MLOps系プロダクトの布教活動報告 - Qiita
この記事はMLOps Advent Calendar 2021の18日目の記事です。 2016年にもTensorFlowとMLサービスの2016年の布教活動報告を書きましたが、ここ3年くらいはMLOps系の活動をメインにしてきたので、その報告です。COVID後はイベント登壇も減り、ブログ記事の執筆が多くなりました。その裏話的な内容です。 Feature Store のブログ記事 今年5月のGoogle I/OでVertex AIのMLOps系プロダクトがいくつかリリースされたので、その後にフォローアップのブログ記事を出し始めました。まずは6月にPMのAnandと書いた Kickstart your organization’s ML application development flywheel with the Vertex Feature Store（日本語版）です。 このプロダクト
LIXIL：BigQuery を中心としたデータ活用基盤 LIXIL Data Platform を構築、"データ活用の民主化" を推進 | Google Cloud 公式ブログ
LIXIL：BigQuery を中心としたデータ活用基盤 LIXIL Data Platform を構築、"データ活用の民主化" を推進 これまでも Google Cloud を有効活用してきた株式会社LIXIL（以下、LIXIL）。これからの新時代に向け、さまざまな先進的な取り組みを行っている同社ですが、中でも注目すべき取り組みが、BigQuery を中心としたデータ活用基盤『LIXIL Data Platform（以下、LDP）』です。"データ活用の民主化" を掲げ、2021 年 5 月に正式運用開始されたこの仕組みが、今、どのように LIXIL を変えようとしているのかを聞いてきました。 利用している Google Cloud ソリューション：スマート アナリティクス 利用している Google Cloud サービス：BigQuery、BigQuery ML、Data Catalog
GitHub - GoogleCloudPlatform/cloud-data-quality: Data Quality Engine for BigQuery
CloudDQ is a cloud-native, declarative, and scalable Data Quality validation Command-Line Interface (CLI) application for Google BigQuery. CloudDQ allows users to define and schedule custom Data Quality checks across their BigQuery tables. Data Quality validation results will be available in another BigQuery table of their choice. Users can then build dashboards or consume data quality outputs pro
Introduction to data governance in BigQuery | Google Cloud
Send feedback Stay organized with collections Save and categorize content based on your preferences. This document provides an introduction to BigQuery data governance and explains how you can use BigQuery features to implement and enforce BigQuery data governance policies. For a more comprehensive overview of data governance in Google Cloud, see What is data governance? Data governance is the man
Scikit-Learn でモデルカードを作成してクラウドにデプロイする方法 | Google Cloud 公式ブログ
※この投稿は米国時間 2020 年 10 月 17 日に、Google Cloud blog に投稿されたものの抄訳です。 機械学習モデルは、多数の難しいタスクを遂行するために使用されるようになりました。大きな可能性を秘める ML モデルですが、その使用方法、構成、制限に関して疑問も寄せられています。そうした疑問に対する回答を文書化することで状況が明確になり、共通の理解を得ることができます。これらの目標を達成するために、Google はモデルカードを導入しました。 モデルカードの目的は、機械学習モデルの全体像を簡潔に提供することです。まず、モデルカードはそのモデルの機能、意図するユーザー層、その管理者について説明します。また、アーキテクチャや使用されているトレーニング データなど、モデルの構成に関する情報も提供します。さらに、生のパフォーマンス指標だけでなく、モデルの制限とリスク緩和の機会
Democratizing data analysis with Google BigQuery
Infrastructure Democratizing data analysis with Google BigQuery Every day, over a hundred million people come to Twitter to find out what’s happening in the world and talk about it. Every Tweet and user action generates an event that we make available for internal data analysis at Twitter. Hundreds of employees analyze and visualize this data, and improving their experience is a top priority for t
Hashes and ETags: best practices | Cloud Storage | Google Cloud
Send feedback Hashes and ETags: best practices Stay organized with collections Save and categorize content based on your preferences. Cloud Storage encourages you to validate the data you transfer to and from your buckets. This page describes best practices for performing validations using either CRC32C or MD5 checksums. Protect against data corruption by using hashes There are a variety of ways t
ハッシュと ETag: ベスト プラクティス | Cloud Storage | Google Cloud
フィードバックを送信 ハッシュと ETag: ベスト プラクティス 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。 Cloud Storage では、バケットとの間で転送されるデータの検証が推奨されます。このページでは、CRC32C または MD5 のチェックサムを使用して検証を実行するためのベスト プラクティスについて説明します。 ハッシュを使用してデータの破損から保護する Cloud へのアップロードや Cloud からのダウンロード中にデータが破損する可能性がある状況は、次のように多岐に及びます。 クライアントやサーバーのコンピュータ上のメモリエラーや、パスに沿ったルーター ソフトウェアのバグ（たとえば、ユーザーが使用するライブラリにある） アップロードが長時間にわたって行われた場合のソースファイルの変更 Cloud Storage では、データの整
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
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
BigQuery のデータ ガバナンスの概要 | Google Cloud
Take charge of your data: How tokenization makes data usable without sacrificing privacy | Google Cloud Blog
Dataplex: data governance
Business Glossary support in Google Data Catalog
GitHub - GoogleCloudPlatform/datacatalog-tag-history: Historical metadata of your data warehouse is a treasure trove to discover not just insights about changing data patterns, but also quality and user behaviour. This solution creates Data Catalog Tags h
community/archived/datacatalog-tag-history/index.md at master · GoogleCloudPlatform/community
Introducing the Model Card Toolkit for Easier Model Transparency Reporting
Keeping patient healthcare data secure on Cloud Platform (Google Cloud Next '17)
Cloud networking solutions that support hybrid cloud workloads (Google Cloud Next '17)
Storage Transfer Service | Google Cloud