※この投稿は米国時間 2023 年 9 月 12 日に、Google Cloud blog に投稿されたものの抄訳です。 入社したばかりの Java デベロッパーが、簡単な Java サービスを作る仕事を割り当てられたとしましょう。DevOps モデルでは開発チームと運用チームが責任を共有するので、Java コードだけでなく、ビルド パイプラインやモニタリング計測のような運用コードの作成も求められるかもしれません。しかも、クラウド プラットフォームは以前の仕事で覚えたものとは異なります。 あっという間に YAML ファイルの山に溺れ、簡単な Java サービスの構築が難事業になってしまいました。決めなければならないことがたくさんあります。コードの構成はどうしよう？継続的デリバリーにはどのツールを使用したらいいのだろう？ DevOps モデルは開発者に耐えられないほどの学習の手間をもたらすこ

※この投稿は米国時間 2022 年 3 月 18 日に、Google Cloud blog に投稿されたものの抄訳です。 鈍痛と疼痛。この 2 つの違いは何でしょうか。「心臓発作」と「心筋梗塞」を区別できますか。「MI」はどうですか。これは何かの省略表現でしょうか、それともミシガン州の病院の住所の一部でしょうか。 人間にとって、類似した単語、フレーズ、概念の違いやニュアンスを理解するのは簡単です。医療分野で見られるような技術的なものでも、人間なら理解できます。しかし、人間が単語や画像を正確に理解するために利用するコンテキストの手がかりは、最先端の AI にとっても、うまくとらえられない課題のままです。ただしこれは解決する価値のある課題です。すべての医療データの 80% が構造化されていないと言われています。 これは一種の複雑なデータ管理の課題で、これを解決するために自然言語処理が構築されま

Priyanka VergadiaStaff Developer Advocate, Google Cloud You have a cloud use case… How do you go from idea to implementation? The first step in your implementation journey is the architecture diagram. Having an architecture diagram is critical because it enables you to share the vision with the team, collaborate with them, iterate on the design, and create the final version that best meets the req

Monitoring feature attributions: How Google saved one of the largest ML services in trouble An emergency in the largest MLOps at GoogleClaudiu Gruia is a software engineer at Google who works on machine learning (ML) models that recommend content to billions of users daily. In Oct 2019, Claudiu was notified by an alert from a monitoring service. A specific model feature (let us call this feature F

※この投稿は米国時間 2021 年 1 月 27 日に、Google Cloud blog に投稿されたものの抄訳です。 編集者注: 本日の投稿は、Binx.io のソフトウェア エンジニア兼トレーナーであり、O’Reilly 出版の Google Cloud Run に関する書籍の著者でもある Wietse Venema 氏によるものです。ここでは、ユーザーが Cloud Run を最大限に活用できるように、コンテナのライフサイクル全体と、その中で起こる状態の移り変わりについて同氏にご説明いただきます。 サーバーレス プラットフォームである Cloud Run は、コンテナベースのアプリケーションを実行し、自動的に規模を調整することができます。コンテナのライフサイクル全体とその中で起こる状態の移り変わりを理解すれば、このプラットフォームを最大限に活用することができます。それでは、開始から

Try Gemini 1.5 Pro, our most advanced multimodal model in Vertex AI, and see what you can build with a 1M token context window. Try Gemini 1.5 Pro, our most advanced multimodal model in Vertex AI, and see what you can build with a 1M token context window. Vector Search is based on vector search technology developed by Google research. With Vector Search you can leverage the same infrastructure tha

Customers cut document processing time and costs with DocAI solutions, now generally available Some of the most important data at your company isn’t living in databases, but in documents, and most business processes begin, involve or end with a document. Yet most companies are still manually entering data and reliant on guesswork to make sense of it all as the volume and variety of data explodes.

〜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

※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

デジタル トランスフォーメーションを加速 お客様がデジタル トランスフォーメーションに乗り出したばかりでも、あるいはすでに進めている場合でも、Google Cloud は困難な課題の解決を支援します。

Accelerate your digital transformation Whether your business is early in its journey or well on its way to digital transformation, Google Cloud can help solve your toughest challenges.

デジタル トランスフォーメーションを加速 お客様がデジタル トランスフォーメーションに乗り出したばかりでも、あるいはすでに進めている場合でも、Google Cloud は困難な課題の解決を支援します。

Deploy a virtual machine cluster with a load balancer that instantaneously manages and distributes global traffic. Our planet-scale infrastructure delivers the highest level of performance and availability in a secure, sustainable way. Deploy a preconfigured VM cluster solution recommended by Google experts. Plus, new customers get $300 in free credits on signup.

Pi in the sky: Calculating a record-breaking 31.4 trillion digits of Archimedes’ constant on Google Cloud [Editor’s note: It’s been two years since Googler Emma Haruka Iwao set a world record for calculating the most digits of Pi using Google Cloud. But just like the constant itself, our love for this story never ends. On this March 14, 2021 may you celebrate Pi Day with a slice of something delic

A fully managed workflow orchestration service built on Apache Airflow. New customers get $300 in free credits to spend on Composer or other Google Cloud products during the first 90 days.

この投稿は米国時間 8 月 30 日に投稿されたもの（投稿はこちら）の抄訳です。 Posted by Google Cloud デベロッパーアドボケイト 佐藤一憲 Tensor Processing Unit (TPU) は、機械学習の計算処理のために Google がゼロから開発したカスタム LSI （ASIC）です。Google 翻訳、フォト、検索、そして Gmail 等の主要な Google サービスの運用を支える基盤技術です。Google Cloud では、機械学習を利用するエンジニアやデータサイエンティストに向けて、この TPU の能力をスケーラブルで使いやすいクラウドサービスとして提供する  Cloud TPU を提供しています。今年 6 月にサンフランシスコで開催された Google Next ‘18 では、無償トライアルを含むすべてのユーザーに向けて Cloud TPU v

Convert text into natural-sounding speech using an API powered by the best of Google’s AI technologies. New customers get $300 in free credits to spend on Text-to-Speech.

Google はこのほど、安全かつリアルタイムに機密データの検出、分類、編集を行えるように支援する Google Cloud のセキュリティ サービス、Cloud Data Loss Prevention API（DLP API）を正式リリースしました。 機密データを適正に処理するにあたって第一歩となるのは、データ ワークロードのどこに機密データがあるかを把握することです。これは、データの厳重な保護に役立つだけでなく、機密情報の管理ミスが深刻なコスト増につながる今日の規制環境のもとでは不可欠な要素となっています。 DLP API は、クレジットカード番号、社会保障番号、氏名のような個人識別情報（PII）などの機密データを識別するのに役立つ、柔軟かつ堅牢なツールです。機密データの在りかがわかったら、リダクションやマスキング、トークン化などのテクニックを使って機密データを特定できないようにしな