AI 및 머신러닝 제품

신뢰할 수 있는 플랫폼에 기반을 둔 혁신적인 머신러닝 제품 및 서비스입니다.

  • AI Hub는 플러그 앤 플레이 방식의 AI 구성요소를 보관하는 호스팅된 저장소로서 조직 내 실험과 공동작업이 수월해집니다.

  • AI 구성 요소를 사용하면 개발자가 시각, 언어, 대화 기능과 구조화된 데이터를 애플리케이션에 쉽게 추가할 수 있습니다.

  • AI Platform은 머신러닝 개발자와 데이터과학자가 프로젝트 구상부터 배포까지 빠르게 처리할 수 있는 코드 기반의 데이터 사이언스 개발 환경입니다.

호스팅된 AI 저장소

AI Hub

플러그 앤 플레이 방식의 AI 구성요소를 보관하는 호스팅된 저장소

Google Cloud의 AI Hub에서 제공하는 엔드 투 엔드 AI 파이프라인 및 즉시 사용 가능한 알고리즘을 포함한 기업용 공유 기능을 사용하면 조직에서 AI 콘텐츠를 비공개 호스팅하여 내부 개발자 및 사용자들의 재사용과 공동작업을 촉진할 수 있습니다. 기업 사용자가 조직 내 다른 팀이 빌드한 AI 구성요소를 찾고 Google AI, Google Cloud AI, Google Cloud 파트너가 게시한 AI 콘텐츠를 이용할 수 있습니다. 또한 Google Cloud 및 하이브리드 인프라에서의 실험과 프로덕션에 사용할 고유의 Google Cloud AI 및 Google AI 기술을 쉽게 배포할 수 있습니다.

AI Hub 자세히 알아보기  

AI 구성 요소

개발자가 시각, 언어, 대화 기능과 구조화된 데이터를 애플리케이션에 쉽게 추가할 수 있는 도구입니다.

구성 요소 자세히 알아보기  
클라우드에서의 이미지 분석 및 분류

비전 AI

클라우드 또는 에지의 이미지 분석

Google에서는 이미지에 숨겨진 풍부한 정보를 찾아내는 2가지 방법을 제공하고 있습니다. 선행 학습된 강력한 Vision API 모델은 이미지를 수천 가지 카테고리(예: '범선' 또는 '에펠탑')로 빠르게 분류하고 개별 객체, 얼굴, 단어를 인식합니다. 또한 AutoML Vision을 사용하면 머신러닝 전문 지식이 부족해도 특정 요구에 맞는 커스텀 모델을 쉽게 빌드하고 학습시킬 수 있습니다.

자세히 알아보기  
정확한 동영상 분석

동영상 AI

프레임 단위의 정확한 비디오 분석

완벽한 기능의 AI 제품 2가지로 동영상 라이브러리의 검색 가능성과 가치를 높여줍니다. Video Intelligence API의 선행 학습된 모델은 메타데이터를 추출하고 주요 명사를 식별하며 동영상의 콘텐츠를 주석 처리합니다. AutoML Video Intelligence를 사용하면 선행 학습된 API에서 다루지 않는 프로젝트의 커스텀 모델을 학습시킬 수 있습니다. 이 두 제품을 함께 사용할 경우 더욱 정교한 결과를 얻을 수 있습니다.

자세히 알아보기  

AI 플랫폼

코드 기반 데이터 사이언스 개발 환경을 통해 머신러닝 개발자, 데이터 과학자, 데이터 엔지니어가 빠르고 경제적으로 프로젝트를 구상하여 배포할 수 있도록 지원합니다.

AI Platform 자세히 알아보기  

AI Platform Notebooks

단 몇 분 만에 프로젝트를 실행할 수 있는 기업용 노트북 서비스

AI Platform Notebooks는 통합 JupyterLab 환경으로 최신 데이터 사이언스 및 머신러닝 프레임워크가 사전 설치된 인스턴스를 간단하게 만들고 BigQuery, Cloud Dataproc, Cloud Dataflow와 통합하여 개발과 배포를 쉽게 처리할 수 있는 관리형 서비스입니다.

자세히 알아보기  

딥 러닝 VM 이미지

딥 러닝 애플리케이션을 위해 사전 구성된 가상 머신

딥 러닝 VM 이미지를 사용하면 Google Cloud에서 딥 러닝 프로젝트를 시작하는 데 필요한 모든 것이 포함된 VM을 쉽고 빠르게 프로비저닝할 수 있습니다. TensorFlow, PyTorch, scikit-learn과 같이 널리 사용되는 ML 프레임워크가 미리 설치된 Compute Engine 인스턴스를 시작하고 클릭 한 번으로 Cloud TPU 및 GPU 지원을 추가할 수 있습니다.

자세히 알아보기  

딥 러닝 컨테이너(베타)

딥 러닝 환경을 위해 사전 구성 및 최적화된 컨테이너입니다.

AI 애플리케이션을 개발 및 테스트하여 Google Kubernetes Engine(GKE), AI Platform, Cloud Run, Compute Engine, Kubernetes, Docker Swarm에 배포할 수 있는 이식 가능한 일관된 환경으로 딥 러닝 프로젝트를 빠르게 빌드하세요. 딥 러닝 컨테이너는 여러 Google Cloud 서비스에서 일관된 환경을 제공하여 클라우드에서의 확장 또는 온프레미스에서의 전환이 용이합니다.

자세히 알아보기  

Data Labeling Service(베타)

머신러닝 및 모델 학습을 위한 데이터를 준비합니다.

AI Platform Data Labeling Service를 사용하면 커스텀 머신러닝 모델을 학습시키는 데 사용할 데이터 모음에 대한 수동 라벨 지정을 요청할 수 있습니다. 대표 샘플을 수동 라벨 지정자에게 제출할 수 있습니다. 수동 라벨 지정자는 샘플에 '정답'을 주석으로 달고 머신러닝 모델 교육에 적합한 형식으로 데이터세트를 반환합니다.

자세히 알아보기  

AI Platform 학습

자동 초매개변수 미세 조정으로 분산 학습을 수행합니다.

AI Platform을 사용하면 클라우드에서 TensorFlow, scikit-learn, XGBoost 학습 애플리케이션을 실행할 수 있습니다. 또한 커스텀 컨테이너를 사용하여 다른 머신러닝 프레임워크에서 학습 작업을 실행할 수 있습니다.

자세히 알아보기  

AI Platform 예측

서버리스 확장으로 모델을 호스팅하는 서비스입니다.

학습된 머신러닝 모델을 클라우드에서 호스팅하고 AI Platform 예측을 사용하여 새 데이터의 타겟 값을 추론할 수 있습니다.

자세히 알아보기  

지속적 평가(베타)

정답 라벨을 사용해 모델을 최적화합니다.

AI Platform에 배포한 학습된 머신러닝 모델에서 예측을 샘플링하고 지속적 평가 기능으로 예측 입력에 정답 라벨을 제공할 수 있습니다. Data Labeling Service에서 모델의 예측과 정답 라벨을 비교하여 모델 성능에 대한 지속적인 피드백을 제공합니다.

자세히 알아보기  

What-If 도구

코드를 사용할 필요 없이 시각적 인터페이스로 모델을 평가하고 이해할 수 있습니다.

AI Platform에 통합된 What-If 도구를 사용하면 데이터세트의 다양한 기능에 대한 모델 성능을 조사하여 전략은 물론 개별 데이터 포인트 값 조작까지 최적화할 수 있습니다.

자세히 알아보기  

Cloud TPU

성능 향상을 위해 설계된 하드웨어

Cloud TPU는 TensorFlow로 프로그래밍된 학습 및 추론용 머신러닝 워크로드를 가속화하고 확장하기 위해 특별히 설계되고 최적화된 하드웨어 가속기 제품군입니다. Cloud TPU는 대상 TensorFlow 워크로드에 최고의 가격 대비 성능을 제공하고 머신러닝 엔지니어와 연구원이 반복 작업을 더 빠르게 수행하도록 지원합니다.

자세히 알아보기  

Kubeflow

Kubernetes용 머신러닝 도구

Kubeflow는 머신러닝을 위한 최상의 오픈소스 시스템을 다양한 인프라에 배포할 수 있는 간단한 방법을 제공하여 Kubernetes에의 머신러닝 워크플로 배포를 간단하고 이식 및 확장 가능하게 만들어 줍니다.

자세히 알아보기  

추가 AI 리소스

Google Cloud에서 머신러닝을 시작해 보세요.

Google Cloud AI 파트너

Google Cloud Machine Learning 파트너는 심층적인 AI 전문 지식을 갖추고 있으며 고객의 요구와 사용 사례에 맞게 머신러닝을 통합할 수 있도록 지원합니다. 당사의 파트너는 모델 개발 및 서비스의 모든 단계에서 머신러닝에 필요한 데이터를 준비하고, 업무에 적합한 도구 및 플랫폼, 표준 AI 솔루션 또는 필요에 맞게 세부 조정된 AI 솔루션을 구축하기 위한 맞춤 서비스를 제공할 수 있습니다.

Google 머신러닝 파트너 더보기