Cloud ML Engine の概要

Cloud ML Engine を使用すると、大規模な機械学習モデルをトレーニングし、トレーニング済みモデルをクラウド内でホストし、モデルを使用して新しいデータに関する予測を行うことができます。

機械学習の簡単な説明

機械学習(ML)は人工知能(AI)のサブフィールドです。ML の目的は、コンピュータにデータを与えて学ばせることです。コンピュータが取るべき行動を表すコードを記述するのではなく、意図する動作の例に基づいて適応するアルゴリズムをコードで提供します。結果として得られるプログラムは、アルゴリズムと学習された関連パラメータで構成されます。これは、トレーニング済みモデルと呼ばれます。

Cloud ML Engine が ML ワークフローに適合する場所

下の図は、ML ワークフローのステージの概要を示しています。青色で塗りつぶされたボックスは、Cloud ML Engine がマネージド サービスと API を提供する場所を示します。

ML ワークフロー
ML ワークフロー

図が示すように、Cloud ML Engine を使用して、ML ワークフローの次のステージを管理できます。

  • データで ML モデルをトレーニングする。

    • モデル トレーニング
    • モデルの精度を評価する
    • ハイパーパラメータを調整する
  • トレーニング済みモデルをデプロイする。

  • モデルに予測リクエストを送信する。

    • オンライン予測
  • 継続的に予測をモニタリングする。

  • モデルとモデル バージョンを管理する。

Cloud ML Engine のコンポーネント

このセクションでは、Cloud ML Engine を構成する要素を挙げ、それぞれの主な目的を説明します。

Google Cloud Platform Console

クラウドにモデルをデプロイし、GCP Console でモデル、バージョン、ジョブを管理できます。このオプションは、機械学習リソースを使用して作業するためのユーザー インターフェースを提供します。GCP の一部として、Cloud ML Engine のリソースは Stackdriver Logging や Stackdriver Monitoring などの便利なツールに接続されています。

gcloud コマンドライン ツール

gcloud ml-engine コマンドライン ツールを使用して、モデルとバージョンの管理、ジョブの送信、その他の Cloud ML Engine タスクを実行できます。

ほとんどの Cloud ML Engine タスクには gcloud コマンド、オンライン予測には REST API(下記参照)をおすすめします。

REST API

Cloud ML Engine REST API は、ジョブ、モデル、バージョンの管理と、GCP でホストされているモデルによる予測を行うための RESTful サービスを提供します。

Python 用 Google API クライアント ライブラリを使用して、API にアクセスできます。クライアント ライブラリを使用する場合は、API で使用されるリソースとオブジェクトの Python 表現を使用します。これは、HTTP リクエストで直接操作するより簡単で、コードが少なくて済みます。

特にオンラインの予測に役立つ REST API をおすすめします。

次のステップ

このページは役立ちましたか?評価をお願いいたします。

フィードバックを送信...

Cloud Machine Learning Engine(Cloud ML Engine)