解釋結構化資料的模型預測(上)

機器學習技術快速演進,現在資料科學家已經能用更加精準的模型來處理各種難解的問題。然而,模型的複雜度與精準度直接相關,而這樣的複雜度又會使得調整模型更具挑戰性。為了解決這項挑戰,Google Cloud 於 2019 年 11 月推出 Explainable AI;此工具旨在幫助資料科學家除錯、改善模型效果並提供 insights,讓資料科學家使用上更方便。

了解模型如何運作,對有效且適當地導入 AI 來說相當重要。本篇文章將詳細介紹如何在 AutoML TablesCloud AI 平台 (Cloud AI Platform) 上將 Explainable AI 與表格式資料 (tabular data) 一起使用。 繼續閱讀 “解釋結構化資料的模型預測(上)”

2019 下半年回顧:Google Cloud Dataflow SQL 釋出、Apigee hybrid 正式 GA

Google Cloud Next‘19 UK 剛於年底落幕,本篇文章將讓您快速瀏覽 Google Cloud 近期推出的重大功能及亮點。

搬遷、管理、現代化基礎架構

基礎架構是您的 IT 環境以及 Google Cloud 的基礎。先前 Google 推出了最新的通用型和負載優化型虛擬機系列,這意味著您可以搬遷和執行更多的應用程式,包括 3A 級遊戲、HPC 甚至是 SAP HANA。最近 Google 發布了許多功能能夠幫助您更快、更高效地使用它強固的網路基礎架構。 繼續閱讀 “2019 下半年回顧:Google Cloud Dataflow SQL 釋出、Apigee hybrid 正式 GA”

【Google Next 大會重點產品發表】Cloud AutoML Beta 版釋出

Google 在一年一度的 Google Cloud NEXT 大會上正式推出新一代機器學習產品:Cloud AutoML,一次涵蓋了圖片辨識(Vision)、翻譯(Translate)、自然語言處理(Natural Language)三大範疇。這個能讓企業快速擁有客製化機器學習模型的產品,究竟解決了機器學習領域中的什麼問題、而近幾年人工智慧在紅什麼?就讓我們透過這篇文章一探究竟吧!

繼續閱讀 “【Google Next 大會重點產品發表】Cloud AutoML Beta 版釋出”

一秒辨識屈中恆、宋少卿、鈕承澤:就用 Cloud AutoML Vision!

暨上一篇帶您手把手快速啟用 Google Cloud AutoML 後,這篇將帶您了解 Cloud AutoML 的實際應用案例。


(圖片摘自於網路)

GCP 的 Machine Learning 產品線,自今年 1/17 發表了 Cloud AutoML 後,在客製化 (Cloud ML Engine) 與服務化 (ML API) 兩者之間多了另一個折衷選項 (延伸閱讀:Google 機器學習三大服務介紹與比較),讓沒有足夠的機器學習背景的開發人員,也可以透過 Cloud AutoML 來訓練客製化的機器學習模型。 繼續閱讀 “一秒辨識屈中恆、宋少卿、鈕承澤:就用 Cloud AutoML Vision!”

[手把手教學] 快速啟用 Cloud AutoML Vision:Google 最新機器學習產品!

Google 在一年一度的 Google Cloud Next 大會上,重磅推出新一代機器學習產品:Cloud AutoML,大幅降低企業進入機器學習的門檻。以 Cloud AutoML Vision 為例,Google 在機器學習領域深耕已久,熟悉各種機器學習模型所適合分析的照片類型,即便您沒有足夠的機器學習開發人員,也可以透過 Cloud AutoML 訓練客製化模型!
這篇文章將帶您了解,如何快速啟用 Google 最新一代產品:Cloud AutoML。

(直接觀看案例介紹:一秒辨識屈中恆、宋少卿、鈕承澤:就用 Cloud AutoML Vision!)

事先準備

1. 選定 Project 並確定有啟用 Billing account
2. 開啟 Cloud AutoML 以及 Storage 的 API 繼續閱讀 “[手把手教學] 快速啟用 Cloud AutoML Vision:Google 最新機器學習產品!”