Cloud Machine Learning Engine

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

Profiter d'un essai gratuit

Cloud ML Engine fait désormais partie d'AI Platform

Cloud Machine Learning Engine est un service géré qui permet aux développeurs et aux data scientists de créer et d'exécuter en production des modèles de machine learning très performants. Cloud ML Engine propose des services d'entraînement et de prédiction pouvant être utilisés conjointement ou individuellement. Les entreprises l'utilisent à différentes fins, y compris pour identifier les nuages sur les images satellite, pour garantir la sécurité alimentaire et pour répondre aux e-mails des clients quatre fois plus rapidement. Les services d'entraînement et de prédiction compris dans ML Engine sont désormais appelés "entraînement AI Platform" et "prédiction AI Platform". Reportez-vous à la page AI Platform pour en savoir plus.

Cloud ML Engine

Création

Lancez-vous dans la création de projets de machine learning en vous servant des notebooks AI Platform. Vous pouvez entraîner votre modèle à l'échelle qui vous convient avec le service d'entraînement Cloud ML Engine au sein d'un environnement sans serveur dans GCP. Cloud ML Engine est compatible avec les frameworks populaires de ML et vous permet également d'exécuter votre application dans une image Docker. En outre, ce service fournit des outils intégrés pour vous aider à comprendre vos modèles et à les présenter de manière claire aux utilisateurs professionnels.

Création

Déploiement

Une fois que vous disposez d'un modèle entraîné, Cloud ML Engine fournit deux types de prédictions permettant d'appliquer ce que l'ordinateur a appris à de nouveaux exemples.

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.

Déploiement

Fonctionnalités

Prise en charge des conteneurs personnalisés
En plus des frameworks populaires comme TensorFlow, dont la compatibilité native est assurée, vous pouvez exécuter n'importe quel framework sur Cloud ML Engine. Il vous suffit d'importer un conteneur Docker avec votre programme d'entraînement pour que Cloud ML Engine le mette en service sur l'infrastructure de Google.
Entraînement distribué
Parfois, une seule machine ne parvient pas à exécuter une tâche à temps en raison d'un volume de données et de modèles trop élevé. Heureusement, Cloud ML Engine configure automatiquement un environnement permettant à XGBoost et TensorFlow de s'exécuter sur plusieurs machines. Ainsi, vous pouvez atteindre la vitesse souhaitée en ajoutant des GPU à votre tâche d'entraînement ou en la répartissant sur plusieurs VM.
Provisionnement automatique des ressources
Cloud ML Engine est un service géré qui automatise le provisionnement et la surveillance de toutes les ressources. Il crée des modèles à l'aide d'une infrastructure d'entraînement gérée et distribuée, compatible avec les processeurs, les GPU et les TPU. Il accélère le développement des modèles en répartissant l'entraînement sur plusieurs nœuds ou en réalisant plusieurs tests en parallèle. Ainsi, vous pouvez concentrer vos efforts sur le développement et le déploiement de modèles sans vous préoccuper de l'infrastructure.
HyperTune
Obtenez rapidement de meilleurs résultats en ajustant automatiquement les hyperparamètres de deep learning avec HyperTune. Les data scientists gèrent régulièrement des milliers de tests d'optimisation dans le cloud. HyperTune leur épargne ainsi de nombreuses heures de travail fastidieux et sujet aux erreurs.
Modèles transférables
Utilisez le SDK TensorFlow Open Source ou d'autres frameworks de ML compatibles pour entraîner des modèles en local sur des échantillons d'ensemble de données, puis passez à l'entraînement à grande échelle sur Google Cloud Platform. Vous pouvez télécharger les modèles entraînés à l'aide de Cloud ML Engine 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. Vous évitez ainsi d'éventuels décalages au sein des données, causés par la présence de prétraitements différents lors de l'entraînement et de la prédiction.
Intégration
Cloud ML Engine est parfaitement intégré à notre service de notebook géré et à nos services de données dédiés au machine learning : Cloud Dataflow pour le traitement des caractéristiques, BigQuery pour les fonctions de tableaux de bord et d'analyses, et 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 diffuser des modèles de classification, de régression, de clustering et de réduction de la dimensionnalité :
  • 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

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.

Autres ressources

Les produits Cloud AI sont conformes aux règles du Contrat de niveau de service répertoriées ici. Ils peuvent présenter des latences ou des garanties de disponibilité différentes de celles d'autres services Google Cloud.

Envoyer des commentaires concernant…