Google Cloud Platform (GCP) ابزارهای اختصاصی داده و یادگیری ماشینی (ML) را ارائه می دهد که برای رفع ناکارآمدی داده ها و تسهیل توسعه برنامه برای شرکت ها طراحی شده اند.
Google Cloud Platform (GCP) با انتشار ابزارها و ویژگیهای جدیدی که از توسعه برنامههای پیشرفته یادگیری ماشینی پشتیبانی میکنند و ارائه ابری متقابل را پشتیبانی میکنند، میخواهد وظایف مهندسی داده را برای شرکتها تسهیل کند. قابلیت های تجزیه و تحلیل.
این شرکت ادعا میکند که دادههای اختصاصی جدید و ابزارهای یادگیری ماشینی آن به شرکتها کمک میکند تا ناکارآمدی دادههای سیستمی را برطرف کنند. طبق یک مطالعه Accenture، تنها ۳۲٪ از شرکت های مورد بررسی گزارش کردند که می توانند ارزش ملموس را از داده ها درک و اندازه گیری کنند. درصد پایین نتیجه عوامل مؤثری مانند فقدان مهارت های رهبری، داده های آهسته و مخازن داده های مخفی است.
به منظور کاهش زمان صرف شده برای توسعه مدلهای یادگیری ماشینی پیشرفته برای برنامههای پیچیده مهندسی داده، GCP سرویس جدیدی را منتشر کرده است که اکنون در پیشنمایش به نام Vertex AI Workbench در پلت فرم عملیات یادگیری ماشین یکپارچه خود Vertex AI< /a>، که برای اولین بار در ماه می امسال راه اندازی شد.
ابزارهای GCP به دادهها از چندین سرویس دسترسی دارند
طبق گفته شرکت، محیط توسعه یکپارچه، که به عنوان یک Google اجرا میشود مدیریتشده نوتبوک، میتواند به دادهها در چندین سرویس مانند Dataproc، BigQuery، Dataplex و Looker دسترسی داشته باشد و میتواند به دانشمندان داده در آموزش یادگیری ماشینی کمک کند. مدلها پنج برابر سریعتر از آنها با محیطهای فعلی میتوانند.
AI Workbench، همراه با سایر ابزارهای داده جدید، به عنوان بخشی از کنفرانس سالانه Google Cloud Next هفته گذشته راه اندازی شد.
داگ هنشن گفت: «با Vertex AI و Vertex AI Workbench، Google چیزی را که قبلاً مجموعهای از سرویسها بود را در استودیو گرد هم میآورد و با Workbench، یک فرآیند سرتاسر واضح برای کار علم داده را گرد هم میآورد.» معاون و تحلیلگر اصلی در Constellation Research.
یک نقطه فروش بزرگ برای AI Workbench پشتیبانی آن از کار مشترک است.
“Vertex AI Workbench یک محیط توسعه مشترک برای کل گردش کار ML فراهم می کند – خدمات داده مانند BigQuery و Spark در Google Cloud را به خدمات Vertex AI و MLOps متصل می کند. به این ترتیب، دانشمندان و مهندسان داده قادر خواهند بود مدلهای بیشتری را، آسانتر و سریعتر، از درون یک رابط مستقر و مدیریت کنند.»
Henschen خاطرنشان کرد: در حالی که Vertex AI Workbench برای GCP جدید است، ارائه دهندگان خدمات ابری رقیب مانند AWS و Microsoft پلتفرمهای مشابهی بهترتیب در قالب سرویس یادگیری ماشینی AWS SageMaker و Azure دارند.
GCP تجزیه و تحلیل بین ابری را بهبود می بخشد
Google BigQuery – سرویس انبار داده بدون سرور و چند ابری خود با قابلیتهای یادگیری ماشینی – را در ماه مه ۲۰۱۰ راهاندازی کرد. با این حال، با توجه به اینکه شرکتهای بیشتری برای محیطهای ابری ترکیبی و چند ابری انتخاب میکنند، GCP این نیاز را دید. برای فعال کردن تجزیه و تحلیل بین ابری.
هفته گذشته، سرویس پیشنمایش خود را با نام BigQuery Omni بهطور کلی در دسترس قرار داد، که به کاربران اجازه میدهد اطلاعات بینش دادهای را در فضای ذخیرهسازی ابری AWS و Azure دریافت کنند. گوگل میگوید نمونههای BigQuery روی این فضاهای ذخیرهسازی ابری اجرا میشوند و سپس نتایج را به داشبورد GCP ارسال میکنند. Henschen گفت که این سرویس منحصر به فرد GCP است.
علاوه بر این، Google سرویس جدیدی را راهاندازی کرد که به موتور تجزیه و تحلیل منبع باز Apache Spark اجازه میدهد روی GCP اجرا شود. در پیشنمایش از هماکنون، هدف سرویس جدید کمک به مهندسی داده آسانتر است و به دانشمندان داده اجازه میدهد از Spark از رابطهای دلخواه خود بدون تکرار داده یا ادغامهای سفارشی استفاده کنند.
سرویس مقیاس خودکار جدید به گونهای طراحی شده است که به توسعهدهندگان اجازه میدهد برنامهها و خطوط لوله را بدون هیچ گونه تنظیم یا تهیه زیرساخت دستی بنویسند.
از نظر رقابت، Henschen گفت که در حالی که همه ابرهای اصلی خدمات Apache Spark را ارائه میدهند، GCP ممکن است یک سرویس جدید داشته باشد زیرا سرویس جدید یک پیشنهاد بدون سرور است که در صورت تقاضا افزایش و کاهش مییابد و به خصوص مقرونبهصرفه و مقرونبهصرفه است. در هنگام مواجهه با بارهای کاری شدید یا سنگین علم داده، مدیریت آن آسان تر است.
ادغامهای جدید مدیریت داده را تسهیل میکنند
بهعنوان بخشی از ویژگیهای جدید اعلامشده خود، GCP همچنین ادغام جدیدی را بین پلتفرم هوش تجاری (BI) Looker و نرمافزار تجسم داده Salesforce، Tableau ارائه کرد.
Google گفت: ادغام جدید به مشتریان Tableau این امکان را میدهد تا از مدل معنایی Looker استفاده کنند و سطوح جدیدی از مدیریت دادهها را در عین دموکراتیک کردن دسترسی به دادهها ممکن میسازد. به گفته Henschen، این ادغام یک مشارکت استراتژیک است که در آن Google از مشتریان سازمانی خود میخواهد Looker را به عنوان منبع قابل اعتماد داده برای نیازهای تحلیلی و Tableau را به عنوان موتور تجسم و تجزیه و تحلیل داده در بالای آن دادهها انتخاب کنند.
اعلانهای دیگر عبارتند از ادغام Looker با هوش مصنوعی Google Contact Center و نسخه بتای بسته Looker که بر روی GCP’s Healthcare NLP API اجرا میشود، که بخشی از Cloud Healthcare API است که از مدلهای زبان طبیعی برای استخراج اطلاعات مراقبتهای بهداشتی از متن پزشکی استفاده میکند. درخواستها و پاسخهای JSON.
پست های مرتبط
هدف ابزار Google Cloud آسان کردن یادگیری ماشینی و تجزیه و تحلیل بین ابری است
هدف ابزار Google Cloud آسان کردن یادگیری ماشینی و تجزیه و تحلیل بین ابری است
هدف ابزار Google Cloud آسان کردن یادگیری ماشینی و تجزیه و تحلیل بین ابری است