non disponible
8.2
42
8.6
28
Services d’apprentissage automatique/profond
8.3
21
9.7
10
8.7
21
8.9
12
8.6
20
Fonction non disponible
8.5
21
9.0
12
déploiement
8.8
50
8.5
32
8.7
51
8.6
33
8.9
51
8.6
30
déploiement
8.9
21
9.3
12
8.8
21
9.2
12
9.1
21
9.3
12
IA générative
8.5
10
Pas assez de données disponibles
8.2
10
Pas assez de données disponibles
7.5
10
Pas assez de données disponibles
Agentic AI - Plateformes de science des données et d'apprentissage automatique
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données
8.6
7
Configuration
Pas assez de données disponibles
8.6
7
Pas assez de données disponibles
8.3
7
Pas assez de données disponibles
9.7
6
Données
Pas assez de données disponibles
8.6
7
Pas assez de données disponibles
8.6
7
Analyse
Pas assez de données disponibles
9.7
6
Pas assez de données disponibles
8.1
7
Pas assez de données disponibles
8.1
7
Pas assez de données disponibles
8.3
7
Pas assez de données disponibles
8.8
7
Pas assez de données disponibles
8.1
7
Pas assez de données disponibles
7.9
7
Personnalisation
Pas assez de données disponibles
9.0
7
Pas assez de données disponibles
8.1
7
Pas assez de données disponibles
9.2
6
IA générative
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données
Pas assez de données
Évolutivité et performances - Infrastructure d’IA générative
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Coût et efficacité - Infrastructure d’IA générative
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Intégration et extensibilité - Infrastructure d’IA générative
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Sécurité et conformité - Infrastructure d’IA générative
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Facilité d’utilisation et prise en charge - Infrastructure d’IA générative
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Opérationnalisation des Modèles de Langage de Grande Taille (LLMOps)Masquer 15 fonctionnalitésAfficher 15 fonctionnalités
Pas assez de données
Pas assez de données
Ingénierie des invites - Opérationnalisation des grands modèles de langage (LLMOps)
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Optimisation de l'inférence - Opérationnalisation des grands modèles de langage (LLMOps)
Pas assez de données disponibles
Pas assez de données disponibles
Jardin de Modèles - Opérationnalisation des Grands Modèles de Langage (LLMOps)
Pas assez de données disponibles
Pas assez de données disponibles
Formation personnalisée - Opérationnalisation des grands modèles de langage (LLMOps)
Pas assez de données disponibles
Pas assez de données disponibles
Développement d'applications - Opérationnalisation des grands modèles de langage (LLMOps)
Pas assez de données disponibles
Pas assez de données disponibles
Déploiement de modèle - Opérationnalisation des grands modèles de langage (LLMOps)
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Garde-fous - Opérationnalisation des Modèles de Langage de Grande Taille (LLMOps)
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Surveillance du modèle - Opérationnalisation des grands modèles de langage (LLMOps)
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Sécurité - Opérationnalisation des Modèles de Langage à Grande Échelle (LLMOps)
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données disponibles
Passerelles et routeurs - Opérationnalisation des modèles de langage à grande échelle (LLMOps)
Pas assez de données disponibles
Pas assez de données disponibles
Pas assez de données
8.6
18
Outil statistique
Pas assez de données disponibles
8.0
14
Pas assez de données disponibles
8.4
15
Pas assez de données disponibles
8.1
15
Analyse des données
Pas assez de données disponibles
8.7
15
Pas assez de données disponibles
9.0
14
Prise de décision
Pas assez de données disponibles
8.6
14
Pas assez de données disponibles
8.6
15
Pas assez de données disponibles
8.3
13
Pas assez de données disponibles
8.7
14
IA générative
Pas assez de données disponibles
9.3
5
Pas assez de données disponibles
8.3
5
Catégories
Catégories
Catégories partagées
Azure Machine Learning
Azure Machine Learning
IBM Watson Studio
IBM Watson Studio
Azure Machine LearningetIBM Watson Studio est catégorisé comme Plateformes MLOpsetPlateformes de science des données et d'apprentissage automatique
Catégories uniques
IBM Watson Studio
IBM Watson Studio est catégorisé comme Analyse de texteetAnalytique PrédictiveetPréparation des données
Avis
Taille de l'entreprise des évaluateurs
Azure Machine Learning
Azure Machine Learning
Petite entreprise(50 employés ou moins)
35.3%
Marché intermédiaire(51-1000 employés)
25.9%
Entreprise(> 1000 employés)
38.8%
IBM Watson Studio
IBM Watson Studio
Petite entreprise(50 employés ou moins)
29.6%
Marché intermédiaire(51-1000 employés)
19.5%
Entreprise(> 1000 employés)
50.9%
Industrie des évaluateurs
Azure Machine Learning
Azure Machine Learning
Technologies et services d’information
28.2%
Logiciels informatiques
14.1%
Conseil en gestion
8.2%
Gestion de l’éducation
5.9%
enseignement
4.7%
Autre
38.8%
IBM Watson Studio
IBM Watson Studio
Technologies et services d’information
16.4%
Logiciels informatiques
13.2%
Télécommunications
8.2%
Bancaire
7.5%
Gestion de l’éducation
5.7%
Autre
49.1%
Avis les plus utiles
Azure Machine Learning
Azure Machine Learning
Avis favorable le plus utile
Utilisateur vérifié à Technologie de l'information et services
UT
Utilisateur vérifié à Matériaux de construction

La facilité des tâches répétitives signifie désormais que ce qui aurait pu prendre quelques heures ou plusieurs employés peut maintenant être fait rapidement et sans effort.

Avis critique le plus utile
Utilisateur vérifié à Services financiers
US
Utilisateur vérifié à Conseil en gestion

Je n'aime pas le prix auquel Azure se commercialise. Il n'est pas logique de facturer autant étant donné leurs coûts inférieurs par rapport aux concurrents.

IBM Watson Studio
IBM Watson Studio
Avis favorable le plus utile
Utilisateur vérifié
U
Utilisateur vérifié à Télécommunications

J'aime la façon dont l'annotation de modèle personnalisé peut être confiée à des experts en la matière qui n'ont pas besoin d'avoir un niveau élevé de compétences techniques.

Avis critique le plus utile
Utilisateur vérifié à Internet
UI
Utilisateur vérifié à Biotechnologie

Cher. Des capacités équivalentes peuvent être atteintes avec seulement quelques jours d'effort grâce à des outils open source.

Meilleures alternatives
Azure Machine Learning
Azure Machine Learning Alternatives
Vertex AI
Vertex AI
Ajouter Vertex AI
Dataiku
Dataiku
Ajouter Dataiku
Amazon SageMaker
Amazon SageMaker
Ajouter Amazon SageMaker
Altair AI Studio
Altair AI Studio
Ajouter Altair AI Studio
IBM Watson Studio
IBM Watson Studio Alternatives
Altair AI Studio
Altair AI Studio
Ajouter Altair AI Studio
Alteryx
Alteryx
Ajouter Alteryx
Vertex AI
Vertex AI
Ajouter Vertex AI
Amazon SageMaker
Amazon SageMaker
Ajouter Amazon SageMaker
Discussions
Azure Machine Learning
Discussions Azure Machine Learning
À quoi sert Azure Machine Learning Studio ?
1 commentaire
Akash R.
AR
En bref, pour construire, déployer et gérer des modèles de haute qualité plus rapidement et avec confiance.Lire la suite
Monty la Mangouste pleure
Azure Machine Learning n'a plus de discussions avec des réponses
IBM Watson Studio
Discussions IBM Watson Studio
Monty la Mangouste pleure
IBM Watson Studio n'a aucune discussion avec des réponses