Cloud Machine Learning Engine

Crie e implante modelos melhores.

Testar gratuitamente

O Cloud ML Engine agora é parte da AI Platform

O Cloud Machine Learning Engine é um serviço gerenciado que permite que desenvolvedores e cientistas de dados construam e executem modelos melhores de machine learning em produção. O Cloud ML Engine oferece serviços de predição e treinamento que podem ser usados em conjunto ou individualmente. Ele foi usado por empresas para resolver problemas, como identificar nuvens em imagens de satélite, garantir a segurança alimentar e responder quatro vezes mais rápido a e-mails de clientes. Os serviços de treinamento e predição do ML Engine agora são conhecidos como "Treinamento do AI Platform" e "Predição do AI Platform". Visite a página da AI Platform para saber mais.

Cloud ML Engine

Criar

Comece a criar projetos de machine learning usando o AI Platform Notebooks. Expanda o treinamento de modelo ao usar o serviço de treinamento do Cloud ML Engine em um ambiente sem servidor no GCP. O Cloud ML Engine é compatível com os frameworks mais usados de ML e permite que você execute seu aplicativo em uma imagem do Docker. Além disso, o Cloud ML Engine fornece ferramentas integradas para ajudar você a entender os modelos e os explicar de forma eficiente para usuários corporativos.

Criar

Implantar

Depois que seu modelo for treinado, o Cloud ML Engine oferece dois tipos de predições para aplicar a novos exemplos o que o computador aprendeu.

A predição on-line implanta modelos de machine learning com hospedagem sem servidor e totalmente gerenciada, capaz de responder em tempo real com alta disponibilidade. Nossa plataforma de predição global conta com escalonamento automático para se ajustar a qualquer volume. Ela oferece um endpoint da Web seguro para integrar o machine learning aos seus aplicativos.

A predição em lote oferece inferência econômica com capacidade inigualável para aplicativos assíncronos. Esse serviço tem escalonabilidade para realizar inferência em terabytes de dados de produção.

Implantar

Recursos

Suporte a contêiner personalizado
Além da compatibilidade nativa com os frameworks mais usados, como o TensorFlow, também é possível executar qualquer outro framework no Cloud ML Engine. Basta fazer upload de um contêiner do Docker com o programa de treinamento, então o Cloud ML Engine o fará funcionar na infraestrutura do Google.
Treinamento distribuído
Às vezes seus dados e modelo são tão grandes que uma única máquina não consegue realizar a tarefa a tempo. Nessa situação, o Cloud ML Engine configura automaticamente um ambiente para o XGBoost e o Tensor Flow serem executados em várias máquinas, para que você consiga a velocidade necessária ao adicionar várias GPUs para seu job de treinamento ou ao dividir o job entre várias VMs.
Provisionamento automático de recursos
O Cloud ML Engine é um serviço gerenciado que automatiza todo o provisionamento e monitoramento de recursos, além de criar modelos usando uma infraestrutura de treinamento distribuído que é compatível com CPUs, GPUs e TPUs. Além disso, ele também acelera o desenvolvimento de modelos ao realizar treinamentos em vários nós ou ao executar vários experimentos em paralelo. O Cloud ML Engine permite que você se concentre no desenvolvimento e na implantação de modelos sem se preocupar com a infraestrutura.
HyperTune
Consiga resultados melhores com mais rapidez ao usar o ajuste automático de hiperparâmetros de aprendizado profundo com o HyperTune. Cientistas de dados podem gerenciar milhares de experimentos de ajuste na nuvem. O HyperTune ajuda a economizar muitas horas de trabalho maçante e propenso a erros.
Modelos portáteis
Use o SDK do TensorFlow de código aberto ou outros frameworks do ML para treinar modelos localmente em conjuntos de dados de amostra e use o Google Cloud Platform para treinamento em escala. É possível fazer o download dos modelos treinados com o Cloud ML Engine para execução local ou integração móvel. Além disso, é possível importar modelos do scikit-learn, XGBoost, Keras e TensorFlow treinados em qualquer lugar para hospedagem de predições totalmente gerenciada e em tempo real, sem a necessidade de um contêiner do Docker.
Pré-processamento no servidor
Deixe o pré-processamento da implantação para o Google Cloud usando tf.transform e canais do scikit-learn. Isso significa que é possível enviar dados brutos para modelos em produção e reduzir a computação local, enquanto se evita a inserção de desvios de dados causados por pré-processamentos diferentes nas etapas de treinamento e predição.
Integrado
O Cloud ML Engine tem uma integração profunda com nosso serviço gerenciado de notebook e com nossos serviços de dados para machine learning, como o Cloud Dataflow, para processamento de recursos, o BigQuery, para compatibilidade e análise de painéis, e o Cloud Storage, para armazenamento de dados.
Várias bibliotecas
O treinamento e a predição on-line são compatíveis com diversas bibliotecas para treinar e disponibilizar modelos de classificação, regressão, clustering e redução de dimensionalidade.
  • scikit-learn: amplitude e simplicidade do machine learning clássico
  • XGBoost: facilidade e precisão do método Extreme Gradient Boosting
  • Keras: facilidade, rapidez e profundidade de prototipagem
  • TensorFlow: desempenho de ponta para aprendizado profundo

"Com o Google Cloud Machine Learning Engine, conseguimos aumentar a precisão e a velocidade das correções de anomalias visuais nas imagens capturadas pelos nossos satélites. Ele solucionou um problema que tínhamos há décadas. Agora, a Airbus Defence and Space poderá continuar fornecendo acesso inigualável à mais abrangente gama de dados comerciais de observação do planeta Terra atualmente disponíveis."

— Mathias Ortner Diretor de Análise de dados e processamento de imagens na Airbus Defence & Space

Preços

No Cloud ML Engine, você é cobrado pelo treinamento de modelos de machine learning e pela execução de predições com os modelos treinados. Para ver mais detalhes, consulte o guia de preços.

Enviar comentários sobre…