Data science di Google Cloud
Platform terpadu untuk pengelolaan data, analisis, dan alat machine learning guna mempercepat alur kerja data ke AI Anda.
Memulai
- Pelajari materi pelatihan untuk data scienceJelajahi referensi Google Cloud tentang data science, mulai dari eksplorasi data hingga MLOps.
- Mengimplementasikan machine learning di Google CloudPelajari cara mengembangkan model yang dilatih khusus di seluruh alur kerja ML.
- Mulai dengan CodelabsMulai coba Google Cloud melalui panduan langkah demi langkah, tutorial, dan coding langsung.
Kisah pelanggan
Alasan memilih Google Cloud untuk data science
Platform data dan AI terpadu Google Cloud
Meningkatkan kecepatan dan fleksibilitas bisnis Anda, serta memberikan nilai jangka pendek dan panjang.
3x
Lebih hemat biaya dengan pergerakan data yang minimal
4x
Pelatihan, penyesuaian, dan deployment model yang lebih cepat
10x
Biaya AI lebih rendah, sehingga sasaran ROI lebih mudah dicapai
Platform terpadu untuk alur kerja data science menyeluruh
Solusi terpadu untuk seluruh siklus proses data science dan machine learning yang dibangun di atas fondasi data multimodal yang memastikan tata kelola terpadu. Manfaatkan mesin analisis yang canggih seperti BigQuery SQL dan Spark, lalu bangun model menggunakan BigQuery ML atau Vertex AI. Sederhanakan pengembangan dengan notebook Colab Enterprise berbasis AI, serta MLOps yang tangguh, yang didukung oleh AI terkemuka di industri.
Workspace terpusat dengan notebook yang mengutamakan AI
Pilih dari serangkaian solusi notebook untuk data science perusahaan. Colab Enterprise menawarkan lingkungan terkelola yang aman dan terintegrasi dengan Vertex AI dan BigQuery. Vertex AI Workbench menyediakan instance JupyterLab yang dapat disesuaikan, sedangkan Cloud Workstations mendukung IDE lengkap. Ekstensi juga menghubungkan alat yang dihosting sendiri secara langsung ke layanan Google Cloud.
Agen data science terintegrasi
Mempercepat pengembangan data science dengan kemampuan agentic yang memfasilitasi eksplorasi data, transformasi, dan pemodelan ML. Mulai dengan sasaran tingkat tinggi dalam bahasa Inggris sederhana, dan agen data science akan membuat rencana terperinci yang mencakup semua aspek pemodelan data science mulai dari pemuatan data, eksplorasi, pembersihan, visualisasi, rekayasa fitur, pemisahan data, pelatihan/pengoptimalan model, dan evaluasi.
Persiapan data yang dibantu AI tanpa silo
Manfaatkan fondasi data terpadu, yang mengelola data terstruktur dan tidak terstruktur (gambar, dokumen, dan lainnya) menggunakan SQL untuk analisis dan fungsi AI untuk pemrosesan. Persiapan data yang dibantu AI memberikan saran untuk pembersihan dan transformasi data. Agen Rekayasa Data mengotomatiskan tugas rekayasa data, termasuk penyerapan dan pembuatan pipeline, melalui petunjuk bahasa natural.
Pemrosesan data yang fleksibel dengan beberapa mesin
Pilih mesin pemrosesan apa pun, baik mesin SQL BigQuery atau framework open source seperti Apache Spark, untuk bekerja secara langsung pada satu salinan data yang terpadu. Dengan demikian, Anda tidak perlu mempertahankan salinan data terpisah untuk sistem yang berbeda.
Menskalakan data science dengan BigQuery DataFrames untuk Python
Lebih suka library berbasis Python? BigQuery DataFrames menyediakan API seperti pandas yang menerjemahkan kode Python ke dalam SQL yang dioptimalkan untuk dieksekusi di mesin BigQuery. Hal ini memberikan fleksibilitas untuk menggunakan alat yang tepat untuk tugas, baik SQL, PySpark, atau DataFrame bergaya pandas, semuanya sambil bekerja pada data dasar yang sama.
Membangun, melatih, menyesuaikan, dan menjalankan model ML
Bangun, latih, evaluasi, dan deploy model dengan BigQuery ML menggunakan SQL, sehingga menghilangkan pergerakan data. Manfaatkan model bawaan yang telah terlatih sebelumnya, atau fungsi SQL yang memanggil Gemini untuk analisis/pengayaan data. Untuk model kustom, Vertex AI mendukung PyTorch, TensorFlow, dan library ML lainnya. Integrasi yang lancar memungkinkan rekayasa fitur di BigQuery, pelatihan model kustom di Vertex AI, dan inferensi kembali di BigQuery melalui SQL.
Membuat embeddings dan mengaktifkan penelusuran vektor
Membuat dan menggunakan embedding multimodal untuk melakukan penelusuran vektor, yang memungkinkan pemahaman semantik dan pengambilan data multimodal berbasis kemiripan. Hal ini memungkinkan Anda membangun penelusuran semantik, rekomendasi, atau sistem segmentasi yang canggih tanpa perlu mengelola database vektor khusus yang terpisah.
Beralih dari model ke produksi dengan MLOps terintegrasi
BigQuery dan Vertex AI terintegrasi untuk menyederhanakan "tahap akhir" MLOps. Pusatkan fitur di Vertex AI Feature Store untuk mencegah diferensiasi performa pelatihan dan penayangan serta pekerjaan yang berlebihan. Menggunakan Vertex AI AutoML untuk mengotomatiskan pembuatan model untuk data tabulasi. Semua model, baik dari BigQuery ML maupun Vertex AI, otomatis terdaftar di Vertex AI Model Registry. Dari sana, Anda dapat dengan mudah membuat versi, mengevaluasi, dan men-deploy model, sehingga menciptakan siklus proses end-to-end yang lancar di satu platform.
