Hopsworks

Hopsworks

von Logical Clocks

Wer verwendet Hopsworks?

Cloudbasierte Datenwissensteams, die einen verwalteten Feature Store benötigen. On-Premise-Nutzer, die eine skalierbare KI-Plattform für den gesamten ML-Lebenszyklus benötigen: Feature-Management, Modellschulung, Serving und Monitoring.

Was ist Hopsworks?

Hopsworks ist eine Open-Source-Enterprise-Plattform für die Entwicklung und den Betrieb von maschinellem Lernen (ML) in großem Maßstab, basierend auf dem ersten Feature Store der Branche für ML. Du kannst problemlos von der Datenexploration und Modellentwicklung in Python mit Jupyter-Notebooks und Conda zum Durchführen von End-to-End-ML-Pipelines für Produktionsqualität übergehen, ohne lernen zu müssen, wie ein Kubernetes-Cluster verwaltet werden muss.

Hopsworks – Details

Logical Clocks

https://www.logicalclocks.com

Gegründet 2016

Hopsworks – Kostenübersicht

Hopsworks bietet eine Gratisversion und eine kostenlose Testversion. Die kostenpflichtige Version von Hopsworks ist ab 1,00 $/Monat verfügbar.

Startpreis

1,00 $/Monat

Kostenlose Version

Ja

Gratis Testen

Ja

Einsatz

Cloud, SaaS, Web

Training

Persönlich

Live Online

Webinare

Dokumentation

Kundenbetreuung

Support während der Geschäftszeiten

Online

Hopsworks Funktionen

Big Data Software
Codefreie Sandbox
Data Mining
Data Warehousing (Datenlager)
Daten mischen
Datenbereinigung
Datenvisualisierung
Kollaboration
Prädiktive Analytik
Verarbeitung von hohen Volumen
Vorlagen
Abfrage-Generator
Berichterstattung / Analyse
Dashboard
Daten-Identifizierung
Datenquellen-Verbinder
Datenvisualisierung
Datenvorbereitung in Selbstbedienung
Prädiktive Analytik
Self-Service-Analysen
Storytelling
Suche in natürlicher Sprache
Datenanalyse
Datenerfassung
Datenintegration
Datenmigration
Datenqualitätskontrolle
Datensicherheit
Information Governance
Kundendaten
Match & Merge
Stammdatenverwaltung
Chatbot
Für E-Commerce
Für den Vertrieb
Mehrsprachig
Prozess-/Workflow-Automatisierung
Prädiktive Analytik
Virtueller persönlicher Assistent (VPA)
für das Gesundheitswesen
Deep Learning
ML-Algorithmusbibliothek
Modell-Training
NLP
Prädiktives Modellieren
Statistische / mathematische Werkzeuge
Visualisierung
Vorlagen

Hopsworks – Nutzerbewertungen

Zeigt 3 von 3 Nutzerbewertungen

Gesamt
4,7/5
Benutzerfreundlichkeit
4,7/5
Kundenservice
5/5
Funktionen
5/5
Preis-Leistungs-Verhältnis
5/5
Markus S.
Agile Product Owner Advanced Analytics
Finanzdienstleistungen, 10.001+ Mitarbeiter
Verwendete die Software für: Mehr als 1 Jahr
  • Gesamtbewertung
    5/5
  • Benutzerfreundlichkeit
    5/5
  • Eigenschaften & Funktionalitäten
    5/5
  • Kundenbetreuung
    5/5
  • Preis-Leistungs-Verhältnis
    5/5
  • Wahrscheinlichkeit der Weiterempfehlung
    9/10
  • Quelle des Nutzers 
  • Bewertet am 14.2.2020

"Skilled challenger to our Teradata suit"

Vorteile: Hopsworks keeps us as a big organisation to be on our toes, in terms of what is possible and how fast it can be implemented. Nice to have options of on-premise and cloud, and extremely fast to add new libraries and other custom made wished from the data scientists.

Nachteile: Sometimes as it's rather flexible and fast to implement it can be hard to place it and understand it's belonging in our overall data architecture.

  • Quelle des Nutzers 
  • Bewertet am 14.2.2020
Zurab B.
Data Scientist
Krankenhausversorgung & Gesundheitswesen, 51-200 Mitarbeiter
Verwendete die Software für: Mehr als 2 Jahre
  • Gesamtbewertung
    5/5
  • Benutzerfreundlichkeit
    5/5
  • Eigenschaften & Funktionalitäten
    5/5
  • Kundenbetreuung
    5/5
  • Preis-Leistungs-Verhältnis
    Nicht bewertet
  • Wahrscheinlichkeit der Weiterempfehlung
    10/10
  • Quelle des Nutzers 
  • Bewertet am 12.4.2020

"Hopsworks "

Kommentare: We recently analysed terabytes of cancer sequencing data and estimated what proportions of the cancers might be preventable in the future by vaccination. The paper is about to publish any day now and this study would have been impossible without Hopsworks.

Vorteile: As a data scientist, I am mostly focusing on developing big data processing pipelines as well as feature engineering for which Hopsworks is probably one of the best platforms. It makes it very easy to run Spark or PySpark applications to process vast amount of data with available resources. Installing python libraries for Jupiter notebook is also quite straightforward which solves many painful problems for a data scientist.

Nachteile: One thing I would try to improve is to get better visibility of the logs after a job is completed.

  • Quelle des Nutzers 
  • Bewertet am 12.4.2020
Xavier M.
bigdata
Informationstechnologie & -dienste, 51-200 Mitarbeiter
Verwendete die Software für: Mehr als 1 Jahr
  • Gesamtbewertung
    4/5
  • Benutzerfreundlichkeit
    4/5
  • Eigenschaften & Funktionalitäten
    5/5
  • Kundenbetreuung
    Nicht bewertet
  • Preis-Leistungs-Verhältnis
    Nicht bewertet
  • Wahrscheinlichkeit der Weiterempfehlung
    8/10
  • Quelle des Nutzers 
  • Bewertet am 11.2.2020

"Hopsworks trial review"

Vorteile: - project oriented dat plateform
- huge set of data analytics features (feature store, automl, lakehouse, kafka, spark, flink, ....)
- devsecops oriented product (security, stretched cluster, model serving, scm, ...)
- on-premise, cloud , multi-cloud (potential) and hybrid-cloud (potential) platform
- easiness of use
- european company
- open source based product
- gdpr compliancy
- deep learning compliancy (gpu, tpu(?), pytorch, tensorflow)
- openess (databricks, sagemake, ..., connectors)
- ...

Nachteile: - Hudi instead of deltalake
- lack of connection between deltalake (as provided with Hudi) and the feature store
- unability to use the ELK or influxdb included tools
- lack of connectors with AzureML, driveless ai, powerbi, azure datablob storage, snowflake, ...
- lack of managed platform on azure or gcp as the one provided for aws
- how to handle staging environment especially for the data sharing?
- ability to deploy on a kubernetes environment outside hopsworks
- R connection along with Python
- difficulties to knwo the arguments for choosing hopsworks instead of dtabacricks, azureml, sagemaker, ....
- lack of prepackaged, ready-to-use managed platform on an appliance for including intot a private datacenter
- I don't know the pricing policy, and I'm not capable of comaring it with the competitor ones
- no graphical etl-like tools enabling to create quickly a data engineering process and deploy it (à la dremio or dataiku)

  • Quelle des Nutzers 
  • Bewertet am 11.2.2020