AutoML Tables^{(Beta 版)}

自動建構及部署最先進的結構化資料機器學習模型。

利用機器學習技術，快速處理大量的結構化資料

AutoML Tables 可幫助數據資料學家、分析師及開發人員團隊自動建構及部署最先進的結構化資料機器學習模型，且能讓規模與速度都大幅提升。運用企業資料處理對業務至關重要的工作，例如管理供應鏈、偵測詐欺行為、最佳化商機轉換率及提升顧客終身價值，藉此推動企業轉型。

提升模型品質

只要按一下滑鼠即可產生最先進的模型，詳情請參閱功能的相關說明。我們會在 Google 的模型資料庫中自動搜尋結構化資料，以找出最符合您需求的模型，無論是簡單資料集適用的線性/邏輯迴歸模型，還是大型複雜資料集適用的進階深度、集成學習及架構搜尋方法，資料庫中都有。

處理原始狀態的資料

AutoML Tables 會自動進行多種表格式資料基元 (例如數字、類別、字串、時間戳記及清單) 的特徵工程作業，還能協助您偵測與處理缺漏值、離群值，以及其他常見資料問題。

輕鬆建構模型

我們提供無須編寫程式碼的使用介面，能引導使用者完成整個端對端的機器學習生命週期，確保所有團隊成員都能輕鬆建構模型，並且以可靠的方式將這些模型整合到更廣泛的應用領域中。我們提供豐富的輸入資料和模型行為可解釋性功能，以及用於避免常見錯誤的防護措施。AutoML Tables 也適用於 API 與筆記本環境。

輕鬆部署模型並調整規模

AutoML Tables 使用 Google 的低延遲服務基礎架構，不論實際工作負載量多少、服務範圍觸及全球哪些地方，都能讓機器學習模型的部署作業變得極為簡易。

省時

使用 AutoML Tables 後，僅需數天的時間，即可將原始資料轉換成可在實際工作環境中使用的高品質機器學習模型，而不必耗費數月。

省錢

AutoML Tables 不會每年收取大量的授權費。這項服務是依據運算資源和記憶體用量計費，用多少付多少。

瞭解如何使用 AutoML Tables 將結構化資料化為預測性深入分析結果

AutoML Tables 運作方式

AutoML Tables 的速度、精確度和規模讓 Fox 體育台為澳洲數百萬板球迷創造全新體驗。我們根據從前板球比賽中的多種變數訓練模型，因此能在三柱門實際放倒的 5 分鐘前，就預測到場上即將發生的情況。這項新功能整合 AutoML、App Engine 及 Cloud Dataflow，轉換了所有客戶接觸點，因此成為我們行銷策略中不可或缺的一環。我們在適當的時間與地方和球迷互動，使得使用者參與度比業界平均值高出 140%，且花在行銷此活動的每一美元平均可帶來額外 150% 的訂閱者；這是前所未有的板球呈現方式。
Fox 體育台行銷總監 Chris PocockSports

AutoML Tables 讓我們預期玩家在哈利波特遊戲中的行為。即使不重複的使用者超過一百萬名，我們仍可在他們安裝應用程式後的三天內，就開始預測這些玩家的遊戲行為。接著，我們可以使用 Google AdWords，鎖定我們認為會成為平台付費使用者的玩家，藉此提升廣告支出的效益和所產生的收益。
Jam City 首席數據資料學家 Joshua Clark

AutoML Tables 讓印第安納大學 (IU) 得以使用現有的工作資料進行實驗，並取得了令人印象深刻的成果。在缺少模型結構的情況下，這個統包式解決方案的樣本外預測準確率很高。AutoML 快速提供資料分析與洞見，如果用其他實作方法需要數週才能取得成果。此外，AutoML 也提供直覺化的網頁介面，並與 BigQuery 直接整合，快速提升了機構規模的預測模型訓練與部署速度。IU 打算繼續運用這項服務進行未來的數據分析計畫，以提升 IU 專案的速度與規模。
印第安納大學校園資訊技術服務學術數據分析教職研究員 Ben Motz

使用 Google AutoML Tables，讓我們能將模型延伸到國際訂單閘道中，服務數百位零售客戶，大幅改善詐欺偵測成效。我們的工程師因此能夠在兩週內開發和部署高準確度的模型，原本這類工作通常需要花上數個月的時間。我們希望能將 Google AutoML Tables 技術提供給公司的數據資料學家，以及全球的工程師團隊，藉此讓 AI 變得更普及。
Pitney Bowes 資料與分析長 Olga Lagunova

AutoML Tables 簡化並加快了機器學習模型的建立作業，進而協助我們解決業務上的相關問題。我們期待能使用這項技術，將醫療保險的自動核保比例從 55% 提升到 80%，並透過更準確的詐欺索賠偵測技術，進一步將醫療照護費用降低 10%。此外，這項服務的介面也非常容易使用，多數團隊成員現在都已能建立自訂模型，紓解了專業數據資料學家稀少的問題。
GNP Seguros 資訊長 Enrique Ibarra

我們是一間網路掛帥的巴西企業，提供月繳型的約期式車險、房屋險和壽險，因此必須將行銷投資最佳化，才能更精準地鎖定目標客戶。AutoML Tables 讓我們能在銷售漏斗的各階段中，預測車險的顧客終身價值，進而降低客戶開發成本，並提升客戶保留率。AutoML Tables 的介面很容易操作，團隊成員輕輕鬆鬆就能上手，產出的模型經常比我們自訂的機器學習成果更為精準。
Youse 商業智慧部門主管 Thais Presutto

AutoML Tables 對業務的助益

運用企業資料以因應眾多關鍵任務挑戰。

零售

成就最高收益

精確預測客戶需求，藉此預先填補產品組合的不足之處，並將產品配送、宣傳及定價最佳化，達到收益最大化的目標。

金融

保險組合最佳化

專注在發生大額索賠及詐欺的可能性，預測投保人保險組合的風險及報酬並加以最佳化。

行銷

瞭解客戶

您的平均顧客終身價值是多少？使用 AutoML Tables 預測購買價值、購買量、購買頻率、商機轉換機率，以及客戶流失的可能性，讓行銷支出發揮最大效用。

IoT

維護設備

主動預測資產、裝置和設備的故障情形，用最少的成本確保前述項目以最佳效能運作。

定價

	運算與記憶體使用量
訓練	每個帳單帳戶免費使用一次 (限 6 小時)* + 每小時 $19.32 美元 (並行使用 92 部 n1-standard-4 同等機器)
批次預測	每個帳單帳戶免費使用一次 (限 6 小時)* + 每小時 $1.16 美元 (並行使用 5.5 部 n1-standard-4 同等機器)
線上預測	每小時 $0.21 美元 (1 部 n1-standard-4 同等機器)
部署	每 GiB 時數 $0.005 美元 x 9 部機器 (模型複製到 9 部機器以達到低延遲服務的目的)

^* 有效期限為第一次訓練起 1 年內。觸發第一次訓練後會新增抵免額 (訓練/預測)。

詳情請參閱定價指南。

資源

AutoML Tables 初學者指南

AutoML Tables 說明文件

準備好開始試用 AutoML Tables 了嗎？