Google công bố AI mới, công cụ phân tích thông minh

0
1

            Các công cụ AI mới được công bố tại Google Cloud Next tập trung vào giải quyết các thách thức kinh doanh phổ biến như cấu trúc dữ liệu từ tài liệu hoặc dự báo hàng tồn kho.
        

            
                                                                             
            
            

                 ] ]
    

     Công nghệ đằng sau máy ảnh Chế độ xem phố thế hệ tiếp theo của Google
     Intel về cách các bộ xử lý của nó sẽ giúp Google chụp các hình ảnh Chế độ xem phố mới có độ phân giải cao hơn, phát biểu tại Hội nghị AI được trình bày bởi O'Reilly và Intel AI.
    

    

Bài viết này ban đầu xuất hiện trên ZDNet.

Tại hội nghị Google Cloud Next vào thứ Tư, Google sẽ giới thiệu một loạt các công cụ phân tích thông minh và AI. Các công cụ này tập trung vào việc áp dụng AI vào các thách thức kinh doanh phổ biến như cấu trúc dữ liệu từ tài liệu hoặc dự báo hàng tồn kho.

    
        

                            

Thông tin thêm về trí tuệ nhân tạo

                

Đầu tiên, Google công bố Nền tảng AI ở phiên bản beta – một nền tảng phát triển từ đầu đến cuối giúp các nhóm cộng tác trong các dự án học máy. Nó được xây dựng cho các nhà phát triển, nhà khoa học dữ liệu và kỹ sư dữ liệu, cho phép họ chia sẻ mô hình, đào tạo và chia tỷ lệ khối lượng công việc từ cùng một bảng điều khiển trong Cloud Console.

XEM: Báo cáo đặc biệt: Cách triển khai AI và học máy (PDF miễn phí)

Tiếp theo, Google sẽ tung ra các phiên bản mới của Cloud AutoML, phần mềm tự động hóa việc tạo ra các mô hình học máy mà Google đã công bố năm ngoái. Google ban đầu triển khai AutoML Vision, đã mở rộng hiệu quả API Cloud Vision của Google để nhận ra các danh mục hình ảnh hoàn toàn mới, được tùy chỉnh.

Bây giờ, Google đã có sẵn trong các Bảng AutoML beta, cho phép bạn xây dựng và triển khai các mô hình học máy trên các bộ dữ liệu dạng bảng có cấu trúc. Người dùng có thể nhập dữ liệu từ BigQuery và các dịch vụ lưu trữ GCP khác vào Bảng AutoML.

Video AutoML mới cũng đang trong giai đoạn thử nghiệm, cho phép các nhà phát triển tạo các mô hình tùy chỉnh tự động phân loại nội dung video Một số trường hợp sử dụng rõ ràng sẽ có trong phương tiện truyền thông và ngành công nghiệp giải trí, nơi các doanh nghiệp có thể đơn giản hóa các tác vụ như tự động xóa quảng cáo hoặc tạo các đoạn phim nổi bật.

Ngoài ra, Google đang triển khai AutoML Vision Edge để đơn giản hóa việc đào tạo và triển khai các mô hình ML tùy chỉnh độ chính xác thấp, độ trễ thấp cho các thiết bị cạnh.

Google vào thứ Tư cũng đã công bố Tài liệu Hiểu về AI trong bản beta. Nền tảng serverless tự động phân loại, trích xuất và làm phong phú dữ liệu từ các tài liệu được quét hoặc kỹ thuật số. Nó biến dữ liệu tài liệu phi cấu trúc thành dữ liệu có cấu trúc và tích hợp với tích hợp với các ngăn xếp công nghệ từ các đối tác của Google như Iron Mountain, Box, DocuSign, Egnyte, Taulia, UiPath và Accdvisor.

Ngoài ra, Google đã thông báo rằng dịch vụ AI của Trung tâm liên hệ hiện đang ở giai đoạn thử nghiệm. Nó là đối tác mới của chương trình AI của Trung tâm liên lạc bao gồm 8×8, Avaya, Salesforce và Accdvisor.

Trên mặt trận phân tích dữ liệu, Google đang giới thiệu các cách mới để di chuyển dữ liệu vào Google Cloud, cũng như các cách để làm sạch, phân loại và giải thích dữ liệu.

Cloud Data Fusion là một cách mới, đầy đủ dịch vụ được quản lý cho phép người dùng tích hợp dữ liệu từ nhiều nguồn khác nhau và tham gia với các nguồn dữ liệu khác. Nó cho phép các tổ chức lấy dữ liệu ngớ ngẩn và chuẩn bị phân tích trong BigQuery.

Khách hàng giờ đây cũng có thể nhận thêm dữ liệu vào BigQuery với Dịch vụ truyền dữ liệu BigQuery mở rộng. BigQuery DTS tự động di chuyển dữ liệu từ các ứng dụng SaaS sang Google BigQuery trên cơ sở được quản lý theo lịch trình. Ngoài các ứng dụng riêng của Gogole, giờ đây nó còn hỗ trợ hơn 100 ứng dụng SaaS phổ biến, bao gồm Salesforce, Marketo, Workday và Stripe.

Trong khi Google giúp việc lấy dữ liệu đến BigQuery, quy mô exabyte, serverless dễ dàng hơn kho dữ liệu đã phát triển nhanh chóng. Google cho biết, khối lượng dữ liệu được phân tích đã tăng hơn 300% chỉ trong năm ngoái,

Trong khi đó, các nhà phân tích dữ liệu sẽ có thể xây dựng các đường ống dữ liệu của riêng họ với Cloud Dataflow SQL, sắp ra mắt trong bản alpha công khai. Sử dụng SQL, họ có thể xây dựng các đường ống Dataflow tự động phát hiện nhu cầu xử lý dữ liệu hàng loạt hoặc luồng. Ví dụ, Dataflow SQL sử dụng cùng một phương ngữ SQL được sử dụng trong BigQuery, cho phép các nhà phân tích dữ liệu sử dụng Dataflow SQL từ bên trong Giao diện người dùng BigQuery.

Để phân tích dữ liệu, Google đang giới thiệu BigQuery BI Engine trong bản beta. Nó cho phép người dùng BigQuery phân tích các tập dữ liệu phức tạp một cách tương tác với thời gian phản hồi truy vấn thứ hai và với tính đồng thời cao. Công cụ này hiện có sẵn thông qua Google Data Studio. Trong những tháng tới, các nhà cung cấp thông tin kinh doanh của bên thứ ba như Looker và Tableau cũng có thể tận dụng BI Engine.

Với số lượng người dùng doanh nghiệp dựa vào bảng tính để phân tích, Google cũng giới thiệu các trang tính được kết nối, a loại bảng tính mới hoạt động với bộ dữ liệu đầy đủ từ BigQuery.

Ngoài ra, Google đang mở rộng BigQuery ML, một công cụ cho phép các nhà phân tích dữ liệu xây dựng và triển khai các mô hình học máy trên bộ dữ liệu lớn ngay trong BigQuery bằng SQL. Bây giờ, BigQuery ML bao gồm các mô hình mới như phân cụm k-nghĩa (trong phiên bản beta) và nhân tố ma trận (theo alpha) để xây dựng phân khúc khách hàng và đề xuất sản phẩm. Hiện tại, khách hàng cũng có thể xây dựng và nhập trực tiếp các mô hình Mạng nơ-ron DeeporFlow (tính bằng alpha) thông qua BigQuery ML.

                                                                                

                                                

Thêm từ Google Cloud Next

LEAVE A REPLY

Please enter your comment!
Please enter your name here