一整套数据管理、分析和机器学习工具,可用于生成数据洞见并从数据中挖掘价值。
工作负载 | 数据科学解决方案 | 主要产品 |
---|---|---|
数据发现和注入 | 从各种来源注入、处理和分析实时或批量数据,使数据更加实用,并且从生成之时起就可以访问。 | |
数据湖和数据仓库 | 可让您的团队可以安全地提取、存储和分析大量多样化、全保真的数据,而且经济实惠。 | |
数据预处理 | 使用无服务器的全代管式服务准备数据。通过集中式代码库管理和共享您的工程功能。 | |
数据分析和商业智能 | 使用全代管式工具探索、分析、直观呈现和创建信息中心,或根据自己的需求自定义分析环境。 | |
机器学习训练和服务 | 利用 Google Research 开发的开创性机器学习工具进行构建。从 AutoML 等无代码环境、BigQuery ML 的低代码环境或 Vertex AI 和 Apache Spark 的自定义训练中进行选择。将更多模型投入生产环境,促进数据驱动型决策。 | |
Responsible AI | 运用响应式 AI 实践来检查和理解 AI 模型,并利用可解释的方法来帮助您了解和解释机器学习模型作出的预测。借助这些工具和框架,您可以调试和提升模型性能,并帮助他人理解您的模型行为。 | |
编排 | 使用代管式 Airflow 或 Kubeflow 流水线编排分析和机器学习工作负载。以无服务器方式自动运行、监控和管理机器学习系统,并使用 Vertex ML Metadata 存储工作流的工件。 |
全面的数据科学工具包
从各种来源注入、处理和分析实时或批量数据,使数据更加实用,并且从生成之时起就可以访问。
利用 Google Research 开发的开创性机器学习工具进行构建。从 AutoML 等无代码环境、BigQuery ML 的低代码环境或 Vertex AI 和 Apache Spark 的自定义训练中进行选择。将更多模型投入生产环境,促进数据驱动型决策。
运用响应式 AI 实践来检查和理解 AI 模型,并利用可解释的方法来帮助您了解和解释机器学习模型作出的预测。借助这些工具和框架,您可以调试和提升模型性能,并帮助他人理解您的模型行为。
使用代管式 Airflow 或 Kubeflow 流水线编排分析和机器学习工作负载。以无服务器方式自动运行、监控和管理机器学习系统,并使用 Vertex ML Metadata 存储工作流的工件。
Cloud AI 产品遵循我们的服务等级协议 (SLA) 政策。这些产品在延迟时间或可用性方面的保证可能与其他 Google Cloud 服务有所不同。