在 Google Cloud 中執行數據資料學作業
透過完整的資料管理、數據分析和機器學習工具套裝組合，運用資料產生深入分析結果，並從資料中創造價值。
全方位數據資料學工具包
| 工作負載 | 數據資料學解決方案 | 主要產品 |
|---|---|---|
資料探索與擷取 |
探索及擷取寶貴的資料來源
擷取、處理及分析各種來源的即時或批次資料，可在資料產生時立即加以處理，使資料變得更實用，且更方便存取。 |
|
資料湖泊與資料倉儲 |
兼顧速度、容量和大規模管理能力
讓您的團隊以安全且符合成本效益的方式，大規模擷取、儲存及分析各種完整不失真的資料。 |
|
資料預先處理 |
以快速、大規模且輕鬆的方式預先處理資料
使用無伺服器和全代管服務準備資料。透過集中式存放區管理和共用工程化特徵。 |
|
資料分析與商業智慧 |
透過資料推動業務決策
透過全代管工具探索、分析、視覺化及建立資訊主頁，或是根據自身需求自訂數據分析環境。 |
|
訓練與提供機器學習技術 |
加速各階段專業能力適用的機器學習部署作業
運用 Google 研究開發的創新機器學習工具進行建構。選擇無程式碼環境 (例如 AutoML)、BigQuery ML 的簡易程式設計環境，或是使用 Vertex AI 和 Apache Spark 進行自訂訓練。在實際工作環境中導入更多模型，以促進資料導向的決策。 |
|
負責任的 AI 技術 |
打造適合每個人的 AI
利用負責任的 AI 做法來檢查及瞭解 AI 模型，並透過可解釋性服務來理解和解釋由機器學習模型產生的預測資料。透過這些工具和架構，您可以偵錯及提升模型效能，並協助其他使用者瞭解模型行為。 |
|
自動化調度管理 |
透過工作流程管理 AI
使用代管 Airflow 或 Kubeflow 管道，自動化調度管理分析和機器學習工作負載。以無伺服器的方式自動化、監控及管理機器學習系統，並使用 Vertex 機器學習中繼資料儲存工作流程構件。 |
加速各階段專業能力適用的機器學習部署作業
運用 Google 研究開發的創新機器學習工具進行建構。選擇無程式碼環境 (例如 AutoML)、BigQuery ML 的簡易程式設計環境，或是使用 Vertex AI 和 Apache Spark 進行自訂訓練。在實際工作環境中導入更多模型，以促進資料導向的決策。
打造適合每個人的 AI
利用負責任的 AI 做法來檢查及瞭解 AI 模型，並透過可解釋性服務來理解和解釋由機器學習模型產生的預測資料。透過這些工具和架構，您可以偵錯及提升模型效能，並協助其他使用者瞭解模型行為。
透過工作流程管理 AI
使用代管 Airflow 或 Kubeflow 管道，自動化調度管理分析和機器學習工作負載。以無伺服器的方式自動化、監控及管理機器學習系統，並使用 Vertex 機器學習中繼資料儲存工作流程構件。
Cloud AI 產品符合我們的服務水準協議政策。這些產品的延遲時間或可用性保證可能與其他 Google Cloud 服務不同。