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。
![Earth Engine の料金 | Google Cloud](https://cdn-ak-scissors.b.st-hatena.com/image/square/c89db55604b10609fc306beb52444f728fbdbdb6/height=288;version=1;width=512/https%3A%2F%2Fcloud.google.com%2F_static%2Fcloud%2Fimages%2Fsocial-icon-google-cloud-1200-630.png%3Fhl%3Dja)
Using Python 2 libraries Stay organized with collections Save and categorize content based on your preferences. You can use third-party libraries that are pure Python code with no C extensions, by copying the library into your application directory. If the third-party library is already built-in, bundled with the runtime, you can use the library without copying it into your app. Third party librar
フィードバックを送信 App Engine へのデプロイ 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。 このページでは、Cloud Build を使用して App Engine にアプリケーションをデプロイする方法について説明します。Cloud Build を初めて使用する場合は、最初にクイックスタートとビルド構成の概要をご覧ください。 App Engine は、大規模なウェブ アプリケーションを開発およびホスティングするための、フルマネージド型のサーバーレス プラットフォームです。App Engine の詳細については、App Engine のドキュメントをご覧ください。 始める前に App Engine API を有効にします。 App Engine API を有効にする このページで gcloud コマンドを実行するには、Google Cloud
Send feedback Choose an App Engine environment Stay organized with collections Save and categorize content based on your preferences. You can run your applications in App Engine by using the App Engine flexible environment or the App Engine standard environment. You can also choose to simultaneously use both environments for your application and allow your services to take advantage of each enviro
※この投稿は米国時間 2022 年 6 月 15 日に、Google Cloud blog に投稿されたものの抄訳です。 地理空間データには、従来のマッピング以外にも、場所の選定や土地インテリジェンスなどの多くの用途があります。そのため、多くの企業が地理空間データをデータ ウェアハウスや分析に組み込む方法を見出そうとしています。Google Earth Engine と BigQuery はどちらも、地理空間データの解釈、分析、可視化に使用できる Google Cloud Platform 上のツールです。たとえば、Google Earth Engine から取得した衛星データに基づく作物分類を BigQuery の天候データと組み合わせて作物の収穫量を予測できます。 これら 2 つのプロダクトの機能は一部重複していますが、両者は同じものではなく、次の表に示すように異なるユースケース向けに
※この投稿は米国時間 2021 年 8 月 14 日に、Google Cloud blog に投稿されたものの抄訳です。 Investment Products Recommendation Engine(IPRE)は Google Cloud を使用して SoftServe により開発されたもので、リテール バンキングのお客様の投資に関する一般的な課題に対処するために設計されたソリューションです。特に、BigQuery ML モデルの能力を利用して投資のレコメンデーションを行います。投資データを処理するため、ビッグデータのパイプラインが活用されます。Terraform を使用することで、環境設定を自動化できます。このブログ投稿では、ソリューションの技術的な実装について掘り下げて解説します。 ソリューション アーキテクチャソリューションの技術的な部分について掘り下げ、ソリューションのアーキ
※この投稿は米国時間 2020 年 6 月 27 日に、Google Cloud blog に投稿されたものの抄訳です。 世界的なパンデミックに対応すべく、ホワイトハウスと研究グループの連合体は、世界最大のオンライン データ サイエンス コミュニティ、Kaggle に CORD19 データセットを公開しました。新型コロナウイルスや他の疾患についての理解を深めるという目標は、医療政策、研究、医学界において多くの注目を集めました。Nature の記事によると、Kaggle チャレンジは 3 月中旬に開始されて以来、約 200 万ページビューを獲得しています。 研究者や一般ユーザーが自由に利用できるデータセットには、150,000 以上の学術論文が含まれており、COVID-19(新型コロナウイルス感染症)関連だけで何千にも及びます。そのため、最新の文献の中から、常に最新情報を入手するのは容易では
This page describes the Autopilot mode of operation in Google Kubernetes Engine (GKE) and provides you with resources that you can use to plan, set up, and manage your clusters. What is Autopilot? GKE Autopilot is a mode of operation in GKE in which Google manages your cluster configuration, including your nodes, scaling, security, and other preconfigured settings. Autopilot clusters are optimized
This page describes how to use GKE Sandbox to protect the host kernel on your nodes when containers in the Pod execute unknown or untrusted code, or need extra isolation from the node. GKE Sandbox availability GKE Sandbox is ready to use in Autopilot clusters running GKE version 1.27.4-gke.800 and later. To start deploying Autopilot workloads in a sandbox, skip to Working with GKE Sandbox. To use
※この投稿は米国時間 2022 年 1 月 25 日に、Google Cloud blog に投稿されたものの抄訳です。 業務プロセス変革の手段として AI に目を向ける組織が増えるなか、AI モデルの急速な浸透に伴って Explainable AI(説明可能な AI)に対するニーズも高まっています。AI を説明することで、モデルがどのような過程で、またどのような根拠で予測を導き出したかを理解しやすくなります。たとえば、金融機関において、AI モデルを使って不正なクレジット カード取引を自動検出したいとします。その場合、正確性の高いモデルを作ることが最初のステップですが、正確であるだけでは不十分です。AI モデルがなぜそのような予測を行ったのか、銀行や規制当局に対して説明が求められることがよくあります。AI は取引額に基づいて不正と判断したのでしょうか?それとも、カード所有者の性別でしょう
※この投稿は米国時間 2022 年 1 月 19 日に、Google Cloud blog に投稿されたものの抄訳です。 誰もが未来の見える水晶玉を手に入れたいと願っています。次に来る大きなトレンドを探る小売業者や消費財企業、これから起こる大きな混乱を懸念する物流企業は特にです。 今では、まさに宇宙規模とも言えるデータを指先で(またはキーボード操作だけで)扱い、AI や機械学習ツールを適切に活用することで、企業はさまざまな分野におけるリアルタイムの予測を入手できるようになりつつあります。 小売業者、サプライ チェーン、消費財企業にとって、正確な需要予測は常に効率的なビジネスプランの作成、在庫管理、物流の効率化、顧客満足を実現するための重要な推進力となってきました。正確な予測は、的確な製品を必要な量だけ、適切な場所に届けるためにとても重要です。 お客様は在庫切れを嫌がりますが、在庫過多になる
フィードバックを送信 Logging のクエリ言語を使用したクエリの作成と保存 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。 このドキュメントでは、ログ エクスプローラの使用時にログを取得して分析する方法について説明します。それには、[クエリエディタ] フィールドにクエリを作成し、ログエントリに含まれるオプションを使用してフィルタ メニューから選択します。作成するクエリは、Logging クエリ言語で記述されます。 [ログ エクスプローラ] ページか、Logging API メソッド savedQueries.create を使用してクエリを保存することもできます。 準備 クエリを作成するには、ログデータを読み取る権限が必要です。これらの権限は、ログビューアのロール(roles/logging.viewer)に含まれます。必要な IAM 権限の詳細につい
※この投稿は米国時間 2021 年 12 月 22 日に、Google Cloud blog に投稿されたものの抄訳です。 昨年来、人工知能(AI)は注目を集め続けています。これは、単にデータを保有する組織と、データを用いて AI を駆使して行動につながるインサイトを生成したり、カスタマー エクスペリエンスを改善したりする組織との間に横たわるギャップが引き続き拡大しているためです。 Google Cloud では、お客様の AI 投資を実際の成果につなげることを最も重要な目標の一つとして掲げており、2021 年も全力で数々の新しいソリューション、研究、チュートリアルを立ち上げてきました。お客様が、これまでの情報すべてを確認できていなかったとしても焦る必要はありません。経験豊富なデータ サイエンティストでも、初めて AI を活用して問題を解決しようとする初心者でも、Google Cloud
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