Send feedback Overview of IAM Conditions Stay organized with collections Save and categorize content based on your preferences. This page describes the Conditions feature of Identity and Access Management (IAM). You can use IAM Conditions to define and enforce conditional, attribute-based access control for Google Cloud resources. Conditions and policy types You can use conditions in the following
※この投稿は米国時間 2023 年 8 月 30 日に、Google Cloud blog に投稿されたものの抄訳です。 生成 AI は数え切れないほどの方法で私たちの想像力を捉えてきました。それは、人間のような反応をする chatbot だけでなく、まったく新しいユーザー エクスペリエンスを引き出してくれます。さらに、追加の専門的なスキルを必要とする従来の AI ワークロードとは異なり、これらの新しい生成 AI ワークロードは、デベロッパー コミュニティのより多くの開発者が利用できます。アプリケーション デベロッパーが生成 AI アプリケーションの構築に本格的に取り組む際、イノベーションの鍵はモデルそのものだけでなく、その使用方法やモデルの基盤にあるデータにもあります。 このたび、Google は、Google Cloud Next において、運用データを使用したパフォーマンスとスケーラ
※この投稿は米国時間 2023 年 7 月 19 日に、Google Cloud blog に投稿されたものの抄訳です。 生成 AI の開発は猛烈な勢いで続いており、この破壊的技術を活かせるようなエンタープライズ向け機能を利用できるかどうかがかつてなく重要となっています。 Google の数十年に及ぶ調査とイノベーション、そして AI への投資を活用することで、Google Cloud は常に、セキュリティとデータ ガバナンス、そして全体的なスケーラビリティが用意されている状態で生成 AI を利用できるようにしています。 この目的のため、先月 Google は Vertex AI での生成 AI サポートの一般提供を発表しました。これにより Google Research から優れた基盤モデルにアクセス可能となり、これらのモデルをカスタマイズして利用するためのツールも利用できるようになりま
フィードバックを送信 Cloud Run 用に Python アプリケーションを最適化する コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 このガイドでは、Python プログラミング言語で作成された Cloud Run サービスの最適化と、最適化の一部に関連したトレードオフの理解に役立つ背景情報について説明します。このページの情報は、Python にも適用される全般的な最適化のヒントを補完するものです。 これらの従来の Python ウェブベース アプリケーションのベスト プラクティスと最適化の多くは、以下を中心に展開されています。 同時リクエストの処理(スレッドベースと非ブロッキング I/O の両方)。 バックグラウンド タスクへのトレースや指標の送信など、重要性が低い機能に接続プールとバッチ処理を適用してレスポンス レイテンシを短縮する。 コンテナ
Send feedback Common design patterns Stay organized with collections Save and categorize content based on your preferences. Empty Responses The standard Delete method should return google.protobuf.Empty, unless it is performing a "soft" delete, in which case the method should return the resource with its state updated to indicate the deletion in progress. For custom methods, they should have their
※この投稿は米国時間 2022 年 4 月 20 日に、Google Cloud blog に投稿されたものの抄訳です。 『Site Reliability Engineering: How Google Runs Production Systems』(O'Reilly Media)を出版してから、早いものでもう 6 年が経ちました。この本の人気が今でも続いていることに恐縮すると同時に、大変嬉しく思っております。SRE ブックがベストセラーになった後、Google が 2 冊の関連書籍『The Site Reliability Workbook』と『Building Secure and Reliable Systems』を出版したことをすでにご存じかもしれません。この 3 冊の本はすべて、sre.google/books で無料でお読みいただけます。 Google SRE は 2016
Ivan CheungDeveloper Programs Engineer, Google Cloud ※この投稿は米国時間 2023 年 5 月 26 日に、Google Cloud blog に投稿されたものの抄訳です。 いま多くの人々が、ジェネレーティブ AI や大規模言語モデル(LLM)を実運用サービスにどのように導入すればよいか検討を始めています。しかし、例えば「既存の IT システムやデータベース、ビジネスデータと LLM や AI チャットボットをどのように統合すればいいだろうか」、「数千もの製品を LLM に正確に覚えさせるにはどうすれば良いだろうか」、あるいは「信頼性のあるサービスを構築するためにハルシネーションの問題をどのように扱えば良いか」といった課題と直面することになります。 これらの課題に対するシンプルな解決策となるのが、エンべディング(embeddings)と
※この投稿は米国時間 2021 年 2 月 18 日に、Google Cloud blog に投稿されたものの抄訳です。 機械学習を楽しく学ぶ方法の一つが、個人的なプロジェクトを自ら構築することです。本投稿ではその方法についてご説明します。 その昔、私は自分のウェブサイトを構築しながらコーディングを学ぶことにしました。コンピュータについての知識がまったくなく、サーバーが何なのかさえ知りませんでしたが、学ぶべきテクノロジーの知識がいくらでもあり、それを学びたいという欲求も無限大だと感じていました。夜、横になったまま、自分のウェブサイトの見た目をよくするさまざまな方法(パララックスを使った星のスクロール、無数の Google Fonts)を考え、これから構築したいいろいろな個人プロジェクトについて思いを馳せました。 何年か経ち、私はプロのエンジニアとして自分の陳腐な個人的ウェブサイトよりも、客
〜AutoMLで実践する〜 ビジネスユーザーのための機械学習入門シリーズ 【第 3 回】 「積ん読」と「体重増」の悩みを AutoML で解決しよう 前回は、AutoML Tables による EC サイトの LTV 分析事例を紹介しました。今回は、同じ AutoML Tables を、より身近な課題の解決に使う方法を紹介します。 その課題とは、筆者自身が抱えていた 2 つの悩みです。ひとつは、スキャンして PDF で保管している書籍の「積ん読」を大量に抱えていたこと。もうひとつは、自宅作業ばかりで増え続けてしまっている体重です。 この 2 つの課題を一挙に解決するソリューションとして筆者が思いついたのが、「PDF 書籍をオーディオブックに変換する」という方法です。読みたかった書籍をオーディオブック化しておけば、ランニングしながら積ん読を解消できます。 この動画のように、Cloud Sto
Announcing the General Availability of AlloyDB for PostgreSQL In May 2022 at Google I/O, we announced the preview of AlloyDB for PostgreSQL, a fully-managed, PostgreSQL-compatible database service that provides a powerful option for modernizing your most demanding enterprise database workloads. We’re happy to announce that AlloyDB is now generally available. AlloyDB is an excellent choice for orga
※この投稿は米国時間 2020 年 10 月 13 日に、Google Cloud blog に投稿されたものの抄訳です。 プロダクトのリリース段階により、その生産価値、サポート性、洗練性、価格に関する重要な情報を知ることができます。これまで Google Cloud Platform(GCP)プロダクトは、早期アクセス、アルファ版、ベータ版、一般提供の 4 つのリリース段階を経てきましたが、現在はプレビューと一般提供の 2 つに簡略化されました。 今後、すべての新しい GCP プロダクトはプレビューまたは一般提供(GA)でリリースされます。プレビューでは、プロダクトまたは機能のテストと評価ができます。さらに、プレビュー段階では通常、プロダクトの一般提供の価格を発表して、ユーザーが情報に基づいた意思決定を行えるようにします。一般提供のプロダクトは安定性が確立されていて、本番環境で使用する準
東京理科大学:全学の教学データを集約するデータ分析基盤を Google Cloud 上に構築し、個別最適化した教育の実現へ 文科省「デジタルを活用した大学・高専教育高度化プラン(Plus-DX)」のもと、今、多くの大学が教育 DX の推進を大きく加速させています。今回お話を伺った東京理科大学も、Google Cloud を用いた全学共通のデータ分析基盤構築や、それに基づく新しい学修支援システムの開発など、精力的な取り組みを行っています。その詳細について、本プロジェクトに関わった皆さんにお話しいただきました。 利用しているサービス: BigQuery、Cloud Functions、Cloud Storage、Partner Interconnect、VPC Service Controls、Vertex AI、Data Catalog、Data Portal 利用しているソリューション:
※この投稿は米国時間 2022 年 11 月 1 日に、Google Cloud blog に投稿されたものの抄訳です。 ソフトウェア開発ライフサイクルにおいて、ロギングは重要な要素です。ロギングにより、開発者はアプリのデバッグを、DevOps / SRE チームは問題のトラブルシューティングを、セキュリティ管理者はアクセス パターンの分析を行うことができます。Log Analytics はプレビュー版で利用可能な Cloud Logging の新しい機能セットで、ログデータの高度な分析をサポートします。この記事では、今すぐ Log Analytics の利用を開始すべき 10 の理由を紹介します。 Google の紹介ブログも合わせてご覧ください。また、2022 年 11 月 15 日のライブ ウェブセミナーにご参加いただくと、Log Analytics のユースケースの紹介とデモをご覧
Send feedback Stay organized with collections Save and categorize content based on your preferences. Work with stored procedures for Apache Spark This document is intended for data engineers, data scientists, and data analysts to create and call stored procedures for Spark in BigQuery. Using BigQuery, you can create and run Spark stored procedures that are written in Python, Java, and Scala. You c
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