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 讓包含數據資料學家、分析師及開發人員的整個團隊自動建構及部署最先進的結構化資料機器學習模型，規模與速度都有大幅進步。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)，藉此為企業轉型。

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、集成及架構搜尋方法，資料庫中皆有。

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，確保您的任何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至更廣泛的應用領域中。我們提供豐富的輸入資料及模型行為可解釋性功能，以及用於避免發生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、服務範圍是否遍及全球，都能讓部署機器學習模型變得極為簡易。

省時

使用 AutoML Tables，從最初的原始資料到最終可在實際工作環境中使用的高品質機器學習模型的時間，即會從數月縮減成數天。

省錢

AutoML Tables 不需要每年大量的授權費。依據運算和記憶體用量計費，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。我們針對歷史板球比賽的多種變數訓練模型，因此能預測投球區上發生三柱門放倒的前 5 分鐘。這項新功能整合 AutoML 與 App Engine 及 Cloud Dataflow，轉換每位客戶的接觸點，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 Pocock

AutoML Tables 讓我們預期玩家在哈利波特遊戲中的行為。擁有超過百萬個不重複的使用者，在安裝應用程式後的三天內，我們就能開始預測他們的遊戲行為。於是我們使用 Google AdWords，銷定我們認為會成為平台付費使用者的玩家，提升廣告費用的效益，獲得更高的收益。
Jam City 首席數據資料學家 Joshua Clark

AutoML Tables 讓印第安納大學 (IU) 用我們現有的工作來實驗，帶來一些令人印象深刻的成果。在缺少模型結構的情況下，此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。直覺使用的網頁介面，以及直接與 BigQuery 整合，迅速加快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，這項工作通常需要費時數月。我們期待能藉由提供 Google AutoML Tables 的技術給數據資料學家及全球的工程師團隊，讓 AI 變得更普及。
Pitney Bowes 資料與分析長 Olga Lagunova

機器學習模型能協助我們解決業務上的問題，AutoML Tables 則可簡化並加快機器學習模型的建立作業。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，介面也非常容易使用，多數的團隊成員現在都能自己建立自訂模型，這同時也紓解了訓練有素的數據資料學家稀少的問題。
GNP Seguros 資訊長 Enrique Ibarra

我們是巴西的一間網路優先企業，提供按月訂閱的車險、房屋險和壽險，因此我們必須要能夠最佳化行銷投資，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，產出的模型經常比自訂的機器學習產品更為精準。
Youse 商業智慧部門主管 Thais Presutto

AutoML Tables 與您的業務

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

較準確地預測客戶需求，預先填補產品組合的不足之處，將產品配送、宣傳及定價最佳化，進而取得收益最大化。

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，裝置和設備故障，用最少的成本確保您管理的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？