Análises e estratégias mais inteligentes

O Google Cloud Platform oferece aos cientistas de dados tecnologias e ferramentas essenciais para extrair um valor comercial tangível de grandes recursos de dados. Desde clusters do Spark gerenciados e análise rápida de SQL até o que há de mais recente sobre aprendizado de máquina, o Google Cloud Platform capacita os cientistas de dados para que eles possam dedicar mais tempo buscando dados valiosos e menos tempo preocupados com a infraestrutura. Não importa se a tarefa é a otimização tática, a análise previsiva, o aprendizado com nuances, os mecanismos de recomendações ou a criação de mecanismos de tomada de decisões automatizada, o Google Cloud Platform ajuda os cientistas de dados a trabalharem de maneira mais inteligente.

Entendimento de intervalos até os bits

O Google Cloud Platform facilita a análise dos dados, independentemente de como eles são armazenados. Para dados estruturados, o Google BigQuery é um serviço de armazenamento de dados econômico e totalmente gerenciado com compatibilidade total com SQL, além de integração com Python, R e diversas outras linguagens. Para mais armazenamento geral, o Google Cloud Storage oferece um armazenamento simples e poderoso, acessível de qualquer parte do GCP. De qualquer modo, acesse seus dados por meio do Apache Spark executado no Google Cloud Dataproc, transmita e analise-os com o Google Cloud Dataflow ou utilize-os como base para a criação de modelos com o Google Cloud Machine Learning. Por fim, gerencie tudo com o Google Cloud Datalab, nosso ambiente de notebook para ciência de dados e aprendizado de máquina.

Ciência de dados, não DevOps

Com o Google Cloud Platform, as equipes de Ciência de dados trabalham sem se preocuparem com o gerenciamento da infraestrutura. As ferramentas do GCP (como o Google BigQuery, um serviço de armazenamento de dados extremamente rápido) operam sem servidor: você sempre tem os recursos que precisa e paga somente pelo que usar. Por meio de um amplo conjunto de APIs de clientes, o BigQuery se integra a muitas bibliotecas famosas de análise de dados como Pandas e dplyr. O Cloud Dataflow oferece um meio sem servidores para executar canais de dados em lotes e por streaming. Isso é ótimo para limpar dados ou classificar modelos nos dados do stream. O suporte a Python do Cloud Dataflow garante que os cientistas de dados que usam Python possam aproveitar o modelo de programação do Apache Beam com as ferramentas preferidas deles.

Plataforma de análise de código aberto

Com o Google Cloud Platform, cientistas de dados têm mais facilidade para aproveitar as últimas inovações com software de código aberto. O Google Cloud Dataproc permite criar clusters gerenciados do Apache Spark em segundos, completos com geração de blocos de notas do Apache Zeppelin ou Jupyter. As equipes que projetam a próxima geração de ferramentas de processamento de dados no Apache Beam podem usar o Cloud Dataflow, o Apache Spark ou o Apache Flink. O GCP tem um compromisso com o código aberto para disseminar e ampliar as comunidades de ciência de dados e de aprendizado de máquina. Para isso, o Google liberou o código do Cloud Datalab, o ambiente de geração de bloco de notas no Jupyter, e do TensorFlow, a biblioteca de aprendizado profundo.

A plataforma do Google Cloud Machine Learning

A plataforma do Google Cloud Machine Learning torna mais fácil para as equipes de ciência de dados buscarem inovação no aprendizado de máquina. Com as Google Machine Learning APIs, as equipes podem usar modelos criados no Google para analisar e entender os dados delas utilizando APIs simples para reconhecimento avançado de imagem e fala, processamento de linguagem natural e tradução automática. Com o CloudML, os cientistas de dados podem treinar e operacionalizar os próprios modelos de aprendizado profundo com o TensorFlow e o Cloud Datalab. O CloudML se integra diretamente a outros produtos do GCP como o Google Cloud Storage ou o Google BigQuery para facilitar insights valiosos sobre os seus dados.

Guias e recursos de ciência de dados

Guias e recursos detalhados ajudarão você a descobrir mais sobre como usar o Cloud Platform na ciência de dados.

Valor de vida útil do cliente

Use o BigQuery, o Python e o R para calcular o valor de vida útil do cliente com dados do Google Analytics.

Leia o guia de desenvolvimento

Geração de recomendações

Use o SparkML, o Cloud SQL e o Google App Engine para criar um mecanismo de recomendação.

Leia o artigo

Previsão de demanda

Use o BigQuery e o Tensorflow para prever a demanda por táxis em Nova York.

Leia o artigo

Análise de sentimento

Use o BigQuery e a Cloud Natural Language para prever sentimentos e visualizá-los com o Google Data Studio.

Leia o artigo

Fluxo de análise em tempo real

Use o BigQuery e o Cloud Dataflow para criar uma arquitetura de análise em tempo real.

Leia o artigo

Análise de séries temporais

Use o BigQuery para analisar dados de séries temporais de câmbio estrangeiro.

Leia o tutorial

Classificação de séries temporais

Use o BigQuery e o Tensorflow para criar um classificador para os dados de séries temporais.

Leia o tutorial

Previsão e remarketing

Use o BigQuery e o R para criar uma lista de remarketing com base nos dados do Google Analytics.

Leia o tutorial