GCP Professional Data Engineerに合格してきたので勉強方法等書く - YOMON8.NET
先日こちらの記事でProfessional Cloud Architect取ってきたばかりですが、今度は「Google Cloud Certified - Professional Data Engineer 」と「Professional Cloud Developer」 も取ってきました。 yomon.hatenablog.com yomon.hatenablog.com こちらの記事も合格を目標としています。本当はしっかり地道に勉強した方が良いです。 基本情報 受験者（私）の情報 試験ページ 勉強方法 模擬試験(2時間) Cloud Machine Learning(8時間) Dataflow(2時間) BigTable(4時間) BigTableチュートリアルエラー対応 BigQuery(2時間) その他の勉強(4時間) サービス毎の「概念」を読む 沢山あるストレージ関連の選択肢
専門家なしで誰でも使える（ガチ勢でも便利），機械学習の大本命 Google Cloud AutoML 発表 - Qiita
専門家なしで誰でも使える（ガチ勢でも便利），機械学習の大本命 Google Cloud AutoML 発表初心者機械学習MachineLearninggooglecloud tl;dr 機械学習の恩恵を，先陣を切るGoogleから手軽に受けられるように しかも勝手によしなにしてくれるので，学習させたいものを与える以外に何もする必要がない まずは画像の分類から 背景 機械学習はこれまでにも，オープンソースやe-ラーニングなどで広く開かれている技術ではありました． しかし専門知識が要るのは依然として変わらず，急成長しているため追従も大変でした． ブラウザ上のGUI（あるいはAPI）からプログラミング不要で，誰でも機械学習を利用することができます． 学習させたいものを与える以外に何もする必要がありません．あとはいい感じに学習してくれます． 最初は画像認識から，今後は音声認識，翻訳など拡大されてい
20170127-learning-tensorflow-3hours
ニューラルネットワークを用いた機械学習の「ディープラーニング(深層学習)」は人工知能(AI)開発に欠かせない技術であり、AI以外にもGoogleフォトの画像の自動タグ付け機能やAmazonのレコメンド機能など、すでに実用化されている技術に活用されています。そんなディープラーニングを開発者が学習するためのとっておきの方法をGoogleのクラウド開発者がブログで紹介しています。 Learn TensorFlow and deep learning, without a Ph.D. | Google Cloud Big Data and Machine Learning Blog | Google Cloud Platform https://cloud.google.com/blog/big-data/2017/01/learn-tensorflow-and-deep-learning-w
Googleは巨大なインフラをどうやってセキュアに保っているか。独自のセキュリティチップ利用やDoS対策、安全なソフトウェア開発など、全体像を解説したホワイトペーパーを公開
Googleのクラウドは間違いなく世界最大規模のコンピュータシステムです。膨大なハードウェアとソフトウェアから構成されるこの巨大なシステムを、同社はどうやってセキュアに保っているのか。そのことを解説したホワイトペーパー「Google Infrastructure Security Design Overview」が公開されました。 ホワイトペーパーには、Googleのデータセンターを構成するデバイスの1つ1つにまで独自のセキュリティチップを組み込んで正規のデバイスかどうかを相互に認証するという物理レベルのセキュリティから、何層のものロードバランサーからの情報を集約してDos攻撃を検知すると、その通信を破棄するといったDoS対策。 そしてマシンも従業員もサービスも包括するグローバルな名前空間など、きわめて広範かつ綿密なセキュリティ施策が説明されています。 クラウドがいかに高度なセキュリティで
deeplearn.jsを遠くからそっと眺めてみた | adamrocker
Googleから発表された機械学習のためのJavaScriptライブラリのdeeplearn.jsを眺めてみたので、纏めておきます。 オフィシャルを舐めて、どういうものか、これからどんな感じになっていくか（いってほしいか）をダラっとタレます。 注意 眺めたのはv0.1.0なので、内容が今後大幅に変更になる可能性があります（というかある）。 触った環境 MacBook Pro (Retina, 15-inch, Mid 2015) - プロセッサ: 2.5GHz Intel Core i7 - メモリ: 16GB 1600 MHz DDR3 - グラフィックス: AMD Radeon R9 M370X 2048 MB Chrome 60.0.3112.101 (Official Build) (64ビット) deeplearn.js v0.1.0 Exampleを眺める 何ができるかを眺める
Google、機械学習促進のための2つのオープンソースを公開
Googleは、機械学習に使うデータセット解析のための2つのオープンソースを公開したことを公式ブログで発表した。公開されたFacets Overview、Facets Diveの二つオープンソースでGitHubに"facets"として設置されている。 機械学習を行うためのデータの粒度を高めるために役立つFacetsは、Googleが推し進める機械学習の理念PAIR(People+AI Research Initiative)のプロジェクトの一環として公開されている。facets公式サイトには、データをブラウザ上からアップしてWeb上でこの2つを試せるように設置してある。 Facets Overviewでは、データの数値上でトラブルになるような特異なデータを色やヒストグラムで示す機能などが提供、Facets Diveでは、異なるデータポイント間での特徴や関係性を色や形状で示すインタフェースを
2 段階認証プロセスに関する一般的な問題 - Google アカウント ヘルプ
スマートフォンを紛失した、または盗まれた おすすめの方法: 紛失した、または盗難にあったスマートフォンからログアウトします。 Google アカウントのパスワードを変更します。 状況に応じてアカウントにアクセスする複数の方法があります。バックアップ オプションを使用する メインのスマートフォンを利用できなくなった場合は、次の手段を使って本人確認を行えます。 Google アカウントにログインしている別のスマートフォン。 Google アカウントの [2 段階認証プロセス] で追加した別の電話番号。 以前に保存したバックアップ コード。 Google アカウントの [2 段階認証プロセス] で追加したセキュリティ キー。
Google Compute Engine: Computing without limits
Built in the cloud. Engineered for your enterprise.
AdWords（検索）のしくみを一枚絵で眺めてみよう
世の中に登場してから早10年が経ち、ディスプレイネットワークやモバイルやYouTube やらとその守備範囲を拡大し複雑化を続けるGoogle AdWords ですが、すべての基本は今でも検索にあると思います。 AdWords の基本は、ユーザーの検索クエリ（情報ニーズ）に対して企業の適切な広告を掲示（情報提供）するしくみで、広告の反応に合わせて適切なレートで料金が加算されるシステムになっています。検索連動型広告の進化というのは、この適切な情報に対して適切に課金するために、情報提供の手段と課金システムの安定稼働とフェアネスの精度を担保するというところにその理由が収斂されていくように感じています。 ですので、ここ最近さまざまなかたちで提供されているAd extension（広告設定オプション）は企業の情報提供の手段の多様化と理解できますし、広告のフェアネスの精度を担保するために広告の順位付けや
Google 日本語入力 - CGI API デベロッパーガイド
Google CGI API for Japanese Input Google CGI API for Japanese Input は、日本語変換をインターネット上で実現するための、CGI サービスです。 リクエスト http://www.google.com/transliterate に対して HTTP リクエストを発行します。GET メソッドを使ってください。以下の CGI パラメータを (URL エンコードした上で) 指定します。 langpair=ja-Hira|ja text=(変換したいひらがな列) text のひらがな列は UTF-8 でエンコードします。例えば、「へんかん」をリクエストする場合は、 http://www.google.com/transliterate?langpair=ja-Hira|ja&text=%E3%81%B8%E3%82%93%E3%81
appengine ja night #14が終わりました〜 - スティルハウスの書庫の書庫
appengine ja night #14、今回の会場はいつものリクルートMTLでした。 おしながき セッション1 「App Engine上の大量データ処理について」 発表者：@int128さん 内容：App Engineで大量のデータを処理する方法とappengine mapreduceの仕組みについて説明します。 @int128さんによる、Task Queueを利用した大量データ処理のデザインパターンや、それらを活用したフレームワークElShard、そしてappengine mapreduceの設計に関する詳細解説。タスクチェーンやクエリチェーンでのシャード分割手法や、appengine mapreduceのScatterプロパティによるシャード分割の違いなど、実測値に基づいてわかりやすく解説いただきました。appengine mapreduceってこんなことやってるだ〜と大変勉強に
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
http://global-adtech.jp/blog/3267
HugeDomains.com
安全な継続的デプロイメントのための知覚的テスト
Developer Center | Google Cloud
PC
502 Bad Gateway
新しいGoogle API：Prediction、Fusion Tables、Books
BLOGOS サービス終了のお知らせ
IDEA * IDEA
