數據資料學家選擇 Google Cloud 的理由
Google Cloud 提供所有數據資料學家需要的工具，以發揮資料的價值。從資料工程、機器學習工程、TensorFlow、PyTorch、GPU、TPU、SQL/Spark 到 Python，Google Cloud 的數據資料學解決方案能讓貴公司以更快、更聰明的方式運作，將業務版圖拓展至全球。
全方位數據資料學工具包
| 工作負載 | 數據資料學解決方案 | 產品與資源 |
|---|---|---|
資料探索與擷取 | 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。 | |
資源使用 Apache Spark、XGBoost 和 Hugging Face Transformers 程式庫，建構可預測客戶流失的 pipeline。 | ||
資料湖泊與資料倉儲 | 讓您的團隊以安全且符合成本效益的方式，大規模擷取、儲存及分析各式各樣完整不失真的資料。 | |
資料預先處理 | 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。 | |
資源使用 Apache Spark 分類圖片，執行分散式機器學習推論工作 | ||
資料分析與商業智慧 | 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 | 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 的少量程式碼環境，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。 | |
資源透過強化的 Dataproc Serverless 執行階段，簡化機器學習開發流程 | ||
負責任的 AI 技術 | 利用負責任的 AI 技術做法來檢查及瞭解 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 | 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。 |
全方位數據資料學工具包
資料探索與擷取
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
資料預先處理
資料分析與商業智慧
訓練與提供機器學習技術
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 的少量程式碼環境，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
利用負責任的 AI 技術做法來檢查及瞭解 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
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。
