Google Cloud 上的数据科学

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。

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。

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。

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。

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。