Lors de la conférence Cloud Next 2019, Google a annoncé le lancement de sa plateforme de création d’intelligence artificielle, un service complet de machine learning pour les développeurs et les spécialistes de data. 

 

Google investit beaucoup dans le domaine du machine learning et de l’intelligence artificielle. L’entreprise a créé TensorFlow, le cadre le plus populaire pour construire des modèles sophistiqués de machine learning et de deep learning. Elle disposait également de Cloud ML Engine, une plateforme de formation et de déploiement de modèles de machine learning


Avec sa plateforme de création d’intelligence artificielle, Google rassemble tous ses atouts dans un même service. Cette offre couvre la gamme complète des services de machine learning, y compris la préparation des données, la formation, le réglage, le déploiement, la collaboration et le partage des modèles de machine learning.

Vous trouverez ci-dessous un résumé des éléments qui constitueront la plateforme de Google :

AI Hub agit comme un point d’accès unique pour découvrir, partager et déployer des modèles de machine learning. Il s’agit d’un catalogue de modèles réutilisables qui peuvent être rapidement déployés dans l’un des environnements d’exécution de la plateforme d’intelligence artificielle. Le catalogue contient une collection de modèles basés sur des frameworks populaires tels que Tensorflow, PyTorch, Keras, XGBoost et Scikit-learn. Chaque modèle est présenté avec des étiquettes qui facilitent la recherche et la découverte de contenu.

Kubeflow, le kit de machine learning pour Kubernetes, rend les déploiements de flux de travail plus simples, portables et évolutifs en fournissant un moyen simple de déployer les meilleurs systèmes open-source de leur catégorie pour le machine learning vers diverses infrastructures. Kubeflow Pipelines est un outil permettant de créer et de déployer des flux de travail portables et évolutifs basés sur des conteneurs Docker.

Google Cloud ML Engine existe déjà depuis quelques années. Le service a maintenant été amélioré pour prendre en charge une variété de nouvelles fonctionnalités, des algorithmes intégrés, une formation personnalisée basée sur des conteneurs et un support pour PyTorch. En tant que PaaS, Cloud ML Engine élimine les frictions liées à l’approvisionnement, à la configuration et à la gestion de l’infrastructure.

Les développeurs peuvent soumettre des emplois de formation machine learning créés dans TensorFlow, Keras, PyTorch, Scikit-learn et XGBoost. Google propose désormais des algorithmes intégrés basés sur des classificateurs linéaires, des modèles larges et des modèles XGBoost. Les développeurs peuvent également apporter leurs propres conteneurs avec des cadres personnalisés à former à l’échelle. Le service prend également en charge le réglage des hyperparamètres pour augmenter la précision des modèles formés.

AI Platform Notebooks permet aux développeurs de créer et de gérer des configurations de machines virtuelles (VM) qui sont pré-paquetées avec JupyterLab. Les ordinateurs portables AI Platform sont configurés avec les packages de base nécessaires pour les environnements TensorFlow et PyTorch.

Les modèles générés par les ordinateurs portables et les outils externes peuvent être déployés sur la plate-forme d’intelligence artificielle pour un hébergement évolutif. Ce service prend en charge à la fois les prédictions en ligne et les prédictions par lots.

Google AI Platform est l’une des offres les plus complètes de cloud pour former, régler et déployer des modèles de machine learning.