Cloud AutoML Alfa

Entrena modelos de aprendizaje automático personalizados de alta calidad con poco esfuerzo y sin la necesidad de contar con experiencia en el aprendizaje automático

Mantenerme al tanto

Entrena modelos de aprendizaje automático personalizados

Cloud AutoML es un conjunto de productos de aprendizaje automático con el que los desarrolladores con experiencia limitada en esta área pueden aprovechar la tecnología de vanguardia de Google de aprendizaje por transferencia y de búsqueda de arquitectura neuronal para entrenar modelos de alta calidad.

AutoML Vision es el primer producto que se lanza. Es un servicio de AA simple, seguro y flexible que permite entrenar modelos de visión personalizados para tus propios casos prácticos. En breve, Cloud AutoML lanzará otros servicios para el resto de los campos importantes de IA.

Imagen de Entrena modelos de aprendizaje automático personalizados

Entrena fácilmente modelos de visión personalizados

Con Cloud AutoML, puedes usar tus datos de entrenamiento para crear tu propio modelo de visión personalizado sin la necesidad de contar con conocimientos avanzados de aprendizaje automático. Comienza con tan solo unas pocas docenas de muestras fotográficas y Cloud AutoML hará el resto.

Imagen de Entrena fácilmente modelos de visión personalizados

Rendimiento de vanguardia

Utiliza Cloud AutoML para aprovechar la tecnología de reconocimiento de imágenes de Google. La tecnología AutoML alcanzó un rendimiento de avanzada en conjuntos de datos públicos populares (ImageNet y CIFAR). Esta investigación ahora se encuentra a tu disposición.

Imagen de Rendimiento de vanguardia

Ponte en marcha rápidamente

Cloud AutoML ofrece una interfaz gráfica de usuario (GUI) sencilla para que puedas entrenar, evaluar, mejorar y, luego, implementar los modelos en función de tus propios datos. Puedes crear tu propio modelo de aprendizaje automático personalizado en tan solo unos minutos.

Imagen de Ponte en marcha rápidamente

Genera datos de entrenamiento de alta calidad

Puedes usar el servicio de etiquetado humano de Google para anotar o limpiar las etiquetas de tus imágenes y garantizar que tus modelos se entrenen con datos de alta calidad.

Imagen de Genera datos de entrenamiento de alta calidad

Características de Cloud AutoML

Entrena modelos de aprendizaje automático personalizados de alta calidad con poco esfuerzo y sin la necesidad de contar con experiencia en el aprendizaje automático

Integración con el etiquetado humano
Si los clientes disponen de imágenes, pero no cuentan con etiquetas, nuestro equipo interno de etiquetadores humanos puede revisar sus instrucciones personalizadas y clasificar sus imágenes según corresponda. Es posible obtener datos de entrenamiento con la misma calidad y rendimiento que Google obtiene para sus propios productos, sin perder la privacidad de los datos. Los datos etiquetados por humanos pueden utilizarse sin problemas para entrenar un modelo personalizado.
Con la tecnología de aprendizaje por transferencia y AutoML de Google
Esta opción aprovecha AutoML y la tecnología de aprendizaje por transferencia de vanguardia de Google para producir modelos de alta calidad.
Integración total
En esencia, Cloud AutoML se integra por completo en otros servicios de Google Cloud, con lo que los clientes obtienen un método de acceso consistente a toda la línea de servicios de Google Cloud. Almacena tus datos de entrenamiento en Google Cloud Storage. Si deseas generar una predicción sobre tu modelo entrenado, simplemente utiliza la API de Vision existente. Para eso, agrega un parámetro para tu modelo personalizado o utiliza el servicio de predicción en línea de Cloud ML Engine.

“La tecnología Cloud AutoML nos ayuda a crear modelos de visión para realizar anotaciones de los personajes de Disney, categorías de productos y colores en nuestros productos. Estamos integrando estas anotaciones a nuestro motor de búsqueda para mejorar el impacto sobre la experiencia de nuestros visitantes a través de resultados de búsqueda más relevantes, detección acelerada y recomendaciones de productos en shopDisney”.

— Mike White, director de Tecnología, vicepresidente ejecutivo, Productos de consumo y medios interactivos de Disney

Urban Outfitters busca constantemente nuevas formas de mejorar la experiencia de compra de nuestros clientes. La posibilidad de crear y mantener un conjunto integral de atributos de productos es fundamental para proporcionar a nuestros clientes recomendaciones de productos relevantes, resultados de búsqueda precisos y filtros de productos útiles. Sin embargo, la creación manual de atributos de productos demanda mucho tiempo y trabajo. Para abordar esto, nuestro equipo ha estado considerando el uso de Cloud AutoML para automatizar la creación de atributos de productos mediante el reconocimiento de sus características matizadas, como estampados y estilos de escotes. Cloud AutoML es una gran promesa para ayudar a nuestros clientes con mejores experiencias de detección, recomendación y búsqueda”.

— Dr. Alan Rosenwinkel, científico de datos de URBN

ZSL es una organización de beneficencia internacional dedicada a la conservación mundial de los animales y su entorno natural. Un requisito clave para cumplir con esta misión es el seguimiento de las poblaciones de fauna silvestre para aprender más acerca de su distribución y comprender mejor el impacto de los humanos sobre estas especies. Para lograr esto, ZSL ha desplegado una serie de trampas de cámara en la naturaleza que se activan por calor o movimiento para tomar fotografías de los animales que pasan. Las millones de imágenes capturadas con estos dispositivos se analizan y se realizan anotaciones en forma manual de las especies correspondientes, por ejemplo, elefantes, leones, jirafas, etc. Este es un proceso laborioso y costoso. La Unidad de tecnología de conservación de ZSL ha estado trabajando en estrecha colaboración con el equipo CloudML de Google para dar forma al desarrollo de esta tecnología fascinante. ZSL pretende utilizarla para automatizar el etiquetado de estas imágenes y así, reducir costos, permitir implementaciones a mayor escala y obtener una comprensión más profunda de cómo conservar la fauna del mundo de manera efectiva”.

— Sophie Maxwell, líder de tecnología de conservación en ZSL