AutoML Tables베타

구조화된 데이터를 사용하는 최신 머신러닝 모델을 자동으로 빌드하고 배포하세요.

히어로 배너

확장성과 속도를 개선하는 구조화된 데이터 기반 머신러닝

AutoML Tables는 데이터과학자에서 분석가, 개발자에 이르기까지 전체 팀에서 엄청난 속도와 확장성의 개선을 가져오는 구조화된 데이터 기반 최신 머신러닝 모델을 자동으로 빌드하고 배포하도록 지원합니다. 기업 데이터를 활용하여 공급망 관리, 사기 적발, 리드 전환율 최적화, 고객평생가치 증가 등의 비즈니스에 중요한 업무를 잘 처리하여 비즈니스 혁신을 추구하세요.

모델 품질 향상

모델 품질 향상

클릭 한 번으로 최첨단 모델을 빌드하세요. AutoML Tables는 숫자, 클래스, 문자열, 타임스탬프, 목록 같은 다양한 테이블 형식의 데이터 기본 요소를 자동으로 처리하며 누락 값, 이상점, 기타 일반적인 데이터 문제를 감지하고 처리하도록 도와줍니다. 구조화된 데이터를 사용하는 Google의 머신러닝용 모델군이 가진 장점을 한 자리에서 활용할 수 있습니다.

빌드하기 쉬운 모델

빌드하기 쉬운 모델

코드 없는 인터페이스는 엔드 투 엔드 머신러닝 수명 주기 전반에 걸쳐 모든 팀원이 모델을 손쉽게 빌드하고 광범위한 애플리케이션에 안정적으로 통합할 수 있습니다. 또한 자주 하는 실수를 막기 위한 가드레일과 함께 광범위한 입력 데이터 및 모델 동작 설명 기능을 제공합니다.

배포 용이

배포 및 확장이 용이한 모델

AutoML Tables는 지연 시간이 짧은 Google 서비스 인프라를 사용하므로 프로덕션 작업량이 많아도, 도달범위가 전 세계에 달하더라도 머신러닝 모델을 간단하게 배포할 수 있습니다.

유연성 강화

유연한 사용자 옵션

모든 사용자의 기호에 맞춰 API 또는 노트북 환경에서 AutoML Tables를 사용할 수 있는 유연성을 제공합니다.

시간 절약

시간 절약

AutoML Tables를 사용하면 원시 데이터에서 최고 품질의 프로덕션 지원 머신러닝 모델을 빌드하기까지 몇 달이 걸리던 작업을 며칠 만에 완료할 수 있습니다.

비용 절감

비용 절감

AutoML Tables에는 연간 라이선스 비용이 많이 들지 않습니다. 컴퓨팅 및 메모리 사용량을 기준으로 가격이 책정되어 실제로 사용한 만큼만 비용을 지불하면 됩니다.

AutoML Tables의 작동 방식

AutoML Tables

AutoML Tables와 비즈니스

기업 데이터를 활용해 비즈니스에 중요하지만 처리가 어려웠던 문제들를 해결하세요.

소매

소매

수익 극대화

고객 수요 예측을 개선하여 포트폴리오에서 부족한 부분을 사전에 보완하고 제품 배포, 프로모션, 가격 책정을 최적화하여 수익을 극대화할 수 있습니다.

금융

금융

포트폴리오 최적화

고액 청구 및 사기 가능성에 초점을 맞춰 보험 계약자 포트폴리오의 리스크와 수익을 예측하고 최적화할 수 있습니다.

마케팅

마케팅

고객 이해

고객의 평균 생애 가치가 얼마일까요? AutoML Tables를 사용해 예측 구매 가치, 양, 빈도, 리드 전환 가능성, 이탈 가능성을 추정하여 마케팅 지출을 최대한 활용하세요.

IoT

IoT

장비 유지관리

자산, 기기, 장비의 고장을 사전에 예측하여 최소한의 비용으로 최적의 성능을 얻을 수 있습니다.

가격 책정

컴퓨팅 및 메모리 사용량
교육 일회성 무료 사용 6시간 + 시간당 $19.32
(n1-standard-4 또는 동급 머신 92개 동시 사용)
일괄 예측 일회성 무료 사용 6시간 + 시간당 $1.16
(n1-standard-4 또는 동급 머신 5.5개 동시 사용)
온라인 예측 시간당 $0.21
(n1-standard-4 또는 동급 머신 1개)
배포 GiB-시간당 $0.005 x 머신 9개
(지연 시간이 짧은 제공을 위해 모델을 9개 머신에 복제)

자세한 내용은 가격 책정 가이드를 참조하세요.

리소스

Google Cloud

시작하기

AutoML Tables를 사용할 준비가 되셨나요?

구조화된 데이터를 사용하는 최신 머신러닝 모델을 자동으로 빌드하고 배포하세요.

이 제품은 베타 버전입니다. 제품 출시 단계에 대한 자세한 내용은 여기에서 확인하세요.