GCP #6 機械学習

概要

「Googleで保有しているデータで作った学習済みモデルを活用」
「利用者が保有しているデータで独自のモデルを活用」
上記２パターンがある

学習済みモデルを活用

言語処理
Clould Natural Langage API ... テキストデータの構造と意味を解析
Cloud Translation API ... テキストデータを異なる言語に翻訳
音声処理
Cloud Speech API ... 音声データをテキストデータに変換する
視覚処理
Cloud Vision API ... 画像データを解析して情報抽出や分類を行う
Cloud Video Intelligenc API ...  動画を解析し検索する
その他
Cloud Jobs API ... 適職を検索することを支援する

独自モデルを活用

Cloud Machine Learning Engine ... 独自モデルを作成するためのマネージドサービス。Tensorflowを使った機械学習プログラムの学習、実行環境
Cloud Auto ML ... 専門知識がなくても独自の学習モデルを作成できるサービス

1. 学習済みAPI

REST APIが用意されており、リクエストを送り学習済みモデルによって処理された結果を返却する

2. 独自モデルを活用(ML Engine)

学習を実行する「ジョブ」と、その結果生成される「モデル」を管理するインターフェースを提供

機械学習の流れ

[            データソース           ]
　　　　　　↓
*******************************************************************
Cloud Storage トレーニング用バケット
 [パッケージ][学習用データ]　[　　　　　モデル　　　　　　]
*******************************************************************
　　　　↓ インプット　　　　↑アウトプット　↓生成　*******************************************************************
ML Engine
[　　　　　　　ジョブ　　　　　　    ]         [　　バージョン　　]
　　　　↓　↓　↓　↓　↓　↓　　　　　　　　　↓デプロイ(API化)
[　　　トレーニングインスタンス　    ]         [　　予測ノード　　]
*******************************************************************
　　　　　　　　　　　　↑  　　　　　　　　　　↑
　　　　　　　　　　[ML操作、管理]　　　　[ API利用 ]

ジョブ
機械学習を実行するトレーニングジョブ。一意なIDをセットしてML Engineに投入する
モデル
トレーニングジョブを実行して得られる学習済みモデル。Cloud Storageに格納される。
バージョン
学習済みモデルから生成するモデルバージョン。予測ノードにデプロイすることでAPI化され、アプリケーションからの呼び出しが可能となる
パッケージ
トレーニングアプリケーションのパッケージ。TensorFlowで記述したコードや環境設定ファイルからなる。Pythonパッケージとして作成する
トレーニングインスタンス
パッケージウィ使って機械学習を実行する仮想マシン
予測ノード
未知のデータ入力に対して学習済みモデルで判定処理を行い、結果を返す