AI Platform

データ サイエンスと機械学習向けのフルマネージドのエンドツーエンド プラットフォーム。

  • action/check_circle_24px Sketch で作成。

    手間のかからない開発のためのマネージド サービス

  • action/check_circle_24px Sketch で作成。

    コードベースのツールとノーコード ツールで製品化までの時間を短縮

  • action/check_circle_24px Sketch で作成。

    解釈可能なモデルを備えた堅牢なガバナンス

利点

あらゆるスキルレベルに対応

AutoML を使用したマウス操作だけのデータ サイエンスや高度なモデル最適化などを提供する AI Platform により、あらゆるユーザーは、プロジェクトの構想からデプロイまでをすばやくシームレスに移行できます。

MLOps を簡素化

機械学習はデプロイで終わりません。AI Platform を使用すると、デベロッパー、データ サイエンティスト、データ エンジニアは、ML ワークフローを簡単に効率化してスケールできます。

Google の AI の強み

TPU や TensorFlow などの AI Platform のツールで最先端のテクノロジーをお使いのアプリケーションに組み込み、AI に関する Google の専門知識を活用できます。

主な機能

エンドツーエンドの機械学習ライフサイクル

準備

BigQueryCloud Storage でデータセットを準備、保存した後、組み込みの Data Labeling Service でトレーニング データにラベルを付け、画像、動画、表、テキストのデータを分類やオブジェクト検出、エンティティ抽出などに使用できるようにします。

構築

AutoML の操作の簡単な UI を使用すれば、コードを 1 行も書かずに、最高水準の ML モデルを構築できます。または、マネージド Jupyter Notebook サービスである Notebooks を使用して、独自のコードで ML モデルを構築することもできます。Deep Learning VM Image または Deep Learning Containers で、最新のオープンソースのディープ ラーニング フレームワークを使用します。次に、フルマネージドのトレーニング サービスを使用してモデルをトレーニングします。

検証

AI ExplanationsWhat-If ツールを使用してモデルを検証すると、モデルの出力の理解、モデルの動作検証とバイアス認識、モデルやトレーニング データの改善方法の確認に役立ちます。さらに、ブラックボックス最適化サービスである Vizier を使用すると、ハイパーパラメータの調整とモデルのパフォーマンスの最適化ができます。

デプロイ

モデルを大規模にデプロイし、Prediction を使用してクラウドで予測を取得します。Prediction は、オンライン予測とバッチ予測のリクエスト用にモデルをホストします。また、AutoML Vision Edge を利用すると、モデルのデプロイをエッジで行い、ローカルデータに基づいてリアルタイム アクションを起動できます。TensorFlow Enterprise は、TensorFlow インスタンスにエンタープライズ クラスのサポートを提供します。

MLOps

堅牢で再現性の高いパイプラインを使用した MLOps ベスト プラクティスを適用して、パイプラインでモデル、テスト、エンドツーエンドのワークフローを管理できます。継続評価は、モデルのパフォーマンス モニタリングに役立ち、継続的にフィードバックを提供します。

矢印が左から右に進み、4 つのパイプラインの列が次の各項目を示す:1 準備: データラベル付け、BigQuery データセット、Cloud Storage を一覧表示2 ビルド: ノートブック、AutoML、トレーニング、Deep Learning VM Image、Deep Learning Containers を一覧表示3 検証: AI Explanations、What-if ツール、Vizier を一覧表示4 デプロイ: 予測、TensorFlow Enterprise を一覧表示
すべての機能を表示

導入事例

最新情報

Next '20: OnAir のハイライト

Google Cloud のニュースレターにご登録いただくと、プロダクトの最新情報、イベント情報、スペシャル オファーなどを受け取ることができます。

ドキュメント

ドキュメント、クイックスタートなど

Google Cloud の基礎
AI Platform(従来型)の概要

AI Platform(従来型)の基礎と、ML ワークフローへの適合性

クイックスタート
TensorFlow Keras を使用したトレーニングと予測

Keras Sequential API を使用して AI Platform でニューラル ネットワークをトレーニングする方法と、そのモデルから予測を提供する方法。

クイックスタート
ノートブックの作成

最新の機械学習とデータ サイエンス ライブラリを備えた DLVM インスタンスである AI Platform Notebook(JupyterLab)を作成する方法をご覧ください。

ベスト プラクティス
MLOps 101

ML システムの継続的インテグレーション(CI)、継続的デリバリー(CD)、継続的トレーニング(CT)の実装と自動化の手法。

ベスト プラクティス
カスタム ML モデルを Google Cloud へ移行するための 3 つのステップ

ML パイプライン生成ツールの概要と予想される使用シナリオ、AI Platform でトレーニング ジョブをオーケストレートするための手順。

Google Cloud の基礎
AI Platform(統合型)の概要

AutoML と AI Platform(従来型)を、統合された API、クライアント ライブラリ、ユーザー インターフェースにまとめる AI Platform(統合型)について説明します。

Google Cloud の基礎
AI Platform(従来型)ユーザー向けの AI Platform(統合型)

AI Platform(従来型)を使い慣れているユーザー向けの AI Platform(統合型)と AI Platform(従来型)の比較

すべての機能

すべての AI ツールを 1 つのプラットフォームに統合

AI Explanations 入力データの各特徴がモデルの出力にどのように影響を及ぼしたかを把握します。
AutoML トレーニング ルーティンを作成しなくても、高品質のカスタム機械学習モデルを簡単に開発できます。Google の最先端の転移学習とハイパーパラメータ検索テクノロジーが活用されています。
継続評価 本番環境におけるモデルのパフォーマンスに関する指標を取得します。予測と正解ラベルを比較して継続的なフィードバックを取得し、時間の経過とともにモデルのパフォーマンスを最適化します。
Data Labeling Service 機械学習モデルの品質向上のため、ヒューマン ラベリングの高精度のラベルを取得します。
Deep Learning Containers すべての AI アプリケーションに対し、移植可能で一貫性のある環境でモデルを迅速に構築してデプロイできます。
Deep Learning VM Image ソフトウェアの互換性を心配することなく、人気のある AI フレームワークを備えた VM イメージを Compute Engine インスタンスでインスタンス化できます。
ニューラル アーキテクチャ検索 アプリケーション固有のモデルを構築し、自動化されたサービスで既存のモデル アーキテクチャを改善します。Google の先進的な AI 研究結果を活用して、レイテンシ、精度、電力消費などを最適化したモデルを設計できます。
Notebooks データ サイエンティストの標準的な作業環境である JupyterLab を使用して VM を作成、管理、接続できます。VM にはディープ ラーニングのフレームワークとライブラリがプリインストールされています。
Pipelines TensorFlow Extended(TFX)で Kubeflow Pipelines を設定する手間を省き、ML ワークフローのステップをパイプラインとしてオーケストレートすることで MLOps を実装できます。
Prediction モデルをスケーラブルなマネージド エンドポイントに簡単にデプロイして、オンライン予測とバッチ予測を行います。
TensorFlow Enterprise エンタープライズ クラスのサポートとクラウド規模のパフォーマンスにより、Google Cloud で TensorFlow モデルを簡単に開発してデプロイできます。
Training 1 台のマシンから複数のアクセラレータを備えた大規模クラスタまで、任意のハードウェア上の任意のフレームワークであらゆるモデルをトレーニングできます。
Vizier ハイパーパラメータをインテリジェントに調整することで、モデルの出力を最適化します。
What-If ツール インタラクティブなビジュアル インターフェースを使用して、データセットを可視化し、モデルをプローブして動作をより深く理解します。

料金

料金

AI Platform には、プロジェクトと予算に合わせて選べるさまざまな料金オプションが用意されています。

AI Platform では、モデルのトレーニング、予測ジョブの実行に対して料金が発生します。AI Platform Vizier、AI Platform Notebooks、AI Platform Deep Learning Containers、AI Platform Deep Learning VM Image、AI Platform Pipelines の使用に料金はかかりません。ただし、これらのプロダクトで使用する Google Cloud リソースには課金されます。

また、Google の料金計算ツールを使用して、ワークロードを実行するための費用を見積もることもできます。