Google Cloud Platform Japan Blog
最新情報や使い方、チュートリアル、国内外の事例やイベントについてお伝えします。
2018 年 12 月 14 日（金）：第 7 回 INEVITABLE ja night を開催します
2018年11月16日金曜日
Google Cloud に代表されるクラウド技術の進化が引き起こすその先の世界を、機械学習、VR / AR、IoT などの領域で活躍されているスタートアップの方々と一緒に議論するイベント「INEVITABLE ja night」。
今回は、「コネクティッド社会に向けた不可避な流れ」がテーマです。あらゆる産業や社会でモノ、ヒト、データ、プロセスがつながりはじめている今、ビジネスの前提条件が大きく変わろうとしています。
本イベントでは、コネクティッドな社会に向けて、現在進行形で起きていること、そして近未来の不可避な流れについて、ソラコム代表取締役社長の玉川さんをメインゲストにお迎えしてお話をお伺いします。この他、最新の事例やテクノロジーについてもご紹介いたします。
講演会後には恒例の交流会も行います。参加者様同士の交流はもちろん、日頃の業務の課題や悩みについても、ご相談／共有いただける良い機会となります。
本テーマにご関心のある方々のご参加をお待ちしています。
開催概要
イベント名 : INEVITABLE ja night - “インターネットの次にくるもの”
第 7 回 コネクティッド社会に向けた不可避な流れ
日程 : 2018 年 12 月 14 日（金） 19:00 〜 21:00（開場 18:30 より）
会場 : グーグル合同会社
定員 : 200 名
ハッシュタグ : #inevitableja
プログラム :
INEVITABLE 対談
スピーカー：玉川 憲 氏、株式会社ソラコム 代表取締役社長
聞き手：小島 英揮 氏、Still Day One合同会社 代表社員 パラレルマーケター・エバンジェリスト
Google テクノロジーアップデート
スピーカー：調整中
事例セッション
JapanTaxi 株式会社 データエンジニア 饗庭 秀一郎 氏
インフォメティス株式会社 Co-founder ネットワーク技術主幹 登 不二雄 氏
講演後は、講師や参加者の皆さんとの交流や情報交換をお楽しみください。
参加を希望される方は、
お申し込みサイト
をご覧ください。
皆様のご参加をお待ちしております。
INEVITABLE TV のご案内
イベントでは取り上げることができなかったこと、語り尽くせなかったことを中心に、「インターネットの次に来るもの」に関連する話題を深く掘り下げていく番組「
INEVITABLE TV
」ももぜひご覧ください。
TPU が拓く AI 活用の近未来
（グーグル合同会社 佐藤 一憲）
VUI の普及と進化の方向性
（ゲスト : 岩佐 琢磨 氏）
AR のこれまでの歩みと今後の展望
（グーグル合同会社 松田 白朗）
エンターテック最前線
（ゲスト :鈴木 貴歩 氏）
Cloud OnAir 番組レポート : 最新版 GCP ではじめる、サーバーレスアプリケーションの開発
2018年11月14日水曜日
Cloud OnAir
は、Google Cloud の製品をわかりやすく解説し、最新の情報などをいち早く皆様にお伝えする Online 番組です。
今回の放送は、最新版 GCP ではじめる、サーバーレスアプリケーションの開発がテーマです。サーバーレスにすることによって、インフラストラクチャの面倒な管理を避けつつコードの作成やデプロイを行うことができます。Google Cloud Next '18 のアップデート情報も交えて、Cloud Functions や App Engine、Pub/Sub といった GCP のサーバーレスサービスをご紹介します。サーバーレスアプリケーションの実例を見ながら学んでいきましょう。
Google Cloud のサーバーレスサービス
サーバーレスサービスは、コンピューティングのみならず、さまざまな形で提供されています。GCP が提供するサービスの中で、サーバーレスに関連するものとして次のものがあります。
コンピューティング -
Cloud Functions
、
App Engine
データベース -
Cloud Firestore
、
Cloud Datastore
、
BigQuery
機械学習 -
Cloud Machine Learning Engine
、
Cloud AutoML
データ処理 -
Cloud Pub/Sub
、
Cloud Dataflow
その他 -
Firebase
、
Dialogflow
番組では、上記のサービスの中で、Cloud Functions を深掘りします。
サーバーレスアプリケーションの開発
Cloud Next'18 で、Cloud Functions が正式リリース（GA）となりました。現在、東京リージョンでも利用することが可能です。Cloud Functions はクラウドサービスの作成と接続に使用できるサーバーレスの実行環境であり、クラウドの接着剤とも呼ばれています。Cloud Functions を通じて、さまざまな Google のサービスと連携することができます。
Cloud Functions では、サーバーの管理やソフトウェアの設定、フレームワークの更新、オペレーティングシステムへのパッチの適用などをユーザー自身が行う必要がありません。ソフトウェアとインフラストラクチャは Google が管理するため、必要な作業はコードを追加することだけです。
番組では、HTTP Function（Webhooks） と バックグラウンド Function の一つである Cloud Storage トリガー（画像分析を例に）を実際に使う様子をデモしながら詳しく解説します。Cloud Functions が実際にどのように動くのかを順を追って理解することができます。わずか数行のコードでサーバーレスアプリを構築することができる様子をご理解いただけることでしょう。
より複雑なアプリの構築
続いて、サーバーレスのより複雑なアプリを幾つか紹介します。
複数の機能をつなげる
高信頼なリアルタイムメッセージ機能を実現する Cloud Pub/Sub を使うことによって、アプリケーション間で多対多の非同期メッセージングを実現することができます。
サーバーレスデータ分析
Cloud Dataflow は、信頼性と表現力を損なうことなく、ストリームデータ処理とバッチデータ処理を簡素化します。様々なデータ処理パターンの実行に対応したマネージド サービスであり、大量データに対する ETL(Extract, Transform, Load) 処理を実行します。
この他にも複雑なアプリ開発では欠かせない監視やログ管理、オートスケールの制御や予算アラート、IAM によるアクセス制御を番組で紹介します。
2018 年 11 月 8 日放送 最新版 GCP ではじめる、サーバーレスアプリケーションの開発
番組で説明した資料は
こちら
で公開しています。
[Cloud OnAir] 最新版 GCP ではじめる、サーバーレスアプリケーションの開発。 2018年11月8日 放送
from
Google Cloud Platform - Japan
Cloud OnAir
では、各回 Google Cloud のエンジニアがトピックを設け、Google Cloud の最新情報を解説しています。過去の番組、説明資料、さらには視聴者からの質問と回答は
こちら
よりご覧いただけます。 最新の情報を得るためにもまずはご登録をお願いします。
映画の観客動員を機械学習で予測する 20th Century Fox
2018年11月14日水曜日
※この投稿は米国時間 2018 年 10 月 30 日に Google Cloud blog に
投稿
されたものの抄訳です。
映画産業での成功は映画製作会社が観客を魅了できるかどうかにかかっていますが、それは口で言うほど簡単ではありません。観客は多様な集団であり、その興味や嗜好は多岐にわたります。従来、製作会社は脚本に投資するかどうかを経験を頼りに判断してきましたが、そのやり方は特に新しい独創的な作品を世に問う場合に高いリスクを伴います。
20th Century Fox の社長でチーフ データ ストラテジスト兼メディア責任者でもある Julie Rieger 氏と、データ サイエンス担当 SVP の Miguel Campo-Rembado 氏は、社内のデータ サイエンティスト チームと協力し、ストーリーと観客のマッチングという反復的で複雑なプロセスの精度をデータの力で高めようと考えました。
機械学習に適した問題
観客のマーケット セグメンテーションを把握することは映画製作会社の重要な仕事の 1 つです。製作会社は、観客セグメントを詳細に調べて映画の成否を予測することに役立てるため、長年にわたって高度なデータ処理に投資してきました。しかし、これまでは技術的および制度的な障壁が理由で、観客個人のレベルだけでなくセグメント レベルでも、細かい粒度での予測には対応できていませんでした。
Miguel 氏と彼のチームは、Google Cloud のようなパートナーと協力して、こうした障壁のいくつかを取り除いてきました。私たちは、映画の観客に対する理解を深めるため、プライバシー保護を強化したデータ パートナーシップを構築しました。そして、さまざまなタイプの映画に対する観客の嗜好の基本的なパターンを特定することを目的に、粒度の細かい観客データや脚本を基に社内専用のディープ ラーニング モデルを開発したのです。このモデルは、ビジネス上の重要な決定の際の判断材料として 18 か月前から日常的に利用され、映画のトーン、コアな観客層とその延長線上の観客層への親和性、興行成績の可能性に関する最も客観的で効果的、かつデータドリブンなバロメーターの 1 つになっています。
それでは、実際の方法を詳しく説明しましょう。映画の場合、脚本に書かれたテキストを分析しても、それはストーリーの骨組みにすぎず、観客の足を映画館に向けさせるような付加的なダイナミズムに欠けています。そこでチームは、映画の集客キャンペーンを展開するうえで重要な材料となる予告編を、最新の高度なコンピュータ ビジョンを使って学習する方法はないかと考えました。新作映画にとって予告編を公開することは一大イベントであり、映画の成功を予測することにも役立つからです。
20th Century Fox のデータ サイエンス チームは、狙いどおりの関心を観客から集めるような予告編を作ることを目標に、Google の
Advanced Solutions Lab
（ASL）と協力して
Merlin Video
を作りました。Merlin Video は、映画の観客動員を予告編から予測することに役立つ、予告編のベクトル表現を学習するコンピュータ ビジョン ツールです。
データ パイプラインの設計
チームの最初の仕事は、このツールを支えるテクノロジーを選択することでしたが、ディープ ラーニング フレームワークである
TensorFlow
と、
Cloud Machine Learning Engine
（Cloud ML Engine）を組み合わせることに疑問の余地はありませんでした。Cloud ML Engine はマネージド サービスであり、リソースのプロビジョニングやモニタリングは自動化されるため、チームはインフラストラクチャの調整ではなく、Merlin のディープ ラーニング モデル構築に力を注ぐことができたのです。また、
Cloud Dataflow
との統合によって
Data Studio
でのシームレスなレポート作成が可能になり、チームはプロセスの動きを深く理解できるようになりました。システムの日々のメンテナンス（主としてデータの取り込み）は単純かつ簡単で、他部門のエンジニアの助けを借りることなく、データ サイエンティスト自身で処理することができます。
Merlin のアーキテクチャ フロー ダイアグラム
適切なインフラストラクチャの準備を終えたチームは、YouTube 動画の公開データセットである
YouTube-8M
の分析に取りかかりました。このデータセットには、色、照明、さまざまなタイプの顔、数千ものオブジェクト、複数の風景を分析できる Google 製作の事前訓練モデルが含まれています。上図からもわかるように、Merlin のアーキテクチャにおける最初のステップは、予告編のどの要素が観客の嗜好の予測に最も役立つかを知るための前段として、これらの事前に学習された特性を読み取ることです。
実際の予告編を例に説明しましょう。男性のアクション俳優が主役を務める映画を見たことがある人は、男性のアクション俳優が主役の別の映画を見に行く可能性が高いと言えるのでしょうか。Wolverine 役として Hugh Jackman を起用した 20th Century Fox の映画『
Logan
』（邦題 : ローガン）を詳しく見てみます。次の画面は公式予告編の 12 秒目のスナップショットです。
『Logan』公式予告編の 12 秒目のスナップショット
Merlin はこのスナップショットに対して、facial_hair（顔ひげ）、beard（顎ひげ）、screenshot、chin（顎）、human、film というラベルを返します。そして、予告編全体を秒刻みで分析し、『Logan』における上位頻出ラベルとして次の結果を出力します。
Merlin のスクリーンショット。頻出ラベルが降順で示されている
『Logan』のラベル分析を行った 20th Century Fox チームは、この新しいラベル分析と、過去の映画の予告編から得られたラベルを比較し、類似の映画を割り出すことにしました。『Logan』の観客とほかのアクション映画の観客には重なりがあると考えたからです。しかし、このような比較には二重の難しさがあります。
1 つは、予告編におけるラベルの時間的な位置です。ラベルが予告編のどこで出現するかは重要です。そしてもう 1 つは、このデータの次元の高さです。どの映画の予告編にも観客の興味を予測できる要素が無数にありますが、Merlin はこれらをすべて同時に分析しようとします。データ サイエンス チームは、Cloud ML Engine の柔軟性のおかげで、ディープ ラーニング モデルの能力を損なうことなくイテレーションとテストをすばやく行うことができました。Merlin は、数か月や数年ではなく数日で、本番の作業に対応できるツールへと進化したのです。
その仕組みを具体的に説明しましょう。分析パイプラインは、データ サイエンス チームが開発した
カスタム ニューラル ネットワーク
に個々のコンポーネント（ラベル）を送ります。このカスタム モデルは、予告編内でのラベルの時間的シーケンスを学習します。時間的シーケンス（たとえば、ロングショットか、断続的な短いショットか）は、映画のタイプ、プロット、主人公の役柄、製作者の映画的な選択といった情報を反映しています。シーケンス分析に観客の履歴データを組み合わせれば、観客の行動予測を作成できます。
分析パイプラインには、距離に基づいた協調フィルタリング（Collaborative Filtering）モデルや、すべてのモデルの出力を 1 つにまとめて観客動員率を計算するロジスティック回帰レイヤも含まれています。このモデルは エンドツーエンドで訓練され、ロジスティック回帰の損失はすべての訓練可能なコンポーネント（重み）に逆伝播されます。Merlin のデータ パイプラインは、新しい予告編のリリースのために毎週リフレッシュされます。パイプラインの構造は次の図のとおりです。
最後のステップでは
BigQuery
と BigQuery ML を使用します。Merlin による数百万もの観客予測とその他のデータ ソースを組み合わせ、有用なレポートや、宣伝キャンペーンに向けたメディア プランのプロトタイプを作ります。
モデルの妥当性確認
それでは『Logan』の例に戻って、「“ごつい” 男性が主役のアクション映画を過去に見たことがある観客は『Logan』も見るだろう」という私たちの直観にデータの裏付けが得られたかどうかを確認してみましょう。映画公開後には、実際の観客が過去に見た映画についてのデータを処理できるので、それを使用します。
下表は、実際の観客が見た映画の上位 20 作品（COMP-ACTUAL）と、予測した観客が見た上位 20 作品（COMP-PREDICTED）を比較したものです。COMP-ACTUAL の上位 5 作品（緑）が COMP-PREDICTED に含まれているかどうかに注目してみると、上位 5 作品はすべて含まれていることがわかります。
実際の観客が見た作品（左列）と、予測した観客が見た作品（右列）を比較した Merlin Video の出力
この表を見る限り、私たちの直観は正しかったと言えます。『Logan』を見た観客の主流は、スーパーヒーローを求める人（事前にわかっていたこと）と、「ごつい男性アクション俳優」の映画を求める人（はっきりとわかっていなかったこと）の組み合わせでした。このことは、「ごつい男性アクション俳優」が鍵となって COMP-PREDICTED の上位にランクインした『The Magnificent Seven』（邦題 : マグニフィセント・セブン、上表では青）、『John Wick: Chapter 2』（邦題 : ジョン・ウィック: チャプター 2、同緑）、『Terminator Genisys』（邦題 : ターミネーター: 新起動/ジェニシス、同青）といった作品が COMP-ACTUAL に含まれていることからもよくわかります。この結果は、スーパーヒーローを求めるコアな観客に新しい観客が加わり、コアな観客を超えて映画のリーチを広げるために使用される可能性が開けてきたことを示しています。
これらのツールが 20th Century Fox のマーケティングやデータ チームに与えた影響は絶大です。観客の調査結果だけに頼るのではなく、より精度の高い方法で観客の意向を探れるようになったからです。得られるインサイトは、従来のアナリティクスに比べて少なくとも 2 桁分は詳細な分析を可能とします。同社は、2017 年に公開された『
The Greatest Showman
』（邦題 : グレイテスト・ショーマン）からこのツールを使用しており、今も最新映画の情報提供に活用しています。また、観客のセグメントと彼らが見る作品との間に強い相関関係があるかどうかを把握するため、DVD などの購入データやレンタル データについても組み込もうとしているところです。
さらに、データの粒度がより細かくなったことから、チケット売り場での実際の販売実績を基に社内予測を評価し、どのセグメント レベルの予測が正しかったかを判定することも可能になりました。Miguel 氏のデータ サイエンス チームは、今では毎週月曜の朝にスコアカードを作り、社内の他部門にメールで提供しています。
『The Greatest Showman』と『Love, Simon』（邦題 : Love, サイモン 17 歳の告白）の実際のスコアカード
Merlin の基礎に関する研究についてもっと知りたい方は、
こちら
からオリジナルの論文をダウンロードしてください。
- By Miguel Campo-Rembado, SVP of Data Science, 20th Century Fox and Sona Oakley, Solutions Architect, Google Cloud
2018 年 11 月 20 日（火）開催：Cloud OnBoard - 名古屋
2018年11月13日火曜日
Cloud OnBoard は、Google Cloud Platform (GCP) に初めて触れる方向けの、入門編のトレーニングです。IT マネージャーをはじめ、 システムエンジニア、ソリューション デベロッパー、ソリューション アーキテクトやオペレーターの方々向けに構成されています。
今回、名古屋コンベンションホールにて下記のとおり開催する運びとなりました。
トレーニングでは、GCP 認定トレーナーがデモンストレーションを交えながら、GCP の主要サービス（Compute Engine, Google App Engine, Kubernetes Engine, Cloud SQL, Cloud Datastore, BigQuery, Machine Learning 等）の特徴を、業界別ヒントや事例とともに解説します。さらに GCP エキスパートが皆さまの疑問にお答えします。すべてのモジュールを受講された皆さまには、認定の証として参加証を配布します。
この機会にぜひご参加ください。
Cloud OnBoard お申し込みページ :
https://goo.gl/CJcHXv
セミナー概要
Cloud OnBoard - 名古屋
日時：2018 年 11 月 20 日（火）13 時-18 時
会場：名古屋コンベンションホール
〒453-6102 愛知県名古屋市中村区平池町 4-60-12
グローバルゲート 3F メインホール
参加費 : 無料
登録：お申し込みは
こちら
2018 年 12 月 6 日（木）「Google Cloud で実践する DevOps」セミナー開催のお知らせ
2018年11月12日月曜日
Google Cloud では 2018 年 12 月 6 日（木）に、インフラエンジニア、運用エンジニア、開発エンジニア向けイベント「
Google Cloud で実践する DevOps
」を開催いたします。
実際に DevOps を導入した開発を実践されている NTTコミュニケーションズ株式会社様、株式会社リクルートライフスタイル様を迎え、アプローチの方法やポイントなどについてお話しいただきます。また、深い専門知識をもつ Google のエンジニアが、Google Cloud 上でのアプリ、サービス開発においてどのような方法を使い DevOps 導入するのか、海外での動向を含めて解説します。
お申し込み
「Google Cloud で実践するDevOps」登録サイト
からお申し込みください。
※ 申し込み多数の場合は、早期にご登録を締め切り、抽選とさせていただく場合がございます。
ご参加の可否はお申し込み後に、ご登録のアドレスに個別にご連絡いたします。
※ 競合他社様、パートナー企業様、個人のお客様からのお申し込みはお断りさせていただくことがございます。
※ 報道関係者のご参加はお断りさせていただきます。
開催概要
名 称：Google Cloud で実践する DevOps
会 期：2018 年 12 月 6 日 (木) 14 : 00 - 19 : 00（受付: 13:00）
会 場：東京都渋谷区東1-2-20 ベルサール渋谷ファースト 2Fホール
主 催：グーグル・クラウド・ジャパン合同会社
定員：350 名
登録サイト：
https://goo.gl/gyNYRa
スピーカー
NTTコミュニケーションズ株式会社 竹内 一雅 氏
株式会社リクルートライフスタイル 前田 周輝 氏
Google Japan デベロッパーアドボケイト
Google Cloud Japan カスタマーエンジニア
プログラム
14:05 -14:45 DevOps 導入の現状と実践
14:55 - 15:35 GCP で実現するマイクロサービス アーキテクチャ
15:35 - 16:15 NTTコミュニケーションズにおけるマイクロサービス・アーキテクチャの導入とDevOpsへの取り組み
16:35 - 17:15 「高速」「安全」「継続的」 にアプリケーションを改善しよう
17:15 - 17:55 Data-Driven Growth Hacking ～4 年の歩み～
AI Hub と Kubeflow Pipelines を発表 ―― AI をよりシンプル、高速、便利なものに
2018年11月9日金曜日
※この投稿は米国時間 2018 年 11 月 8 日に Google Cloud blog に
投稿されたもの
の抄訳です。
アパレル サプライチェーンに革命
を起こしたり、
電子商取引を高速化
したりといったように、あらゆる業種の企業がビジネスを進化させるために AI の利用を進めています。しかし、多くの企業にとって、AI の本格的な導入に伴う複雑さは非常に厄介なようです。
私たち Google の目標は、AI をすべての企業にとって手の届くものにすることです。しかし、そのためには参入の敷居を下げなければなりません。そこで私たちは、3 つのことを念頭に置いてすべての AI サービスを構築しています。それは、「より多くの企業が導入できるようにシンプルにすること」「できるだけ多様な組織にとって便利なものにすること」「企業がより迅速に導入でき、繰り返し利用して成功を収められるように高速化すること」です。
Google は今年初め、機械学習（ML）に関する知識やノウハウが限られた企業でもカスタム ML モデルを構築できるよう支援するために、
Cloud AutoML を発表
しました。また、機械学習に関するスキルセットの幅広い習得の促進に特化した
トレーニングや認定資格プログラム
に加え、お客様が Google の機械学習エンジニアとオンサイトで協力しながらトレーニングや開発を行うための
Advanced Solutions Lab
（ASL）等、様々な形でリソースを提供しています。こうした取り組みはいずれも企業における AI の導入拡大に貢献しており、これまでに様々な業界から、 15,000 以上のお客様（有償利用）に AI サービスをご利用いただいております。
私たちは、AI をより高速、シンプルで、便利なものにするためのもう 1 つの方法として、データ サイエンティストが効果的に仕事をこなせるように支援も行っています。デベロッパーは全世界で 2,000 万人程度いますが、データ サイエンティストは 200 万人しかいません。彼らは自身の取り組みを大規模に展開できるツールを必要としており、企業はそうした仕事の成果を利用したり、デベロッパーやエンジニアにとってアクセスしやすくしたりするための方法を必要としています。本日、Google では、そのような声に応える新しい製品を私たちの AI 製品のポートフォリオに追加しました。
AI Hub で AI がよりシンプルに
AI を企業にとって手の届くものにするためには、既存のツールや成果を容易に発見、共有、再利用できるようにする必要があります。本日提供を開始する
AI Hub
は、企業による包括的なリソースの整備をサポートします。
AI Hub は、各種のプラグ・アンド・プレイ型 機械学習コンテンツ（パイプライン、Jupyter Notebook、TensorFlow モジュールなど）を 1 か所で入手、配布できる場です。AI Hub には 2 つの大きなメリットがあります。1 つは、すべての企業が Google Cloud AI や Google Research、Google 社内のチームが開発した高品質な機械学習リソースに自由にアクセスできること。そしてもう 1 つのメリットは、企業が機械学習リソースをアップロードして、社内だけで共有できるプライベートで安全なハブとして機能します。AI Hub により、企業はほんの数ステップで、GCP（もしくは Kubeflow Pipelines システムを使用したハイブリッド インフラストラクチャ）でパイプラインを再利用し、本番環境にデプロイすることができます。
AI Hub のアルファ版は、Google が開発したリソースや、プライベートな共有機能を提供します。一方、ベータ版はさまざまな資産タイプをカバーし、パートナーのソリューションを含む幅広いパブリック コンテンツを提供します。
Kubeflow Pipelines と最新の Video API で AI がより便利に
AI 活用を目指す企業をより強力にサポートするために、機械学習リソースを構築し、パッケージ化する方法として、本日 Kubeflow Pipelines の提供も開始しました。
Kubeflow Pipelines は、Google が立ち上げたオープンソース プロジェクトである
Kubeflow
の新しいコンポーネントで、アプリケーションを構築するのと同様に機械学習コードをパッケージ化し、社内の他のユーザーが再利用できるようにします。再利用可能なエンドツーエンドの機械学習ワークフローを作成、デプロイ、管理できるワークベンチを提供し、これによって、プロトタイピングから本番稼働まで対応できる、ロックインの心配がないハイブリッド ソリューションとなっています。また、迅速で信頼性の高い実験が可能なため、ユーザー自身がさまざまな機械学習技術を試し、どれがアプリケーションに最適かを判断することができます。
公平性は私たちの「
AI 利用における基本理念
」の 1 つであり、機械学習をビジネスに導入するお客様と話し合うテーマでもあります。Kubeflow Pipelines は Google の
TensorFlow Extended
（TFX）をお客様が利用できるように支援します。TFX は、ML の本番利用に伴う問題、たとえば
モデル分析
、
データ検証
、トレーニングとサービスのずれ、データ ドリフトなどに対応するためのオープンソース ライブラリです。企業は TFX を用いて結果の精度、関連性、公平性を高めることができます。Kubeflow Pipelines は
GitHub
でご利用いただけます。
また、私たちは 、企業にとってより便利なものにするために、AI を構築するためのパーツ (AI Building Block) の機能拡張も継続して進めています。たとえば、Cloud Video Intelligence API の 3 つの機能をベータ リリースし、動画を広範に扱う企業が抱る一般的な問題に対応できるようにしています。
Text Detection は、
50 以上の言語
に対応している他、動画内でテキストがいつどこで現れるかを特定し、動画内のテキスト検索の迅速化を可能にしています。Object Tracking 機能は動画内のオブジェクトの 500 以上のクラスを識別できます。Speech Transcription は音声の文字起こしを可能にする機能で、キャプションやサブタイトルの簡単な作成や、テキスト コンテンツの検索性を高めることができます。AI Building Block についてもっと知りたい方は、
こちら
をご覧ください。
Cloud TPU をアップデート、 AI がより高速に
Google は Cloud Tensor Processing Unit（TPU）を使用して AI のコンピューティング上の障害を継続的に軽減しています。Google の設計によるこの ML ワークロード向けカスタム ASIC チップは、ML タスクを劇的に高速化し、クラウドを介して簡単にアクセス可能です。
今年 7 月には第 2 世代 TPU の一般提供を
開始
し、無料枠ユーザーを含むすべての GCP ユーザーにご利用いただけるようになりました。10 月には第 3 世代の水冷式 Cloud TPU のベータ版を発表するとともに、PyTorch を Google Cloud 全体で
利用
できるようにしています。PyTorch は近いうちに TPU 上で利用可能になる予定です。さらに本日、TPU V2 Pods の
料金
も発表しました。これらのアップデートはすべて、コンピュート集約型の ML を高速化し、世界中の企業にとって利用しやすくすることを目指したものです。TPU の詳細は
こちら
をご覧ください。
今後に向けて
ここ数か月にわたり、ユニークなビジネス課題を AI で解決することに成功したという報告が、多くのお客様から寄せられています。
メディア企業の Meredith Corporation は、Cloud AutoML と Cloud Natural Language を使ってカスタムの汎用分類器を開発し、コンテンツ分類を自動化しています。コンテンツ分類の再現性とスケーラビリティを高めるために機械学習を活用し、時間を節約するとともに読者のオンライン体験の向上に活用しています。
Meredith Corporation の Chief Marketing & Data Officer である Alysia Borsa 氏は、「当社はさまざまなプラットフォームやライフ ステージにわたって、PEOPLE、Better Homes & Gardens、Martha Stewart Living、Allrecipes、Food & Wine といったブランド毎に魅力的なコンテンツ制作に取り組んでいます」と前置きしたうえで、次のように述べています。「Natural Language と Cloud AutoML サービスを使ってカスタムの汎用分類器をコンテンツに適用することで、新しいトレンドの発見と対応を的確に行い、強力かつきめ細かなターゲティングを実現し、有意義で魅力的な体験を読者に提供しています。」
エモリー大学は、臨床データ、機械学習、GCP のスケーラブルなインフラストラクチャを組み合わせ、
敗血症の発症を予測するエンジンを開発
し、リアルタイムでデータを分析することで危険な状態の患者に適切な処置を行うとともに医療費の抑制を目指しています。
「敗血症は早期発見が重要です。私たちは、TensorFlow ベースの敗血症予測アルゴリズムをアプリケーションに変換し、Google App Engine で実行することで、医師が患者に対して適切な処置を行うことができるベストなタイミングでの情報提供を可能にしました。最も重要なことは、ICU 内の患者の治療結果を改善することです。機械学習は患者ケアを最適化するうえで不可欠です」（エモリー大学医学部生物医学情報学科 助教授 Ashish Sharma 博士）
Geotab
は、BigQuery ML と BigQuery GIS を使用して
シカゴ内の事故が起こりやすい危険なエリアを予測
し、データに基づいた意思決定を後押しするとともに、スマート シティへの取組みを支援しています。
「当社はデータに基づいた業務用車両に関するインサイトを全大陸で提供しています」と、Geotab のデータ＆アナリティクス担当バイス プレジデントを務める Mike Branch 氏は語り、その取組みを次のように説明しています。「当社では機械学習と BigQuery を活用することで、都市内の特に危険な運転エリアを、天候と交通フローに基づいて予測するソリューションを開発しました。Google Cloud が提供する機械学習技術の力を借りて、お客様とコミュニティのための優れたソリューションを生み出すお手伝いができることを、当社は大変喜ばしく思っています。」
加えて、私たちは、Kubeflow のコミュニティが成長を続けていることも、とてもうれしく思っています。Cisco や NVIDIA のような企業は、このオープンソース プロジェクトの主要なコントリビューターであり、私たちはこれらの企業と密接に協力し、Kubeflow Pipelines の導入を進めています。NVIDIA はすでに、オープンソースの新しいデータ サイエンス ライブラリ スイートである RAPIDS を Kubeflow に統合しつつあります。RAPIDS ライブラリは GPU を活用してデータの前処理や機械学習を劇的にスピードアップするなど、Kubeflow に対する補完性に優れています。
「機械学習は弊社の顧客の皆様が取り組んでいるデジタル変革に不可欠な要素として、急速にその存在感を増しつつあります。さらに、データ サイエンティストにも適応できるアーキテクチャをデプロイしようとしている企業の IT 部門やメインストリームのエンジニアチームにおいても、機械学習は注目をますます集めています。しかし企業で機械学習を最大限に活用するには、ソリューション全体のライフサイクルを大幅に簡素化する必要があります」 Cisco のコンピューティング システム製品グループのストレージ担当ストラテジー ＆ プロダクト開発バイス プレジデントである Kaustubh Das 氏はこのように述べています。「 Cisco は Kubeflow の主要コントリビューターとして、ハイブリッドまたはマルチクラウドの AI や機械学習のライフサイクル管理の簡素化を目指しています。また、ワークフローを抜本的に簡素化する Kubeflow Pipeline の登場についても嬉しく思っています。このワークフローの簡素化は、機械学習の一般利用に欠かすことができないものです。私たちは、これらの最新ソリューションを役立て、世界水準の AI / 機械学習の関連製品ポートフォリオとともに、お客様にご提供してまいります」
Google はこれからもお客様やパートナーと密接に連携し、ビジネス課題と AI がどのようにそれらの課題を解決できるかについて追求していきます。Google Cloud における AI や機械学習についての詳細は
こちら
をご覧ください。
- By Rajen Sheth, Director of Product Management, Cloud AI
Cloud OnAir 番組レポート :GCP で構築するセキュアなサービス、基本と最新プロダクトのご紹介
2018年11月8日木曜日
Cloud OnAir
は、Google Cloud の製品をわかりやすく解説し、最新の情報などをいち早く皆様にお伝えする Online 番組です。
今回の放送では、Google Cloud Platform のセキュリティがどのように確保されているのか、安全なクラウドサービスを構築するにはどうしたら良いのか、そして、企業ネットワークへのアクセスの新しいアプローチについて解説します。セキュリティに関連する基本的な考え方、関連する GCP 製品の最新を学ぶことができる内容です。
Google Cloud のセキュリティの基礎
企業におけるクラウド利用が進む中、クラウド採用の理由として、セキュリティへの信頼が上がったことを掲げる企業が増えているという調査結果が報告されています。その一方、調査会社 Forrester による「Public Cloud Native Security」分野のリポート（
『Forrester Wave™ : Public Cloud Platform Native Security』の 2018 年第 2 四半期レポート
）において、Google Cloud はリーダーに認定されました。このレポートでは、「Strategy（戦略）」の点で、Google Cloud が他をリードしていると評価しています。
Google Cloud では、以下の4つの重点領域を定めて、GCP のセキュリティ向上に努めています。
信頼できるインフラ
アイデンティティとアクセス管理
インテリジェントな脅威検出
プライバシー、 データ保護と GRC
番組内でこれらのポイントを解説します。
Google Cloud が提供するセキュアなインフラ
続いて、クラウドを安全に利用するために、Google Cloud が提供するセキュリティの最新情報を紹介します。ハードウェアからネットワーク、ID 管理、アクセスや認証、Web アプリやコンテンツに至るまで、どのような考え方でセキュリティに関するリスクを減らす機能を実現しているのか、以下の最新サービスを取り上げて解説します。
Shielded VM
: 堅牢化された仮想マシン
Binary Authorization
: GKE 上に信頼されたコンテナイメージのみをデプロイ
Container Registry
: セキュリティ脆弱性を特定（参考情報：
Container Registry の脆弱性スキャンで安全な CI/CD パイプラインを
）
Container Optimized OS
: GCE や GKE で利用可能なセキュアかつ軽量な OS
Cloud HSM
: クラウドホスト型ハードウェアセキュリティモジュール
Cloud Armor
: WAF、DDos 対策を備えた GSDB（参考情報：
Cloud Armor : インターネットに接続されたサービスを DDoS 攻撃から防御
）
VPC Flow Logs
: VPC 内部の通信フローを取得（参考情報：
VPC フローログ ―― ネットワーク フローをロギングし、リアルタイムにエクスポート
）
VPC Service Control
: 悪意ある内部ユーザへの対策
Access Transparency
: クラウド プロバイダによる操作を詳細に把握
IAM と BeyondCorp
社外からインターネットを経由して社内システムにアクセスする場合、一般の企業では、VPN がよく利用されます。しかし、Google では VPN ではない独自の方法によって、社外からのアクセスを実現しています。これは、
BeyondoCorp
と呼ぶ考え方に基づいています。番組では、どのようにして社内システムのネットワークセキュリティーを確保しているのか、様々なリスクにどのように対応しているのかを解説します。
2018 年 11 月 1 日放送 GCP で構築するセキュアなサービス。基本と最新プロダクトのご紹介
番組で説明した資料は
こちら
で公開しています。
[Cloud OnAir] GCP で構築するセキュアなサービス。基本と最新プロダクトのご紹介 2018年11月1日 放送
from
Google Cloud Platform - Japan
Cloud OnAir
では、各回 Google Cloud のエンジニアがトピックを設け、Google Cloud の最新情報を解説しています。過去の番組、説明資料、さらには視聴者からの質問と回答は
こちら
よりご覧いただけます。 最新の情報を得るためにもまずはご登録をお願いします。
12 か月間のトライアル
300 ドル相当が無料になるトライアルで、あらゆる GCP プロダクトをお試しいただけます。
Labels
.NET
.NET Core
.NET Core ランタイム
.NET Foundation
#gc-inside
#GoogleCloudSummit
#GoogleNext18
#inevitableja
Access Management
Access Transparency
Advanced Solutions Lab
AI
AI Hub
AlphaGo
Ansible
Anvato
Apache Beam
Apache Maven
Apache Spark
API
Apigee
APIs Explore
App Engine
App Engine Flex
App Engine flexible
AppArmor
AppEngine
AppScale
AprilFool
AR
Artifactory
ASL
ASP.NET
ASP.NET Core
Attunity
AutoML Vision
AWS
Big Data
BigQuery
BigQuery Data Transfer Service
Billing Alerts
Bime by Zendesk
Bitbucket
Borg
BOSH Google CPI
Bower
bq_sushi
BreezoMeter
BYOSL
Capacitor
Chromium OS
Client Libraries
Cloud API
Cloud Armor
Cloud Audit Logging
Cloud AutoML
Cloud Bigtable
Cloud Billing Catalog API
Cloud Billing reports
Cloud CDN
Cloud Client Libraries
Cloud Console
Cloud Consoleアプリ
Cloud Container Builder
Cloud Dataflow
Cloud Dataflow SDK
Cloud Datalab
Cloud Dataprep
Cloud Dataproc
Cloud Datastore
Cloud Debugger
Cloud Deployment Manager
Cloud Endpoints
Cloud Foundry
Cloud Foundry Foundation
Cloud Functions
Cloud IAM
Cloud IAP
Cloud Identity
Cloud IoT Core
Cloud Jobs API
Cloud KMS
Cloud Launcher
Cloud Load Balancing
Cloud Machine Learning
Cloud Memorystore
Cloud Memorystore for Redis
Cloud monitoring
Cloud NAT
Cloud Natural Language API
Cloud Networking
Cloud OnAir
Cloud OnBoard
cloud Pub/Sub
Cloud Resource Manager
Cloud Resource Manager API
Cloud SCC
Cloud SDK
Cloud SDK for Windows
Cloud Services Platform
Cloud Source Repositories
Cloud Spanner
Cloud Speech API
Cloud Speech-to-Text
Cloud SQL
Cloud Storage
Cloud Storage FUSE
Cloud Tools for PowerShell
Cloud Tools PowerShell
Cloud TPU
Cloud Translation
Cloud Translation API
Cloud Virtual Network
Cloud Vision
Cloud VPC
CloudBerry Backup
CloudBerry Lab
CloudConnect
CloudEndure
Cloudflare
Cloudian
CloudML
Cluster Federation
Codefresh
Codelabs
Cohesity
Coldline
Colossus
Compute Engine
Compute user Accounts
Container Engine
Container Registry
Container-Optimized OS
Container-VM Image
Couchbase
CRE
CSEK
Customer Reliability Engineering
Data Studio
Databases
Dbvisit
DDoS
Debugger
Dedicated Interconnect
deep learning
Deployment Manager
Developer Console
Developers
DevOps
Dialogflow
Disney
DLP API
Docker
Dockerfile
Drain
Dreamel
Eclipse
Eclipse Orion
Education Grants
Elasticsearch
Elastifile
Energy Sciences Network
Error Reporting
ESNet
Evernote
FASTER
Fastly
Firebase
Firebase Analytics
Firebase Authentication
Flexible Environment
Forseti Security
G Suite
Gartner
gcloud
GCP
GCP Census
GCP 移行ガイド
GCPUG
GCP導入事例
gcsfuse
GEO
GitHub
GitLab
GKE
Go
Go 言語
Google App Engine
Google Apps
Google Certified Professional - Data Engineer
Google Cloud
Google Cloud Certification Program
Google Cloud Client Libraries
Google Cloud Console
Google Cloud Dataflow
Google Cloud Datalab
Google Cloud Datastore
Google Cloud Endpoints
Google Cloud Explorer
Google Cloud Identity and Access Management
Google Cloud INSIDE
Google Cloud INSIDE Digital
Google Cloud Launcher
Google Cloud Logging
Google Cloud Next '18 in Tokyo
Google Cloud Platform
Google Cloud Resource Manager
Google Cloud Security Scanner
Google Cloud Shell
Google Cloud SQL
Google Cloud Storage
Google Cloud Storage Nearline
Google Cloud Summit '18
Google Cloud Summit ’18
Google Cloud Tools for IntelliJ
Google Code
Google Compute Engine
Google Container Engine
Google Data Analytics
Google Data Studio
Google Date Studio
Google Deployment Manager
Google Drive
Google Earth Engine
Google Genomics
Google Kubernetes Engine
Google maps
google maps api
Google Maps APIs
Google Maps Platform
Google SafeSearch
Google Service Control
Google Sheets
Google Slides
Google Translate
Google Trust Services
Google VPC
Google マップ
Google 公認プロフェッショナル
GoogleNext18
GPU
Gradle
Grafeas
GroupBy
gRPC
HA / DR
Haskell
HEPCloud
HIPAA
Horizon
HTCondor
IaaS
IAM
IBM
IBM POWER9
icon
IERS
Improbable
INEVITABLE ja night
inevitableja
InShorts
Intel
IntelliJ
Internal Load Balancing
Internet2
IoT
Issue Tracker
Java
Jenkins
JFrog
JFrog Artifactory SaaS
Jupiter
Jupyter
Kayenta
Khan Academy
Knative
Komprise
kubefed
Kubeflow Pipelines
Kubernetes
KVM
Landsat
load shedding
Local SSD
Logging
Looker
Machine Learning
Magenta
Managed Instance Group
Managed Instance Group Updater
Maps API
Maps-sensei
Mapsコーナー
Maven
Maxon Cinema 4D
MightyTV
Mission Control
MongoDB
MQTT
MySQL
Nearline
Network Time Protocol
Networking
neural networks
Next
Node
NoSQL
NTP
NuGet パッケージ
OCP
OLDISM
Open Compute Project
OpenCAPI
OpenCAPI Consortium
OpenShift Dedicated
Orbitera
Organization
Orion
Osaka
Paas
Panda
Particle
Partner Interconnect
Percona
Pete's Dragon
Pivotal
Pivotal Cloud Foundry
PLCN
Podcast
Pokemon GO
Pokémon GO
Poseidon
Postgre
PowerPoint
PowerShell
Protocol Buffers
Puppet
Pythian
Python
Rails
Raspberry Pi
Red Hat
Redis
Regional Managed Instance Groups
Ruby
Rust
SC16
ScaleArc
Security & Identity
Sentinel-2
Service Broker
Serving Websites
Shared VPC
SideFX Houdini
SIGOPS Hall of Fame Award
Sinatra
Site Reliability Engineering
Skaffold
SLA
Slack
SLI
SLO
Slurm
Snap
Spaceknow
SpatialOS
Spinnaker
Spring
SQL Server
SRE
SSL policies
Stack Overflow
Stackdriver
Stackdriver Agent
Stackdriver APM
Stackdriver Debugger
Stackdriver Diagnostics
Stackdriver Error Reporting
Stackdriver Logging
Stackdriver Monitoring
Stackdriver Trace
Stanford
Startups
StatefulSets
Storage & Databases
StorReduce
Streak
Sureline
Sysbench
Tableau
Talend
Tensor Flow
Tensor Processing Unit
TensorFlow
Terraform
The Carousel
TPU
Trace
Transfer Appliance
Transfer Service
Translate API
Uber
Veritas
Video Intelligence API
Vision API
Visual Studio
Visualization
Vitess
VM
VM Image
VPC Flow Logs
VR
VSS
Waze
Weave Cloud
Webyog
Wide and Deep
Windows Server
Windows ワークロード
Wix
Worlds Adrift
Xplenty
Yellowfin
YouTube
Zaius
Zaius P9 Server
Zipkin
ZYNC Render
アーキテクチャ図
イベント
エラーバジェット
エンティティ
オンライン教育
クラウド アーキテクト
ゲーム
コードラボ
コミュニティ
コンテスト
コンピューティング
サーバーレス
サポート
ジッター
ショート動画シリーズ
スタートガイド
ストレージ
セミナー
ソリューション ガイド
ソリューション: メディア
データ エンジニア
データセンター
デベロッパー
ビッグデータ
ファジング
プリエンプティブル GPU
プリエンプティブル VM
フルマネージド
ホワイトペーパー
マイクロサービス
まっぷす先生
マルチクラウド
リージョン
ロード シェディング
運用管理
可用性
海底ケーブル
機械学習
金融
継続的デリバリ
月刊ニュース
資格、認定
新機能、アップデート
深層学習
人気記事ランキング
内部負荷分散
認定試験
料金
Archive
2018
11
10
9
8
7
6
5
4
3
2
1
2017
12
11
10
9
8
7
6
5
4
3
2
1
2016
12
11
10
9
8
7
6
5
4
3
2
1
2015
12
11
10
9
8
7
6
5
4
3
2
1
2014
12
11
10
9
8
6
5
4
3
2
Feed
月刊ニュースレターに
登録
新着ポストをメールで受け取る
Google
on
Follow @GoogleCloud_jp
