SAS Visual Data Science Decisioning Avaliações

Minha parte favorita sobre o Gerenciador de Modelos era a capacidade de automatizar processos que, de outra forma, levariam muito mais tempo e energia apenas em R ou Python. Por exemplo, a divisão de treino e validação dos dados é automaticamente gerenciada ao executar o pipeline do modelo. O mesmo vale para a comparação dos resultados do modelo (Precisão, área sob a curva ROC, etc.). Análise coletada por e hospedada no G2.com.

O ajuste de parâmetros não foi tão intuitivo (pelo menos do ponto de vista de alguém que está mais familiarizado com a codificação de todo esse processo). Achei difícil entender muitas das opções de ajuste de parâmetros, assim como difícil procurar as modificações específicas que eu queria fazer. Análise coletada por e hospedada no G2.com.

Adoro como o Model Manager tornou simples o trabalho com modelos clássicos de ML. Tradicionalmente, esses modelos são criados no início de cada tarefa ao trabalhar com dados como uma etapa elementar, mas a codificação manual consome uma quantidade considerável de tempo. Com o Model Manager, fiquei satisfeito ao ver como o processo era simples e como ele até fornecia comparações e uma tonelada de métricas de precisão. Análise coletada por e hospedada no G2.com.

Eu teria preferido mais documentação. Com cada nova ferramenta há uma curva de aprendizado, mas descobrir os pequenos detalhes dependeu dos meus próprios esforços de explorar o site por um tempo. Há muita documentação e instrução em geral com o SAS, mas é difícil navegar e encontrar a informação específica que eu preciso. Análise coletada por e hospedada no G2.com.

Fluxos de dados em tempo real com alta eficiência e grande velocidade. Incorpora múltiplos bancos de dados para ajudar a alcançar os objetivos necessários. O que eu gosto é que o software é capaz de integrar múltiplos fluxos de dados em si mesmo, criando uma comunidade para as pessoas trabalharem. Análise coletada por e hospedada no G2.com.

A comunidade de suporte e feedback é limitada em tamanho. Não há muitos recursos para coletar informações. O streaming de dados às vezes cria um problema devido ao grande volume de dados que passa por ele, tornando o software um pouco lento para trabalhar. Análise coletada por e hospedada no G2.com.

O que eu mais gosto no SAS Visual Analytics é como ele capacita os usuários a explorar dados visualmente sem precisar de habilidades técnicas profundas. A interface de arrastar e soltar e os painéis interativos tornam fácil descobrir insights rapidamente e compartilhá-los entre as equipes. Análise coletada por e hospedada no G2.com.

Às vezes, o desempenho pode ser um problema ao trabalhar com grandes conjuntos de dados ou relatórios complexos—especialmente em ambientes de nuvem. Otimizar para velocidade e capacidade de resposta pode fazer uma grande diferença. Análise coletada por e hospedada no G2.com.

É super fácil de usar e a capacidade de gerar dados e exportá-los diretamente no VIYA é uma grande vitória. Análise coletada por e hospedada no G2.com.

Até agora tudo está ótimo, a única desvantagem para nós é que ainda não estamos no VIYA 4. Análise coletada por e hospedada no G2.com.

O processamento de fluxo de eventos SAS ajuda a filtrar e padronizar grandes volumes de dados para armazenamento eficiente, economizando assim enormes recursos de computação. A coisa que eu gosto é que sua alta velocidade de computação reduz a carga de trabalho e apresenta as análises para mais insights de dados. Análise coletada por e hospedada no G2.com.

Tudo está perfeito, exceto por alguns problemas no sistema geral, tornando o software bastante tedioso de se trabalhar. O sistema fica lento quando há tráfego intenso no servidor. Análise coletada por e hospedada no G2.com.

Tem a capacidade de lidar e monitorar fluxos de monitoramento em tempo real. Torna mais fácil combinar e analisar diferentes fontes de dados, tornando-o altamente flexível. Envolve codificação mínima, criando múltiplas lógicas de processamento com facilidade. Análise coletada por e hospedada no G2.com.

Como envolve várias fontes de dados, a integração com o sistema não é tão eficiente. Às vezes, leva mais tempo para executar o código quando há uma carga pesada no software. Pode ser muito frustrante quando você está rigoroso com prazos. Análise coletada por e hospedada no G2.com.

Modelagem visual sem código: A interface do usuário permite criar modelos de Machine Learning por meio de arrastar e soltar. Isso é especialmente útil para analistas que não são necessariamente programadores, mas ainda assim querem criar modelos complexos.

Funcionalidade AutoML: O SAS VML pode automaticamente criar vários modelos, compará-los e sugerir o melhor modelo - incluindo transparência na avaliação e seleção. Análise coletada por e hospedada no G2.com.

Como o VML é projetado para uso sem código, a integração de código de usuário, especialmente em linguagens não nativas da plataforma, não é particularmente bem suportada (por exemplo, sem realce de sintaxe no editor de código). Análise coletada por e hospedada no G2.com.

É ótimo poder construir modelos de aprendizado de máquina no mesmo ambiente onde os painéis são criados. Análise coletada por e hospedada no G2.com.

Os modelos criados neste ambiente não podem ter a mesma complexidade que os modelos criados no Model Studio. Análise coletada por e hospedada no G2.com.

os métodos de pipeline permitem uma usabilidade mais rápida de arrastar e soltar para criar a modelagem Análise coletada por e hospedada no G2.com.

A função de substituição, por outro lado, tem capacidades muito limitadas. Um exemplo, a capacidade de colocar apenas 2 substituições onde os dados os identificam como FF e FF2. Também gostaria de capacidades de API para carregar dados diretamente nas substituições. Análise coletada por e hospedada no G2.com.