データから分析情報を生成し、価値を引き出す包括的なデータ管理、分析、機械学習の統合スイート。
Google Cloud には、データ サイエンティストがデータから価値を引き出すために必要なすべてのツールが用意されています。データ エンジニアリングから ML エンジニアリング、TensorFlow から PyTorch、GPU から TPU、SQL / Spark から Python まで、Google Cloud のデータ サイエンスは、より速く、よりスマートに、地球規模でビジネスを展開するのに役立ちます。
ワークロード | データ サイエンス ソリューション | プロダクトとリソース |
---|---|---|
データの検出と取り込み | さまざまなソースのリアルタイム データまたはバッチデータを取り込み、処理、分析することで、生成された瞬間からデータをより有用で利用しやすいものにします。 | |
関連情報Apache Spark、XGBoost、Hugging Face Transformers ライブラリを使用して、顧客離れを予測するパイプラインを構築する。 | ||
データレイクとデータ ウェアハウス | 大規模で多様な高忠実度データをより安全に高い費用対効果で収集、保存、分析できるよう貴社のチームをサポートします。 | |
データの前処理 | サーバーレスのフルマネージド サービスでデータを準備します。一元化されたリポジトリを介して、設計された特徴を管理および共有できます。 | |
関連情報Apache Spark を使用して画像を分類し、分散 ML 推論を実行する | ||
データ分析とビジネス インテリジェンス | フルマネージド ツールを使用してダッシュボードを探索、分析、可視化、作成し、ニーズに合わせて分析環境をカスタマイズすることもできます。 | |
機械学習のトレーニングとサービス提供 | Google Research が開発した画期的な ML ツールを使用して構築できます。AutoML などのノーコード環境、BigQuery ML を使用したローコード、Vertex AI と Apache Spark を使用したカスタム トレーニングから選択できます。より多くのモデルを本番環境に導入して、データドリブンな意思決定を容易にします。 | |
関連情報強化された Dataproc Serverless ランタイムによる ML 開発エクスペリエンスの合理化 | ||
責任ある AI | 責任ある AI への取り組みを活用して AI モデルの検査と理解を行い、説明可能性を利用して機械学習モデルによる予測の理解と解釈を支援します。これらのツールとフレームワークを使用すると、モデルの性能をデバッグして改善し、他のユーザーがモデルの動作を理解するのに役立ちます。 | |
オーケストレーション | マネージドの Airflow または Kubeflow Pipelines を使用して分析と ML ワークロードをオーケストレートします。ML システムをサーバーレスな方法で自動化、モニタリング、管理し、Vertex ML Metadata を使用してワークフローのアーティファクトを保存します。 |
包括的なデータ サイエンス ツールキット
さまざまなソースのリアルタイム データまたはバッチデータを取り込み、処理、分析することで、生成された瞬間からデータをより有用で利用しやすいものにします。
大規模で多様な高忠実度データをより安全に高い費用対効果で収集、保存、分析できるよう貴社のチームをサポートします。
サーバーレスのフルマネージド サービスでデータを準備します。一元化されたリポジトリを介して、設計された特徴を管理および共有できます。
フルマネージド ツールを使用してダッシュボードを探索、分析、可視化、作成し、ニーズに合わせて分析環境をカスタマイズすることもできます。
Google Research が開発した画期的な ML ツールを使用して構築できます。AutoML などのノーコード環境、BigQuery ML を使用したローコード、Vertex AI と Apache Spark を使用したカスタム トレーニングから選択できます。より多くのモデルを本番環境に導入して、データドリブンな意思決定を容易にします。
責任ある AI への取り組みを活用して AI モデルの検査と理解を行い、説明可能性を利用して機械学習モデルによる予測の理解と解釈を支援します。これらのツールとフレームワークを使用すると、モデルの性能をデバッグして改善し、他のユーザーがモデルの動作を理解するのに役立ちます。
マネージドの Airflow または Kubeflow Pipelines を使用して分析と ML ワークロードをオーケストレートします。ML システムをサーバーレスな方法で自動化、モニタリング、管理し、Vertex ML Metadata を使用してワークフローのアーティファクトを保存します。
詳しくは、ML Engineer 認定資格について調べる、Codelab を試す、業種のパターンを確認する。
Cloud AI プロダクトは、Google の SLA ポリシーに準拠しています。これらの SLA ポリシーで保証されているレイテンシや可用性は、他の Google Cloud サービスと異なる場合があります。