Cloud Machine Learning Engine

優れたモデルを構築し、本番環境にデプロイします。

無料トライアル

Cloud ML Engine は AI Platform の一部になりました

Cloud Machine Learning Engine は、デベロッパーやデータ サイエンティストが優れた機械学習モデルを構築し、本番環境で実行できるようにするマネージド サービスです。Cloud ML Engine にはトレーニングと予測の機能があり、これらを組み合わせて使うことも、それぞれを個別に使うこともできます。Cloud ML Engine は大企業も導入している実績のあるサービスで、衛星画像に写った雲の判別、食品安全性の評価、お客様へのメール対応の迅速化(ある事例では返信時間を 4 分の 1 に短縮することに成功)など、さまざまな問題を解決するために活用されています。現在 Cloud ML Engine のトレーニングと予測の機能は、それぞれ AI Platform のトレーニング、予測と呼ばれるようになりました。詳しくは、AI Platform ページをご覧ください。

Cloud ML Engine

構築

AI Platform Notebooks を使用して、機械学習プロジェクトの構築を始めましょう。GCP 内のサーバーレス環境で Cloud ML Engine のトレーニング機能を使用すれば、モデル トレーニングをスケールアップできます。Cloud ML Engine では一般的な ML フレームワークがサポートされるほか、Docker イメージ内でアプリケーションを実行することもできます。また、モデルを理解し、ビジネス ユーザーにわかりやすく説明するためのツールが組み込まれています。

構築

デプロイ

ML Engine では、トレーニングが完了したモデルの学習内容を新しいデータに適用する際、以下の 2 種類の予測方法を使用できます。

オンライン予測: リアルタイムで反応し、かつ高可用性のフルマネージド サーバーレス環境に ML モデルをデプロイします。Google Cloud のグローバル予測プラットフォームは自動スケーリング機能を備えているため、いかなるスループットにも対応します。また、セキュアなウェブ エンドポイントが提供されており、アプリケーションに ML を組み込むこともできます。

バッチ予測: 非同期型アプリケーション向けに、他サービスでは得られない高スループットの推論機能を低コストで提供します。スケーリングにも対応しているため、TB 単位の実データから推論を導き出すことができます。

デプロイ

特長

カスタム コンテナをサポート
TensorFlow といった一般的なフレームワークがネイティブ サポートされるだけでなく、その他のフレームワークも Cloud ML Engine で実行させることができます。トレーニング プログラムとともに Docker コンテナをアップロードするだけで、Cloud ML Engine がコンテナを Google インフラストラクチャで利用できるようにします。
分散型トレーニング
データとモデルのサイズが大きすぎて、単一マシンでは迅速にジョブを実行できない場合があります。Cloud ML Engine は XGBoost や TensorFlow の環境を複数のマシンで実行できるよう自動で設定するため、トレーニング ジョブに複数の GPU を追加したり、トレーニング ジョブを複数の VM に分割したりして、必要なだけスピードアップが図れます。
自動リソース プロビジョニング
Cloud ML Engine は、リソース プロビジョニングとモニタリングをすべて自動化するマネージド サービスです。CPU、GPU、TPU をサポートする分散型のマネージド トレーニング インフラストラクチャによりモデルを構築できます。多くのノードにまたがってトレーニングをしたり、複数のテストを並列で実行したりすることでモデル開発をスピードアップさせます。そのため、インフラストラクチャを気にすることなく、モデルの開発とデプロイに注力できます。
HyperTune
HyperTune を使用するとディープ ラーニングのハイパーパラメータを自動的に調整できるため、優れた結果をすばやく得られます。また、クラウド上で数千回もの調整テストを管理できるため、繰り返しが多くエラーを生みやすい作業を何時間もかけて行う必要がありません。
ポータブル モデル
オープンソースの TensorFlow SDK や、その他のサポートされている ML フレームワークを使用して、サンプル データセットでモデルをローカルにトレーニングできます。また、Google Cloud Platform を使用して大規模なトレーニングも行うことができます。Cloud ML Engine でトレーニングしたモデルをダウンロードしてローカルで実行、あるいはモバイル統合もできます。scikit-learn、XGBoost、Keras、TensorFlow のモデルをインポートし、フルマネージド、リアルタイムの予測ホスティングができます。モデルがトレーニングされた環境を問わず、Docker コンテナも必要ありません。
サーバー側での前処理
scikit-learn のパイプラインや tf.transform を使用して、デプロイの前処理を Google Cloud に push できます。つまり、本番環境のモデルに元データをそのまま送信し、ローカルでの演算処理を減らすことができるほか、トレーニングと予測での前処理の違いによって、データに歪度が発生することを防げます。
統合
Cloud ML Engine は、Google のマネージド ノートブック サービスや機械学習用のデータサービスと緊密に統合されています。特徴処理に関しては Cloud Dataflow、ダッシュボードのサポートと分析に関しては BigQuery、データ ストレージに関しては Cloud Storage と連携します。
複数のフレームワーク
トレーニングとオンライン予測は複数のフレームワークに対応しており、分類、回帰、クラスタリング、次元数削減のそれぞれのモデルのトレーニングと提供が可能です。
  • scikit-learn: 幅広くシンプルなクラシカル機械学習
  • XGBoost: 簡単に使え、正確な高精度勾配ブースティング
  • Keras: ディープ ラーニングの簡単かつ迅速なプロトタイピング
  • TensorFlow: 最先端のディープ ラーニングのパワーを活用

「Google Cloud Machine Learning Engine により、衛星から取得した画像の視覚的異常を修正する精度やスピードを向上できました。何十年も抱えていた問題が解決されたのです。おかげで、Airbus Defence and Space 社は、他に類のない、現在入手可能な最も包括的な範囲の地球観測データを提供し続けることができます。」

- Mathias Ortner 氏 Airbus Defence & Space 社 データ分析および画像処理チームリーダー

料金

Cloud ML Engine の料金は、ML モデルのトレーニングと、トレーニング済みモデルによる予測の実行に対して発生します。詳しい料金情報については、料金ガイドをご覧ください。

フィードバックを送信...

Cloud Machine Learning Engine(Cloud ML Engine)