Asana
- Lee más sobre Asana
- Inicie sesión para enviar comentarios
Empresa mediana, con 5 o más empleados
Microsoft Dynamics 365 es una solución de software empresarial en la nube que incluye herramientas de CRM, ERP y Business Intelligence.
Algunas de las características incluyen:
H2O.ai es un software de aprendizaje automático que se utiliza para construir y desplegar modelos de análisis predictivo. H2O.ai proporciona una interfaz fácil de usar que permite a los usuarios construir y entrenar modelos de aprendizaje automático sin escribir código. Esto puede hacerse utilizando algoritmos integrados o importando algoritmos personalizados de R y Python..
KNIME Analytics Platform es una aplicación de software que permite crear y analizar flujos de trabajo basados en datos, o "pipelines", dentro de la plataforma KNIME. El software fue desarrollado originalmente por investigadores de la Universidad de Konstanz en Alemania, pero ahora está disponible bajo licencia open source.
El software ofrece una serie de características propias de este tipo de plataformas:
Azure Machine Learning es una plataforma basada en la nube que permite a los usuarios crear, entrenar y desplegar modelos de aprendizaje automático y análisis predictivo sin tener que preocuparse por la infraestructura subyacente.
La plataforma facilita la creación y el entrenamiento de modelos de datos, que luego pueden desplegarse de diversas maneras y utilizarse en múltiples aplicaciones..
MATLAB es un lenguaje de programación y un entorno informático de alto rendimiento para el desarrollo de algoritmos, la visualización de datos, el análisis de datos y el cálculo numérico. Combinando características de programación de alto nivel con tipos de datos dinámicos, MATLAB proporciona un entorno que permite crear rápidamente prototipos de ideas y desarrollar software para resolver problemas de analítica y cálculo técnico...
Dataiku es una plataforma única de software como servicio que combina la potencia de la ciencia de datos, SQL, Hadoop y Spark. Automatiza todo el ciclo de vida de la ciencia de datos: desde la preparación de los datos, el aprendizaje automático y la analítica avanzada hasta el despliegue de la analítica de producción..