AutoML Tables^ベータ版

構造化データに対する最先端の機械学習モデルを自動的にビルドしてデプロイします。

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、開発者が、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

最先端のモデル（くわしくは機能をご覧ください）をワンクリックで作成しましょう。Google の Model Zoo で構造化されたデータを自動検索し、比較的単純なデータセット用の線形 / ロジスティック回帰モデルから、より大規模で複雑なデータセット用の高度なディープ検索、組み合わせ検索、アーキテクチャ検索手法まで、お客様のニーズに合ったモデルを探します。

自動的にデータを処理

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で特徴エンジニアリングを自動化します。また、欠損値、外れ値、その他の一般的なデータの問題を検出、対処できます。

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。AutoML Tables は、API とノートブック環境でも使用できます。

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。

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

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 を使用して構造化データから予測的インサイトを得る方法をご覧ください

AutoML Tables の仕組み

AutoML Tables の高速性、正確性、規模の大きさにより、Fox Sports はオーストラリアの何百万人ものクリケットファンに、これまでにない新しい体験を届けることができるようになりました。これまでのクリケットゲームの複数変数でモデルをトレーニングすることで、ウィケットが倒れるタイミングを 5 分前に予測できるようになりました。この新機能は、私たちのマーケティング戦略に不可欠な要素となりました。AutoML を App Engine や Cloud Dataflow と統合することで、顧客とのすべてのタッチポイントが変わりました。クリケットの中継が今までと大きく変わり、ユーザーエンゲージメントが業界平均と比べて 140% 向上しました。マーケティングでは、適切な場所、適切なタイミングでファンにアピールすることで、1 ドルの支出に対する契約者数が 150% 増加しました。
Fox Sports 社マーケティングディレクター Chris Pocock 氏

AutoML Tables のおかげで、Harry Potter ゲームでのプレーヤーの動きを予想できるようになりました。ユニークユーザー数は百万人を超えていますが、アプリのインストール後 3 日以内にそのプレーヤーのゲーム内行動の予測を開始できます。Google AdWords を使用して、有料ユーザーとなると思われるプレーヤーをプラットフォーム上で広告ターゲットにすることで、広告費を効果的に使い、高い収益を実現できるようになりました。
Jam City 社リードデータサイエンティスト Joshua Clark 氏

インディアナ大学では、AutoML Tables により、既存の作業に対する実験を行えるようになり、いくつかの素晴らしい成果が生み出されました。モデルの構造が欠如していることを考慮すれば、このターンキーソリューションからのサンプル外予測の精度は高いものでした。AutoML は、別の方法なら数週間かかるようなデータに対する分析とインサイトを即座に提示してくれました。直観的なウェブインターフェースと BigQuery との直接的な連携により、予測モデルのトレーニングとデプロイが組織全体で格段にスピードアップしました。IU は、今後もこのサービスを未来分析の取り組みに活用することで、プロジェクトのスピードを高め、規模を拡大させていく予定です。
インディアナ大学 IT 大学情報技術サービスアカデミックアナリティクスフェロー Ben Motz 氏

Pitney Bowes は Google AutoML Tables を使用することにより、数百ものリテールクライアントにサービスを提供する国際的なオーダーゲートウェイ内のモデルを拡張し、不正の検出を大幅に向上させました。社内エンジニアは通常、数か月かかる非常に正確なモデルの開発・導入作業を 2 週間以内に行うことができました。Google AutoML Tables を使用したこの技術の利用を、我が社のデータサイエンティストだけでなく、世界中のエンジニアチームに提供することで、誰もが AI を利用できるようになることを楽しみにしています。
Pitney Bowes 社最高データ分析責任者 Olga Lagunova 氏

AutoML Tables により、関連するビジネス上の問題解決に役立つ ML モデルの作成を簡素化 / 高速化できました。このテクノロジーの使用により、医療保険の自動引受を 55% から 80% に増加、さらに不正請求の検出がより正確になるため、医療出費をさらに 10% 削減できることが期待できます。インターフェースは非常に使いやすいため、ほとんどのチームがカスタムモデルを作成できるようになりました。これにより、高度なトレーニングを受けたデータサイエンティスト人材の不足も緩和されています。
GNP Seguros 社 CIO（最高情報責任者）Enrique Ibarra 氏

ブラジルのウェブファースト企業として、月額契約の自動車保険、住宅保証保険、生命保険を提供しています。そのため、マーケティング投資を最適化して、的確にお客様を取り込むことが重要です。AutoML Tables の使用により、目標到達プロセスのさまざまな段階で、自動車保険における顧客のライフタイムバリューを予測することができました。これにより、獲得コストを削減し、保有率を高めることができます。ユーザーインターフェースはチームにとって使いやすく、結果モデルの多くは社内のカスタム ML による成果よりも正確でした。
Youse 社ビジネスインテリジェンスマネージャー Thais Presutto 氏

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

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。

財務

ポートフォリオを最適化

多額の保険金支払請求と不正行為の可能性に照準を合わせることで、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、最適化できます。

マーケティング

顧客を把握

顧客の平均ライフタイムバリュー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、リードコンバージョン率、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

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（請求アカウントごと）* + $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（請求アカウントごと）* + $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	$0.005/GiB 時間 × 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）

^* 最初のトレーニングから 1 年間有効です。最初のトレーニングがトリガーされると、クレジット（トレーニング / 予測）が追加されます。

詳細については、料金ガイドをご覧ください。

リソース

AutoML Tables 初心者向けガイド

AutoML Tables のドキュメント

今すぐ AutoML Tables をお試しください。