Cloud Machine Learning Engine

Crea ed esegui il deployment di modelli di più alta qualità in produzione.

Fai una prova gratuita

Concentrati sui modelli, non sulla gestione operativa

Google Cloud Machine Learning (ML) Engine è un servizio gestito che consente agli sviluppatori e ai data scientist di creare modelli di machine learning di qualità superiore e di portarli in produzione. Cloud ML Engine offre servizi di addestramento e previsione che possono essere usati insieme o individualmente. Cloud ML Engine è un servizio collaudato utilizzato dalle aziende per risolvere problemi che vanno dall'identificazione delle nuvole nelle immagini satellitari al controllo della sicurezza alimentare e alla risposta in un quarto del tempo alle email dei clienti.

Addestramento

Il machine learning implica l'addestramento di un modello informatico per trovare pattern nei dati. Più alta è la qualità dei dati con cui addestri un modello ben progettato, più intelligente sarà la soluzione. Puoi creare modelli con più framework ML (in versione beta), tra cui scikit-learn, XGBoost, Keras e TensorFlow, un framework di deep learning all'avanguardia di cui si avvalgono molti prodotti Google, da Google Foto a Google Cloud Speech. Cloud ML Engine consente di progettare e valutare automaticamente le architetture dei modelli per trovare soluzioni intelligenti più rapidamente e senza l'aiuto di esperti. Cloud ML Engine garantisce la scalabilità necessaria per utilizzare al meglio tutti i tuoi dati. Può addestrare qualsiasi modello su larga scala in un cluster gestito.

Previsione

La previsione incorpora l'intelligenza nelle tue applicazioni e nei flussi di lavoro. Una volta addestrato il modello, la previsione applica ciò che il computer ha appreso a nuovi esempi. ML Engine offre due tipi di previsioni:

Previsione online, che esegue il deployment di modelli ML tramite hosting serverless completamente gestito, in grado di rispondere in tempo reale con elevata disponibilità. La nostra piattaforma di previsione globale scala automaticamente per adattarsi a qualsiasi velocità effettiva. Fornisce un endpoint web sicuro per integrare il machine learning nelle applicazioni.

Previsione batch, che offre un'inferenza vantaggiosa in termini di costi con velocità effettiva senza precedenti per applicazioni asincrone. Offre la scalabilità necessaria per eseguire l'inferenza su TB di dati di produzione.

Addestramento e deployment di molteplici framework

L'addestramento e la previsione online consentono agli sviluppatori e ai data scientist di utilizzare più framework di machine learning ed eseguire senza difficoltà il deployment di modelli di machine learning in produzione senza dover ricorrere a container Docker. In più, gli utenti possono importare modelli che sono stati addestrati ovunque.

Logo Tensorflow Logo scikit learn Logo Keras Logo XGBoost

Funzionalità di Cloud ML Engine

Provisioning automatico delle risorse
Concentrati sullo sviluppo e sul deployment dei modelli senza doverti preoccupare dell'infrastruttura. Il servizio gestito automatizza il provisioning e il monitoraggio di tutte le risorse. Crea modelli utilizzando un'infrastruttura di addestramento distribuita e gestita in grado di supportare CPU, GPU e TPU. Accelera lo sviluppo dei modelli effettuando l'addestramento su un ampio numero di nodi o eseguendo più esperimenti in parallelo.
HyperTune
Raggiungi risultati di alta qualità più rapidamente effettuando il tuning automatico di iperparametri di deep learning con HyperTune. I data scientist possono gestire migliaia di esperimenti di tuning sulla cloud. Ciò consente di eliminare molte ore di lavoro noioso e soggetto a errori.
Portabilità dei modelli
Utilizza l'SDK TensorFlow open source o altri framework ML supportati (in versione beta) per addestrare modelli in locale su set di dati di esempio e usa Google Cloud Platform per l'addestramento su larga scala. I modelli addestrati utilizzando Cloud ML Engine possono essere scaricati per l'esecuzione locale o l'integrazione mobile. Puoi anche importare modelli scikit-learn, XGBoost, Keras e TensorFlow che sono stati addestrati ovunque per l'hosting di previsioni in tempo reale completamente gestito, senza dover ricorrere a container Docker.
Pre-elaborazione lato server
Esegui il push della pre-elaborazione del deployment su Google Cloud con pipeline di scikit-learn e tf.transform. Ciò significa che puoi inviare dati non elaborati ai modelli in produzione e ridurre le operazioni di calcolo locale. Inoltre, questo impedisce l'asimmetria dei dati introdotta dall'utilizzo di diverse tecniche di pre-elaborazione durante l'addestramento e la previsione.
Ambiente integrato
I servizi Google sono progettati nell'ottica dell'interazione. Cloud ML Engine interagisce con Cloud Dataflow per l'elaborazione delle funzionalità e con Cloud Storage per l'archiviazione dei dati.
Framework multipli
L'addestramento e la previsione online supportano framework multipli per addestrare e gestire modelli di classificazione, regressione, clustering e riduzione della dimensionalità.
  • scikit-learn per l'ampiezza e la semplicità del machine learning classico
  • XGBoost per la facilità e la precisione del gradient boosting avanzato
  • Keras per la prototipazione facile e veloce del deep learning
  • TensorFlow per la potenza all'avanguardia del deep learning

"Google Cloud Machine Learning Engine ci ha permesso di migliorare la precisione e la velocità con cui correggiamo le anomalie visive nelle immagini acquisite dai satelliti. Ha risolto un problema che ci accompagnava da decenni. Permetterà ad Airbus Defence and Space di continuare a fornire un accesso impareggiabile alla gamma più completa di dati commerciali di osservazione della Terra attualmente disponibili."

— Mathias Ortner Data Analysis & Image Processing Lead, Airbus Defence & Space

Prezzi di CLOUD ML Engine

Cloud ML Engine applica il sistema di prezzi previsto per l'addestramento dei modelli di machine learning e per l'esecuzione delle previsioni con i modelli addestrati. Per informazioni più dettagliate sui prezzi, visualizza la guida ai prezzi.

STATI UNITI EUROPA ASIA
Addestramento - Livelli di scalabilità predefiniti - prezzo per ora Addestramento - Tipi di macchine - prezzo per ora Previsione batch - prezzo per ora nodo Previsione online - Tipi di macchine - prezzo per ora nodo
BASIC standard mls1-c1-m2 (default)
STANDARD_1 large_model mls1-c4-m2 (Beta)
PREMIUM_1 complex_model_s
BASIC_GPU complex_model_m
BASIC_TPU (Beta) complex_model_l
CUSTOM Se selezioni CUSTOM come livello di scalabilità, puoi controllare il numero e il tipo di macchine virtuali utilizzate per il job di addestramento. Consulta la tabella dei tipi di macchine. standard_gpu
complex_model_m_gpu
complex_model_l_gpu
standard_p100
complex_model_m_p100
standard_v100
large_model_v100
complex_model_m_v100
complex_model_l_v100
cloud_tpu (Beta)
Se la valuta utilizzata per il pagamento è diversa da USD, si applicano i prezzi elencati nella tua valuta negli SKU di Cloud Platform.

Invia feedback per...

Cloud Machine Learning Engine (Cloud ML Engine)