Cloud Machine Learning Engine

Créez des modèles de qualité supérieure et déployez-les en production.

Profiter d'un essai gratuit

Concentrez-vous sur les modèles plutôt que sur les opérations

Google Cloud Machine Learning (ML) Engine est un service géré qui permet aux développeurs et aux data scientists de créer et de mettre en production des modèles de machine learning performants. Cloud ML Engine propose des services d'entraînement et de prédiction pouvant être utilisés conjointement ou individuellement. Cloud ML Engine est un service éprouvé que les entreprises utilisent à différentes fins, par exemple pour repérer les nuages sur les images satellite, garantir la sécurité alimentaire, ou répondre aux e-mails des clients quatre fois plus rapidement.

Entraînement

Le machine learning consiste à entraîner un modèle informatique afin de détecter des schémas au sein de données. Plus vous fournissez de données de haute qualité pour entraîner un modèle bien conçu, plus la solution obtenue est intelligente. Vous pouvez créer vos modèles à l'aide de plusieurs frameworks de ML (en version bêta), dont scikit-learn, XGBoost, Keras et TensorFlow, un framework de deep learning de pointe utilisé dans de nombreux produits Google tels que Google Photos ou Google Cloud Speech. Cloud ML Engine vous permet de concevoir et d'évaluer automatiquement des architectures de modèles afin d'obtenir une solution intelligente plus rapidement, sans avoir recours à des experts. Cloud ML Engine s'adapte de façon à exploiter l'ensemble de vos données. Il peut entraîner tout type de modèle à grande échelle sur un cluster géré.

Prédiction

Les services de prédiction incorporent l'intelligence au sein de vos applications et workflows. Une fois votre modèle entraîné, l'ordinateur peut appliquer les résultats de cet entraînement à de nouveaux exemples à des fins de prédiction. ML Engine propose deux types de prédiction :

La prédiction en ligne déploie les modèles de ML sur une solution d'hébergement sans serveur entièrement gérée qui répond en temps réel et offre une haute disponibilité. Notre plate-forme de prédiction globale évolue automatiquement afin de s'adapter à tous les débits. Elle fournit un point de terminaison Web sécurisé pour intégrer le ML dans vos applications.

La prédiction par lot offre une inférence à moindre coût et un débit inégalé pour les applications asynchrones. Elle peut s'adapter de façon à effectuer l'inférence sur plusieurs To de données de production.

Entraînez et déployez plusieurs frameworks

L'entraînement et la prédiction en ligne permettent aux développeurs et aux data scientists d'utiliser plusieurs frameworks de ML et de déployer facilement des modèles de ML en production, sans avoir à recourir à des conteneurs Docker. Les utilisateurs peuvent également importer des modèles qui ont été entraînés ailleurs.

Logo TensorFlow Logo scikit-learn Logo Keras Logo XGBoost

Fonctionnalités de Cloud ML Engine

Provisionnement automatique des ressources
Concentrez vos efforts sur le développement et le déploiement de modèles sans vous préoccuper de l'infrastructure. Grâce à ce service géré, le provisionnement et la surveillance de toutes les ressources sont automatisés. Créez des modèles à l'aide d'une infrastructure d'entraînement gérée et distribuée, compatible avec les processeurs, les GPU et les TPU. Accélérez le développement de vos modèles en répartissant l'entraînement sur plusieurs nœuds ou en réalisant plusieurs tests en parallèle.
HyperTune
Obtenez rapidement des résultats de haute qualité en ajustant automatiquement les hyperparamètres de deep learning avec HyperTune. Les data scientists peuvent gérer des milliers de tests d'optimisation dans le cloud. Ils s'épargnent ainsi de nombreuses heures de travail fastidieux et sujet aux erreurs.
Modèles transférables
Commencez par entraîner des modèles en local sur des échantillons de données à l'aide du SDK TensorFlow Open Source ou d'autres frameworks de ML compatibles (en version bêta). Passez ensuite à l'entraînement à grande échelle sur Google Cloud Platform. Vous pouvez télécharger les modèles entraînés à l'aide de Cloud ML pour une exécution locale ou une intégration mobile. Vous pouvez également importer des modèles scikit-learn, XGBoost, Keras et TensorFlow qui ont été entraînés ailleurs pour héberger vos prédictions en temps réel et de façon entièrement gérée, sans avoir à recourir à des conteneurs Docker.
Prétraitement côté serveur
Vous pouvez transférer le prétraitement du déploiement vers Google Cloud grâce à des pipelines scikit-learn et à tf.transform. En d'autres termes, vous pouvez envoyer des données brutes aux modèles en production et réduire les ressources de calcul locales. Cette démarche permet également d'éviter d'éventuels décalages au sein des données, causés par la présence de prétraitements différents lors de l'entraînement et de la prédiction.
Solution intégrée
Les services Google fonctionnent en synergie. Cloud ML Engine peut être utilisé conjointement avec Cloud Dataflow pour le traitement des caractéristiques et avec Cloud Storage pour le stockage des données.
Frameworks multiples
L'entraînement et la prédiction en ligne sont compatibles avec plusieurs frameworks afin d'entraîner et de proposer des modèles de classification, de régression, de partitionnement et de réduction des dimensions :
  • Scikit-learn pour bénéficier de l'envergure et de la simplicité du machine learning traditionnel
  • XGBoost pour optimiser le gradient à l'extrême avec aisance et précision
  • Keras pour créer facilement et rapidement des prototypes de deep learning
  • TensorFlow pour profiter des performances de pointe du deep learning

"Google Cloud Machine Learning Engine nous a permis d'améliorer la précision des images capturées par nos satellites et de corriger plus rapidement les anomalies visuelles. Ce point nous posait problème depuis des décennies. Airbus Defence and Space va ainsi pouvoir continuer à offrir un accès inégalé à la gamme la plus complète de données commerciales d'observation de la Terre disponibles aujourd'hui."

– Mathias Ortner, Responsable de l'analyse des données et du traitement des images, Airbus Defence & Space

Tarifs de CLOUD ML Engine

L'entraînement des modèles de machine learning et l'exécution des prédictions avec des modèles entraînés sont des prestations payantes. Pour en savoir plus sur les tarifs appliqués, consultez la grille tarifaire.

ÉTATS-UNIS EUROPE ASIE
Tarification – Niveau d'évolutivité prédéfini – Prix par heure Entraînement – Type de machine – Prix par heure Prédiction par lot – Prix par heure de nœud Prédiction en ligne – Prix par heure de nœud
BASIC standard
STANDARD_1 large_model
PREMIUM_1 complex_model_s
BASIC_GPU complex_model_m
BASIC_TPU (Beta) complex_model_l
CUSTOM Sélectionnez le niveau d'évolutivité CUSTOM (PERSONNALISÉ) si vous voulez contrôler le nombre et le type de machines virtuelles utilisées pour votre tâche d'entraînement. Consultez le tableau des types de machines. standard_gpu
complex_model_m_gpu
complex_model_l_gpu
standard_p100
complex_model_m_p100
standard_v100 (Beta)
large_model_v100 (Beta)
complex_model_m_v100 (Beta)
complex_model_l_v100 (Beta)
cloud_tpu (Beta)
Si vous ne payez pas en USD, les tarifs indiqués dans votre devise sur la page relative aux SKU de Cloud Platform s'appliquent.

Envoyer des commentaires concernant…

Cloud Machine Learning Engine (Cloud ML Engine)