AI 和機器學習

善用 AI/ML 模型和解決方案的強大功能，讓機構轉型並解決實際問題。

免費試用
  • 取得 Gemini 2.0 Flash Thinking 的存取權
  • 每月免費使用熱門產品 (包括 AI API 和 BigQuery)
  • 不會自動收費，也不會要求您一定要購買特定方案
查看免費產品優惠

繼續探索超過 20 項一律免費產品

使用超過 20 項實用的免費產品，滿足常見的使用需求，包括 AI API、VM 和資料倉儲等。

探索 Google Cloud中的 AI 和機器學習

閱讀說明文件和 Cloud Architecture Center 文章，瞭解 AI 和機器學習產品、功能和程序。

Vertex AI 機器學習簡介

在單一平台上支援資料工程、數據資料學和機器學習工程工作流程，讓您訓練機器學習模型並部署 AI 解決方案。

AI 和機器學習架構資源

透過架構中心資源，針對各種 AI 和 ML 主題�����方法。(前往架構中心)

實作機器學習的最佳做法

規劃實作機器學習，並著重於根據您的資料和程式碼自訂訓練模型。(前往架構中心)

訓練、網誌文章等

參閱訓練課程、網誌文章和其他相關資源。

應用 AI 高峰會學習路徑

在 Google Cloud中研究 Vertex AI 和 Gemini。(前往 Google Cloud 技能重點加強)

機器學習工程師學習路徑

研究機器學習系統的設計、建構、實際工作環境、最佳化、運作和維護作業。(前往 Google Cloud 技能重點加強)

AI 和機器學習產品 (按用途分類)

展開各個專區，或使用篩選器找出適合一般用途的產品和指南。

建構 AI 應用程式，享有企業級的擴充性、安全性和可觀察性。

將視覺偵測功能整合至應用程式，包括為圖片加上標籤、臉部和地標偵測、光學字元辨識 (OCR)，以及為煽情露骨內容加上標記。
使用者可為儲存在本機或 Cloud Storage 中的影片，或直播影片加上註解，註解可按照整部影片、每個片段、每個鏡頭及每個影格的層級提供內容資訊。
訓練及部署 AI 模型，以自動偵測實際工作環境瑕疵。(前往 Google Cloud 首頁)
使用自然語言理解技術，包括情緒分析、實體分析、實體情緒分析、內容分類和語法分析。
提供即時預測和異常偵測結果。

運用 Google 的先進功能，滿足對話、語音和客戶服務需求。

讓使用者透過虛擬資料儲存庫服務代理人 (由大型語言模型提供支援) 與內容進行對話。

Text-to-Speech

使用機器學習技術，將文字轉換為自然流暢的語音。

Speech-to-Text

將 Google 語音辨識技術整合至開發人員應用程式。

文字轉語音 (部署於地端)

將 Google 語音辨識技術整合至您的地端部署解決方案。
在嵌入式裝置上提供具伺服器品質的語音技術。
偵測聯絡中心資料中的模式並以圖表呈現。
將語音和數位管道中的客戶互動排入佇列，並轉送至適當的資源集區，包括讓系統能順暢轉交給真人服務專員。
使用可理解人類語言細微差異的虛擬服務專員，處理與使用者的並行對話。
設計對話式使用者介面，並將該介面整合至行動應用程式、網頁應用程式、裝置、機器人、互動式語音回應系統和其他服務。
這項功能可識別意圖、即時提供逐步協助，藉此在通話過程中持續支援真人服務專員，讓他們得心應手地處理工作。
建構及部署自訂機器學習模型，以便分析文件、分類文件、識別文件中的實體，或評估文件中的態度。
一系列對話式 AI 工具、解決方案和 API，設計師和開發人員皆可使用。

運用 Google 的先進功能，滿足您的文件管理需求。

將文件中的非結構化資料轉換為結構化資料，方便瞭解、分析和使用。
依解決方案類型查看所有處理器的清單。
將 Google 光學字元辨識 (OCR) 技術整合至內部部署解決方案。
儲存、搜尋、整理、管理及分析文件及其結構化中繼資料 (稱為屬性，已淘汰)。

運用 Google 的先進功能，滿足產業特定需求。

運用 AI 技術更快速準確地偵測可疑的潛在洗錢活動。
這項服務能將機器學習技術融入職缺搜尋體驗，突破傳統關鍵字搜尋方法的限制，為求職者提供高品質的搜尋結果。
讓通訊服務供應商擷取資訊，向電信業客戶提供相關行動建議。
擷取使用者事件和目錄資料，並在網站上提供預測或搜尋結果。
運用創新技術和洞察資料，大幅改變閱聽人的體驗。(前往 Google Cloud 首頁)

運用 Google 的先進技術，滿足您的影片、圖像、視覺和擴增實境需求。

轉換直播影片並封裝，以便進行串流。
轉換影片檔案並封裝檔案，以針對網路、行動裝置和連網電視交付進行最佳化。
大規模處理及分析影片串流和圖片。您可以使用內建的低程式碼使用者介面，只需要少量程式碼就能快速建構應用程式，並將該應用程式部署至 Google Cloud。
在隨選影片和直播中動態插入廣告。
訓練機器學習模型，根據您定義的標籤分類圖片。(已淘汰，使用 Vertex AI)。
訓練自訂機器學習模型，以便偵測指定圖片中的個別物件，以及其定界框和標籤。(已淘汰，使用 Vertex AI)。
運用雲端運算能力，為更多裝置提供豐富的互動式 3D 和擴增實境 (AR) 體驗。

運用 Google 的先進功能，滿足您的搜尋和推薦需求。

瞭解使用者意圖，並在網頁或應用程式中加入搜尋列，為使用者提供品質媲美 Google 的搜尋應用程式，以便他們取得最相關的結果和建議。
執行向量相似度搜尋，以便針對大量資料進行快速且準確的搜尋。
將孤立的資訊整理為組織知識，這包括以有效率且實用的做法整合、標準化及調和資料。
已淘汰的產品。其功能現已改為在 Vertex AI Search 中提供。

運用 Google 的先進功能，滿足對話、語音和客戶服務需求。

在網站和應用程式中，透過 API 以程式輔助方式動態翻譯文字，包括文件翻譯、自訂翻譯、自適應翻譯、轉寫和羅馬拼音。
無須建構或維護自有網頁應用程式或基礎架構，即可將大量文件翻譯成多種語言。

使用 AutoML 或您偏好的機器學習架構，從資料訓練機器學習模型。

Vertex AI 可讓您透過簡單的程序和介面，使用資料表格資料執行機器學習。
使用機器學習分析圖片資料內容，以便分類圖片資料或在圖片資料中尋找物件。
分析影片資料，分類鏡頭和片段，或偵測及追蹤影片資料中的多個物件。

Vertex AI 搭配 AutoML Text

訓練機器學習模型，以便分類文字資料、擷取資訊或瞭解作者的情緒。
將大規模模型訓練作業化為可運作的程序。
搜尋準確度、延遲、記憶體、上述三者組合或自訂指標的最佳神經架構。
為機器學習 (ML) 工作流程執行分散式運算和平行處理作業。
使用一組預先安裝重要數據資料學架構、程式庫和工具的 Docker 容器，提供效能最佳化的一致環境，協助您快速設計原型及部署工作流程。
使用針對數據資料學和機器學習工作最佳化的虛擬機器映像檔，並預先安裝關鍵機器學習架構和工具，以便加快資料處理作業。

運用最佳作業做法，監控及改善已部署��機器學習模型。

使用受管理的資料集，提供用於在 Vertex AI 上訓練 AutoML 和自訂模型的原始資料。
在 BigQuery 資料表或檢視表中管理特徵資料，並直接從 BigQuery 資料來源線上提供特徵，簡化 ML 特徵管理和線上服務程序。
在 Vertex AI 中取得模型的預測結果。
使用協作式的代管筆記本環境，具備 Google Cloud的安全性和法規遵循功能。
TensorFlow 企業版提供一系列產品和服務，可為使用者提供企業級支援和雲端規模效能，讓您更輕鬆地在 Google Cloud上開發及部署 TensorFlow 模型。

Vertex AI Workbench - Managed (已淘汰)

使用 Google 代管環境，搭配整合功能，協助您設定並在以 Jupyter 筆記本為基礎的端對端實際工作環境中工作。

Vertex AI Workbench - 使用者管理 (已淘汰)

使用整合型安全 JupyterLab 環境，預先安裝最新的資料科學和機器學習架構，供數據資料學家和機器學習開發人員實驗及開發模型，並將模型部署至實際工作環境。
追蹤及分析不同的模型架構、超參數和訓練環境，讓您追蹤實驗執行的步驟、輸入內容和輸出內容，並評估模型在測試資料集和訓練執行期間的整體表現。
取得特徵式和範例式解釋，以便深入瞭解模型如何做出決策。
針對表格型 AutoML 和自訂訓練表格型模型，提供模型監控功能，以便監控模型的預測輸入資料中是否出現特徵偏差和偏移情形。
使用精確度和喚回率等模型評估指標，判斷模型效能。
追蹤、視覺化呈現及比較機器學習實驗，並與團隊成員分享。
使用機器學習管道自動化調度管理機器學習工作流程，以無伺服器的方式自動化、監控及管理機器學習系統。
管理機器學習模型的生命週期。

加快機器學習工作負載的處理速度。

透過 Compute Engine、Google Kubernetes Engine 和 Vertex AI 存取 Tensor Processing Unit (TPU)，加快機器學習工作負載的速度。

展開這個部分即可查看相關產品和說明文件。

採用系統層級程式碼簽署的超級電腦架構，可提升 AI 訓練、調整和服務提供的效率和生產力。
Google Cloud 提供一系列產品和工具，可用於建構生成式 AI 應用程式的整個生命週期。
尋找金融服務、醫療照護、媒體和零售業適用的 API 和其他解決方案。
提供全天候運作的協作者，為各種 Google Cloud 使用者提供生成式 AI 技術��助功能，包括開發人員、資料科學家和操作人員。
自動建構及部署最先進的結構化資料機器學習模型，大幅提升作業速度，並���大處理規模。(已淘汰)
並且以符合經濟效益的方式，快速將機器學習專案投入生產和部署。