Service de Machine Learning managé, le Cloud Machine Learning Engine (CMLE) permet de facilement mettre au point des modèles de ML fonctionnant avec n’importe quel type de données. L’infrastructure GCP permet en prime de ne pas se soucier de la taille des données en question. Le but, encore une fois, est de vous affranchir des difficultés de gestion de l’infrastructure pour vous permettre de vous concentrer sur la conception de vos modèles de ML.
CMLE exploite la puissance desdu frameworks de machine learning tels que TensorFlow, sklearn et XGBoost, qui est la pièce maîtresse derrière des services comme Google Photos. Un cas d’usage exploitant la GCP à 100% consiste par exemple à stocker ses données sur Cloud Storage ou / et BigQuery, les faire transiter et les préparer avec Dataflow pour ensuite les utiliser afin d’entraîner des modèles de TensorFlow via un cluster de machines gérées de manière transparente par la GCP.
L’autre avantage de cette solution est la possibilité d’exposer d’exploiter directement les modèles obtenus avec les services de prédiction gérés par la GCP. Ils sont ainsi directement exploitables par vos applications et capables de manipuler des téraoctets de données et des milliers d’utilisateurs. Sans jamais avoir à vous occuper du moindre serveur.