AI Platform

Vollständig verwaltete, End-to-End-Plattform für Data Science und maschinelles Lernen.

  • check_circle_filled_black_24dp (1)

    Verwaltete Dienste für unkomplizierte Entwicklung

  • check_circle_filled_black_24dp (1)

    Schnellere Produktion durch codebasierte Tools und Tools ohne Code

  • check_circle_filled_black_24dp (1)

    Robuste Governance mit interpretierbaren Modellen

Vorteile

Unabhängig von der Kompetenzstufe

Ganz gleich, ob es sich um Point-and-Click-Data Science mit AutoML oder erweiterter Modelloptimierung handelt – mit AI Platform können alle Nutzer ihre Projektideen nahtlos umsetzen.

MLOps, vereinfacht

Maschinelles Lernen ist nicht nur Entwicklung. Mit AI Platform können Entwickler, Data Scientists und Data Engineers ihre ML-Workflows einfach optimieren. 

Vorteile von KI von Google

Nutzen Sie das Fachwissen von Google im Bereich KI. Binden Sie unsere hochmodernen Technologien über Tools in AI Platform wie TPUs und TensorFlow in Ihre Anwendungen ein.

Wichtige Features

Vollständiger Lebenszyklus des maschinellen Lernens

Vorbereiten

Bereiten Sie Ihre Datasets mit BigQuery und Cloud Storage vor und speichern Sie sie. Nutzen Sie dann den integrierten Data Labeling Service, um Ihre Trainingsdaten mit Labels zu versehen. Dies dient z. B. zu Klassifizierungen, Objekterkennung und Entitätsextraktion für Bilder, Videos, Tabellen und Text.

Build

Erstklassige ML-Modelle, ohne eine einzige Codezeile schreiben zu müssen: Nutzen Sie die unkomplizierte Benutzeroberfläche von AutoML oder Ihren eigenen Code in Notebooks, einem verwalteten Jupyter-Notebook-Dienst. Nutzen Sie die neuesten Open-Source-Deep-Learning-Frameworks für Deep Learning VM Image oder Deep Learning Container. Trainieren Sie dann Ihre Modelle mit unserem vollständig verwalteten Trainingdienst.

Validieren

Validieren Sie Ihr Modell mit AI Explanations und dem What-If-Tool. Damit können Sie die Ausgaben Ihres Modells verstehen, das Modellverhalten prüfen, Verzerrungen erkennen und Ihr Modell und Trainingsdaten verbessern. Gehen Sie bei der Optimierung Ihres Modells einen Schritt weiter und verwenden Sie Vizier, einen Blackbox-Optimierungsdienst, um Hyperparameter und die Modellleistung zu optimieren.

Bereitstellen

Stellen Sie Ihre Modelle in großem Umfang bereit und nutzen Sie sie für Vorhersagen in der Cloud mit Vorhersage, das Ihr Modell für Online- und Batchvorhersagen hostet. Außerdem können Sie mit AutoML Vision Edge Ihre Modelle auf Edge-Geräten bereitstellen und Aktionen in Echtzeit anhand lokaler Daten auslösen. TensorFlow Enterprise bietet auf Unternehmen zugeschnittenen Support für Ihre TensorFlow-Instanzen.

MLOps

Verwalten Sie Ihre Modelle, Experimente und durchgängigen Workflows mit Pipelines. Stellen Sie dazu robuste, wiederholbare Pipelines mit Best Practices von MLOps bereit. Die kontinuierliche Evaluierung hilft Ihnen, die Leistung Ihrer Modelle zu beobachten, und liefert kontinuierliches Feedback im Laufe der Zeit.

AI Platform-Diagramm
Alle Features ansehen

Kunden

Das ist neu

Highlights aus Next ’20: OnAir

Melden Sie sich für die Google Cloud-Newsletter an. So werden Sie regelmäßig über Produktänderungen, Veranstaltungen, Sonderangebote und weitere Neuigkeiten informiert.

Dokumentation

Dokumente, Kurzanleitungen und mehr

Grundlagen zu Google Cloud
Einführung in AI Platform (Classic)

Grundlagen von AI Platform (Classic) und wie es zu Ihrem ML-Workflow passt.

Kurzanleitung
Training und Vorhersage mit TensorFlow Keras

So trainieren Sie mit der Keras Sequential API ein neuronales Netzwerk in AI Platform und stellen mit diesem Modell Vorhersagen bereit.

Kurzanleitung
Notebook erstellen

Erfahren Sie, wie Sie ein AI Platform Notebook (JupyterLab) erstellen, eine DLVM-Instanz mit den neuesten ML- und Data Scientist-Bibliotheken.

Best Practice
MLOps 101

Verfahren zur Implementierung und Automatisierung von Continuous Integration (CI), Continuous Delivery (CD) und Continuous Training (CT) für ML-Systeme.

Best Practice
Migrieren Sie in drei Schritten Ihre benutzerdefinierten ML-Modelle zu Google Cloud

Übersicht über ML-Pipeline-Generator und erwartete Vorgehensweisen von Nutzern, und Anleitungen zum Orchestrieren eines Trainingsjobs in AI Platform. 

Grundlagen zu Google Cloud
Einführung in AI Platform (Unified)

Weitere Informationen zu AI Platform (Unified), das AutoML und AI Platform (Classic) in einer einheitlichen API, Clientbibliothek und Benutzeroberfläche verbindet. 

Grundlagen zu Google Cloud
AI Platform (Unified) für Nutzer von AI Platform (Classic)

Vergleich von AI Platform (Unified) und AI Platform (Classic) für Nutzer, die mit AI Platform (Classic) vertraut sind.

Alle Features

Alle KI-Tools in einer Plattform

AI Explanations Erfahren Sie, wie jedes Feature in Ihren Eingabedaten Teil der Modellausgabe ist.
AutoML Entwickeln Sie einfach qualitativ hochwertige benutzerdefinierte ML-Modelle ohne neue Trainingsroutinen. Bereitgestellt durch die herausragende Lerntransfer- und Hyperparametersuchtechnologie von Google.
Kontinuierliche Evaluierung Erhalten Sie Messwerte zur Leistung Ihrer Modelle in Produktionsumgebung. Vergleichen Sie Vorhersagen mit Ground-Truth-Labels, um kontinuierliches Feedback zu erhalten und Modellleistung im Laufe der Zeit zu optimieren.
Data Labeling Service Erhalten Sie Labels mit hoher Genauigkeit von menschlichen Labelerstellern, um ML-Modelle zu optimieren.
Deep Learning Container Erstellen Sie schnell Modelle und stellen Sie sie in portierbaren und konsistenten Umgebungen für alle KI-Anwendungen bereit.
Deep Learning VM Image Instanziieren Sie ein VM-Image mit den beliebtesten KI-Frameworks auf einer Compute Engine-Instanz, ohne dass Sie sich dabei Sorgen über Softwarekompatibilität machen müssen.
Notebooks Erstellen, verwalten und verbinden Sie VMs mit JupyterLab, der Standard-Data Scientist-Workbench. VMs enthalten vorinstallierte Deep-Learning-Frameworks und Bibliotheken.
Pipelines Implementieren Sie MLOps. Orchestrieren Sie dazu die Schritte in Ihrem ML-Workflow als eine Pipeline, ohne Kubeflow Pipelines mit TensorFlow Extended (TFX) einrichten zu müssen.
Vorhersage Stellen Sie einfach Ihre Modelle für verwaltete, skalierbare Endpunkte für Online- oder Batchvorhersagen bereit.
TensorFlow Enterprise Entwickeln Sie einfach TensorFlow-Modelle und stellen Sie sie in Google Cloud bereit. Nutzen Sie dabei den auf Unternehmen zugeschnittenen Support und eine skalierbare Cloud.
Training Trainieren Sie alle Modelle in jedem Framework auf jeder Hardware, von einzelnen Maschinen zu großen Clustern mit verschiedenen Beschleunigern.
Vizier Optimieren Sie die Modellausgabe durch effektivere Hyperparameter.
What-If-Tool Stellen Sie Ihre Datasets grafisch dar und testen Sie Ihr Modell, um sein Verhalten mit einer interaktiven visuellen Schnittstelle besser verstehen zu können.

Preise

Preise

AI Platform bietet skalierbare, flexible Preismodelle, die zu Ihrem Projekt und Budget passen.

Bei Verwendung von AI Platform für Trainingsmodelle und für die Durchführung von Vorhersagen werden Gebühren berechnet. Die Nutzung von AI Platform Vizier, AI Platform Notebooks, AI Platform Deep Learning Containers, AI Platform Deep Learning VM Image oder AI Platform Pipelines ist kostenlos. Jedoch sind alle Google Cloud-Ressourcen, die Sie mit diesen Produkten verwenden, kostenpflichtig.

Sie können auch unseren Preisrechner verwenden, um die Kosten für die Ausführung Ihrer Arbeitslasten zu ermitteln.