AutoML Tables^{Beta 版}

自動使用結構化資料建立及部署最先進的機器學習模型。

快速使用結構化資料建立大量機器學習模型

AutoML Tables 可讓數據資料學家、分析師和開發人員組成的整個團隊自動使用結構化資料建立及部署最先進的機器學習模型，而且規模與速度都能大幅提升。依據企業資料處理對業務至關重要的工作 (例如管理供應鏈、偵測詐欺活動、提高待開發客戶轉換率及增加顧客終身價值)，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，詳情請參閱功能相關說明。系統會自動在 Google 的模型資料庫中搜尋結構化資料，以便找出最符合貴公司需求的模型，當中包含簡易資料集適用的線性/邏輯迴歸模型，以及龐雜資料集適用的進階深度、集成學習與架構搜尋方法。

處理原始狀態的資料

AutoML Tables 會自動執行多種表格式資料基元 (例如數字、類別、字串、時間戳記和清單) 的特徵工程作業，並能協助偵測及處理缺漏值、離群值和其他常見資料問題。

輕鬆建立模型

我們提供無須編寫程式碼的介面，並會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立模型，並以可靠的方式將這些模型整合至更廣泛的應用領域。我們提供豐富的輸入資料和模型行為可解釋性功能，以及用來避免常見錯誤的防護機制。AutoML Tables 也適用於 API 與筆記本環境。

輕鬆部署模型及調度所需資源

AutoML Tables 採用 Google 的低延遲服務基礎架構，無論實際工作負載量有多少、服務範圍遍及全球哪些位置，都能讓機器學習模型的部署作業變得極為簡單。

省時

有了 AutoML Tables，您只需要數天即可將原始資料轉換為可在實際工作環境中使用的高品質機器學習模型，不必耗費數月。

省錢

AutoML Tables 不會每年收取高額的授權費用。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。

AutoML Tables 對業務的助益

依據企業資料解決眾多關鍵難題。

零售：盡可能增加收益

以更精確的方式預測客戶需求，以便預先處理產品組合中的不足之處，並採用最合適的產品配送、宣傳和定價策略來盡可能提高收益。

金融：推出最合適的產品組合

專注於發生鉅額索賠和詐欺活動的可能性，預測並最佳化投保人保險組合的風險與報酬。

行銷：瞭解客戶

您的平均顧客終身價值為何？透過 AutoML Tables 預測購物價值、銷售量、交易頻率、待開發客戶轉換機率和流失客戶的可能性，讓行銷支出發揮最大效用。

AutoML Tables 的速度、精確度和規模讓 Fox 體育台為澳洲數百萬名板球迷創造全新體驗。我們以歷來板球比賽中的多項變數訓練模型，因此可以在三柱門實際放倒的 5 分鐘前預測出場內即將發生的情況。這項新功能整合了 AutoML、App Engine 和 Cloud Dataflow，可轉換所有客戶接觸點，因此成為我們行銷策略中不可或缺的一環。我們在適當的時間和位置與球迷互動，讓使用者參與度高出業界平均值 140%，投注於這項活動行銷計畫的每一美元也獲得了 150% 的訂閱成效，這是前所未有的板球比賽呈現結果。
Fox 體育台行銷總監 Chris Pocock