Google Cloud でニーズに合った AI / ML 導入過程を選択する | Google Cloud 公式ブログ
※この投稿は米国時間 2022 年 6 月 7 日に、Google Cloud blog に投稿されたものの抄訳です。 組織の多くのユーザーが機械学習（ML）ライフサイクルで重要な役割を果たしています。プロダクト マネージャーは自然言語クエリを記述して BigQuery から必要な情報を引き出し、データ サイエンティストはモデルの構築と検証のさまざまな側面について検討し、ML エンジニアは本番環境でモデルを正常に動作させる責任を負っています。こうした役割には、それぞれ異なるニーズがあります。この投稿では、それらのニーズを満たすために利用できる Google Cloud ML / AI サービスについてご紹介します。 最適なサービスはユースケースとチームの専門知識のレベルによって異なります。高品質な ML モデルの構築とメンテナンスには多大な労力と ML の専門知識が必要になるため、一般的な
COVID-19 感染予測 (日本版) の公開について | Google Cloud 公式ブログ
Google Cloud は今年 8 月に Harvard Global Health Institute とのパートナーシップのもとで COVID-19 Public Forecasts を公開しました。このサービスは予測開始日から将来 14 日間における米国内の COVID-19（新型コロナウイルス感染症）陽性者数や死亡者数などの予測を提供しています。この度、本サービスを日本にも拡張し、COVID-19 感染予測（日本版）の提供を開始します。日本版では予測開始日から将来 28 日間のあいだに予測される国内の陽性者数や死亡者数等の予測値を表示します。 米国で提供している COVID-19 Public Forecasts は AI と膨大な疫学的データを組み合わせ、さらに、時系列の予測を扱う斬新な機械学習のアプローチを採用することで実現しました。米国向けのこの初期モデルは今年 8 月に初
上手な「在宅勤務」のコツ | Google Cloud 公式ブログ
※この投稿は米国時間 2020 年 3 月 18 日に、Keyword に投稿されたものの抄訳です。 Google での私の仕事は、時間を最大限に活用する方法を皆さんに紹介することです。在宅で勤務する場合、1 日の日課が、通勤して会議室まで行き来したり同僚と会って話をしたりするというオフィス勤務の場合とはまったく違うため、私の提唱する生産性向上戦略が一層重要になってきます。自宅がオフィス代わりになると、ルーティンも一から作り直す必要があります。 実際に同僚がそばにいない状態で仕事をするという状況は、Google では当たり前になってきています（Google のミーティングの 39% には複数都市の社員が参加しています）。しかし、この環境は誰にも適しているわけではありませんし、世界中の多くの人々は、今までとは異なる新しい仕事環境に面していると感じています。そこで今回、仕事場がどこであっても生
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
<!-- "> '> --><title>
