user
  • trustytrading.work
  • その他専門職
  • ユーザー(利用者)
  • ソフトウェア・SI
  • 20人未満
実質TensorFlowのモデル実行のみ
この製品・サービスの良いポイントは何でしょうか?

Googleの機械学習フレームワークであるTensorFlowのモデル実行に特化しており、信頼性のあるGoogleプラットフォーム上でそれが行える。トレーニングはすでに別のところでやっているので不要といった場合には価値があるでしょう。

改善してほしいポイントは何でしょうか?

ML Engine は機械学習を高速に実行するためのプラットフォームです。そして、プラットフォームには制約が付き物ですが、ML Engine の場合はこの制約が結構厳しい感じがします。
ML Engine はパワーはあるが、ストレージやPythonパッケージなどの制約があり、クイックに機械学習ができるサービスではありません。

どのようなビジネス課題を解決できましたか?あるいは、どのようなメリットが得られましたか?

あらかじめ構築してるモデルをクラウドにおき、とにかく所定の計算リソースで信頼性のあるGoogleクラウドプラットフォーム上で実行すれば良いというシナリオではメリットがあります。
最終的には ML Engine で大量データ処理&システム化のように機械学習のプロジェクト進捗によって実行プラットフォームを変えても良いと思います。

user
  • セーバー株式会社
  • 開発
  • ユーザー(利用者)
  • ソフトウェア・SI
  • 20人未満
機械学習の知識がなくても始められる
この製品・サービスの良いポイントは何でしょうか?

機械学習をやろうとするとTensorFlow等のライブラリーを使用することになりますが、それらのライブラリーを学習しないでも機械学習を始められるのがポイントです。

改善してほしいポイントは何でしょうか?

ライブラリーを直接操作するよりは簡単に操作できますが、マニュアルがあまり充実はしていません。もう少しマニュアルを充実させていただけたらと思います。

どのようなビジネス課題を解決できましたか?あるいは、どのようなメリットが得られましたか?

機械学習を始める際に環境構築の手間がなく始められたため、効率良くサンプルの開発を進めることができました。

その他の製品

user
  • ビット・クルー株式会社
  • ITコンサルタント
  • 導入決定者
  • ソフトウェア・SI
  • 20人未満
インフラを気にすること無くMLが使える
この製品・サービスの良いポイントは何でしょうか?

Machine Learningを実行する際に、インフラ環境を気にすること無く作成することが出来る為、モデルの開発等に集中する事が出来ます。

改善してほしいポイントは何でしょうか?

現状特段改善して欲しいと思うポイントはないのですが、個人的な所ではUIが使いにくいと思う事がありました。

どのようなビジネス課題を解決できましたか?あるいは、どのようなメリットが得られましたか?

インフラを気にすること無く、モデル開発に集中できる為、より手軽で迅速にMLを導入する事ができるメリットがあると思います。

Ashish K.
Ashish K.
Google MLE(グーグルMLE)を気に入ってます
どのようなビジネス課題を解決できましたか?あるいは、どのようなメリットが得られましたか?

プロトタイプを製造する能力が大幅に向上しました。

改善してほしいポイントは何でしょうか?

指示はもう少しシンプルに書けるかと思います。Python(パイソン)のパッケージでモデルを設定するのが面倒です。

この製品・サービスの良いポイントは何でしょうか?

コーディングにフォーカスできるマネージドサービスです。

Love Googe MLE
What business problems are you solving with the product? What benefits have you realized?

My ability to prototype has improved dramatically.

What do you dislike?

instructions could be simpler. I find it cumbersome to setup the model as python package.

What do you like best?

It is a managed service which allows me to focus on code.

Steven S.
Steven S.
Google(グーグル)ネクストカンファレンスでのレビュー
どのようなビジネス課題を解決できましたか?あるいは、どのようなメリットが得られましたか?

ディープラーニング

改善してほしいポイントは何でしょうか?

ツールの可用性。どこにあるのか分からないボタンもあります。

この製品・サービスの良いポイントは何でしょうか?

ラボへのオンクリックプロビジョニングがうまくいっています。

Review at Google Next Conference
What business problems are you solving with the product? What benefits have you realized?

deep learning

What do you dislike?

usibility of the tools, some botton is not easy to find

What do you like best?

The on-click provisioning for the labs is working out nicely

Derek C.
Derek C.
なかなか良い製品
どのようなビジネス課題を解決できましたか?あるいは、どのようなメリットが得られましたか?

ビッグデータによるデータ解析

改善してほしいポイントは何でしょうか?

最初は習得しにくいものです。

この製品・サービスの良いポイントは何でしょうか?

設定が終わってしまえばとても直感的な使いかが経できて簡単です。
もちろんお薦めです。

Pretty good product
What business problems are you solving with the product? What benefits have you realized?

data analytics with big data

What do you dislike?

there is a bit of a learning curve at the beginning

What do you like best?

it's quite intuitive to use and easy once you have a set up. would definitely recommend

Anonymous
Anonymous
MLエンジンはユーザーフレンドリーとは言いにくい
どのようなビジネス課題を解決できましたか?あるいは、どのようなメリットが得られましたか?

VMの保守なしでTensorFlow(テンサーフロー)モデルを構築

改善してほしいポイントは何でしょうか?

あまりユーザーフレンドリーではなく、自分のトレーニングジョブを提出するGUIがありません。

この製品・サービスの良いポイントは何でしょうか?

ベストなモデルのハイパーパラメータを探す時間を節約できるハイパーチューン機能が気に入っています。
分散トレーニングも素晴らしいです。

I think ML engine is not user friendly.
What business problems are you solving with the product? What benefits have you realized?

train and serve TensorFlow model without maintaining VMs.

What do you dislike?

It is not very user friendly, and does not have a GUI to submit my training job.

What do you like best?

I like that the hypertune features to save my time to search the hyperparameters for the best model. Distributed training is also great.

Ji Chao Z.
Ji Chao Z.
次世代のMLリサーチに必要な製品
どのようなビジネス課題を解決できましたか?あるいは、どのようなメリットが得られましたか?

ハイパーパラメータを実装してデータパラレルを学習させています。

改善してほしいポイントは何でしょうか?

ML Engine(MLエンジン)を使用してハイパーパラメータ探索を実行する方法、データパラレルまたはモデルパラレルのトレーニングを行う方法など、ML Engine(MLエンジン)の異なる側面を学ぶための分かりやすいチュートリアルがありません。

この製品・サービスの良いポイントは何でしょうか?

オープンソース機械学習プログラミングのScikit-learn(サイキットラ―ン)にpandas(パンダ)とNumPy(ナンピー)を組み合わせて使用するのもMLの1つの方法ですが、分散トレーニングの効率性を得るにはML Engine(MLエンジン)がマストです。

Must have to get to next level of ML research
What business problems are you solving with the product? What benefits have you realized?

Hyper-parameter tuning and data parallel training.

What do you dislike?

Don't have a easy to follow tutorial to learn different aspect of ML Engine. For example, how to use ML Engine to run Hyper-parameter search, how to do data-parallel training or model-parallel training.

What do you like best?

Using scikit-learn with pandas and numpy is one way to do ML. But to get the efficiency of distributed training, ML Engine is a must have.