AutoML Tablesベータ版

最先端の機械学習モデルを自動的にビルドして、構造化データに対してデプロイできます。

ヒーローバナー

構造化データに対する高速かつ大規模な機械学習

AutoML Tables を使用すれば、チーム内のデータ サイエンティスト、アナリスト、デベロッパーが、さらに高速かつ大規模に、最先端の機械学習モデルのビルドや構造化データへのデプロイを自動化できます。エンタープライズ データを活用し、サプライ チェーン管理、不正行為の検出、見込み顧客のコンバージョン最適化などのミッションクリティカルなタスクに取り組んで顧客の生涯価値を高め、ビジネスを変革しましょう。

モデルの品質向上

モデルの品質向上

最先端のモデルをワンクリックでビルドしましょう。AutoML Tables は、数値、クラス、文字列、タイムスタンプ、リストなどの幅広い表形式のデータ プリミティブを自動的に処理します。また、欠損値、外れ値、その他のよくあるデータの問題を検出して対処するのに役立ちます。構造化データに対する機械学習に、Google の Model Zoo をすべて 1 か所で最大限に活用できます。

モデルのビルドが容易に

モデルのビルドが容易に

コードレス インターフェースが、機械学習のライフサイクル全体を通してユーザーを支援します。これにより、チームのすべてのメンバーがモデルをビルドして、幅広いアプリケーションに確実に取り込むことができます。また、よくある誤りを防ぐためのガードレールに加え、入力データとモデル動作の多様な説明可能性機能も用意しています。

デプロイが簡単

モデルのデプロイとスケーリングが容易に

AutoML Tables は、Google の低レイテンシのサービス インフラストラクチャを使用しています。そのため、本番環境ワークロードのボリュームやグローバル対応の範囲にかかわらず、機械学習モデルのデプロイが極めて容易になります。

より柔軟に

ユーザー オプションが柔軟に

あらゆるユーザーのニーズを満たすため、AutoML Tables は API やノートブック環境で使用できる柔軟性を備えています。

時間を短縮

時間を短縮

AutoML Tables は、未加工データを最高品質で本番環境に対応した機械学習モデルに変換するための所要時間を、数か月からわずか数日に短縮します。

コストを削減

コストを削減

AutoML Tables は、高額な年間ライセンス料を支払うことなくご利用いただけます。料金はコンピューティングとメモリの使用量に基づき、実際にご利用いただいた分だけのお支払いとなります。

AutoML Tables の仕組み

AutoML Tables

AutoML Tables とビジネス

エンタープライズ データを活用し、あらゆるミッションクリティカルな課題に対処しましょう。

小売

小売

収益を最大化

顧客のニーズをより正確に予測することで、ポートフォリオ内のギャップを前もって修正し、商品の販売、プロモーション、価格設定を最適化して収益を最大化できます。

金融

金融

ポートフォリオを最適化

大規模な保険金支払請求と不正行為の可能性に焦点を絞ることで、保険契約者のポートフォリオのリスクとリターンを予測して最適化できます。

マーケティング

マーケティング

顧客を把握

顧客の平均生涯価値はどのくらいでしょうか。AutoML Tables で予想購入額、購入量、購入頻度、見込み顧客コンバージョン率、チャーンレートを予測し、マーケティングへの投資を最大限に活用しましょう。

IoT

IoT

機器をメンテナンス

アセット、デバイス、機器の故障を前もって予測し、最小コスト、最適なパフォーマンスで動作できるようにします。

料金

コンピューティングとメモリの使用
トレーニング 6 時間の無料使用 1 回 + $19.32/時間
(n1-standard-4 と同等のマシン 92 台を並行して使用)
バッチ予測 6 時間の無料使用 1 回 + $1.16/時間
(n1-standard-4 と同等のマシン 5.5 台を並行して使用)
オンライン予測 $0.21/時間
(n1-standard-4 と同等のマシン 1 台)
デプロイメント $0.005/GiB 時間 x マシン 9 台
(低レイテンシ サービス用にモデルを 9 台のマシンに複製)

詳細については、料金ガイドをご覧ください。

リソース

Google Cloud

使ってみる

今すぐ AutoML Tables をお試しください。

最先端の機械学習モデルを自動的にビルドして、構造化データに対してデプロイできます。

このプロダクトはベータ版です。プロダクトのリリース段階の詳細については、こちらをご覧ください。

フィードバックを送信...