Från get-go, grundläggande värde proposition av Google Cloud Platform (GCP) har varit att bevilja företag tillgång till samma infrastruktur och avancerad programvara som Google använder för att driva sin egen verksamhet.
Personsökning tillbaka i historien, som också var det ursprungliga värdet av prop Amazon Web Services. Eftersom Amazon kör en globalt distribuerad transaktion verksamhet, varför inte låta företagets kunder komma med på resan? Ett decennium i, vi vet nu hur bra den fungerade.
Googles hemliga sås har varit hög automatisering av sin beräkna infrastruktur och artificiell intelligens som har bakat i sin verksamhet. Som konsumenter, kan vi se frukterna av det vi konsumerar data trafik på Google Maps, få berättelser som genereras från uppsättningar av bilder på våra Android-telefoner, och, naturligtvis, dra nytta av Google-sökning. Som DET diskuterar vi fördelarna med Googles NoOps vision för belysning-för förvaltning av DET.
Med tanke på Googles arv som en massa consumer service, är det inte förvånande att merparten av de resultat som Google har blivit känt har varit mer konsumentvänlig än företag fokus.
Och med tanke på nästa generations NoOps fokus för Google: s IT-infrastruktur det bör inte vara förvånande att merparten av Google Compute Cloud tidiga företagets referenser till stor del har långskott, snarare än att hålla-den-ljus-på-projekt. Till exempel Coca Cola såg att GCP, eftersom man hade den infrastruktur som skulle kunna skala för en global kampanj för konsumenterna att få sina bilder sys ihop till en Lycka Flagga fram till Vm 2014. Inte exakt grejer för att hålla ditt back office SAP systemet igång.
Och om du titta på maskinen lärande (ML) Api: er som det släpps, blanda fortfarande mycket som visar Googles konsumenten arv, såsom vision som är inriktad mot att identifiera vänner inom objekt, sina känslor eller uttryck, eller landmärken som Eiffeltornet.
Med denna våg av utsläpp, ren konsument företag fokus är början till förändring — betoning på början. Google inser ML som företag inte kommer att växa med ett “bygga det och de kommer att komma” – attityd. Så nu är det att skapa en faktisk produkter som grupp ML, att få sina tår våt i professionella tjänster för att hjälpa sina företagskunder lista ut hur man använder ML och börjar anta mer av en produkt tänkesätt.
Kärnan erbjuder, Google Cloud Machine Learning, har precis gått in i allmän utsättning i veckan efter en beta-perioden av främst buggfixar. Google är på väg in i en marknad där andra moln som Amazon och Microsoft (plus nischade leverantörer som Databricks), erbjuder redan ML tjänster-och IBM meddelade bara en.
Som det anstår ett tidigt skede av ML marknaden, moln-tjänster från var och en av spelarna är knappast jämförbara. Till exempel, medan TensorFlow, i hjärtat av Google Cloud Lärande, mål, djupt lärande (som simulerar mänskligt tänkande och beslutsfattande), Amazons ML service tacklingar mindre ambitiösa uppgifter, såsom klassificering och regression.
Utöver Google Cloud Machine Learning, som syftar till att data forskare, drabbas av Googles ML molntjänster för att rikta utvecklare, med Moln översättning, tal, syn och behandling av naturligt språk Api: er.
Ett tidigt resultat av det Jobb API som tillkännagavs att beta med denna release. Inte överraskande, den växte från interna behovet av Google för att förbättra rekrytering med ett smartare, data-ware sätt att matcha jobb och framtidsutsikter. Det är den typ av vertikala applikationer som Google-och andra-kommer att behöva mer av att få ML anges att en mer mainstream-företag på marknaden. I slutändan, efterfrågan på mer vertikala ML apps kommer att begränsas endast av fantasin.
Medan university program vänder ut mer data ingenjörer och data forskare, kommer det sannolikt aldrig att finnas tillräckligt många av dem för att gå runt för att göra dem så vanligt som SQL-utvecklare.
Andra exempel är en ny premium edition av Translate API som är inriktade mot olika typer av hög volym jobb, såsom att översätta tusentals e-postmeddelanden eller dokument, som kommer att vara mer användbara för företag som har behov av att införa denna teknik i stor skala. Och för den vision API, det är nya företag med fokus på möjligheter som kan detektera enheter, såsom logotyper.
Som konsument ML är praktiskt taget alla runt omkring oss, som du upplever när Amazon eller eBay visar du nästa bästa erbjudanden eller när Netflix gör programmet rekommendationer. Googles utmaningar i att spricka mutter för att sälja ML och AI för företaget att avslöja de utmaningar som vi står inför när den börjar med praktiskt taget ett oskrivet blad.