※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
![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](https://cdn-ak-scissors.b.st-hatena.com/image/square/944e2661a6545b768026eea32e0977b12cfe7f2d/height=288;version=1;width=512/https%3A%2F%2Fstorage.googleapis.com%2Fgweb-cloudblog-publish%2Fimages%2Fimage2_1O1U0R1.max-2000x2000.jpg)