GCP 擁有完善的 Data 服務，讓企業更專注於產品研發

愛料理在使用 Google Cloud 之前是選擇其他雲端平台，相較於其他廠牌，Google Cloud 在資料的基礎設施上提供更完整優良的產品服務；加上位處於台灣的彰濱機房，讓台灣及鄰近地區的客戶在存取速度上都有非常傑出的表現。

成本方面，移轉到 Google Cloud 後，由 BigQuery 領銜的大數據分析架構之下，每個月節省約一半的成本；此外，GCP 提供了完整的代管服務, 讓我們能從目前流行的 DevOps 和 SRE 更進一步到以 NoOps 的方式使用 Machine Learning Engine 和 AutoML，進而省下了許多維運人力，能夠更專注於產品功能研發。

愛料理在 GCP 上的數據處理及分析

眾所皆知的是：BigQuery 在產業中極具競爭力。愛料理從前端的 Cloud Functions 串接到 Cloud Pub/Sub 匯入資料後，再透過 BigQuery 做主要的倉儲，近期也正在規劃採用 Cloud Dataflow 做資料整合。

愛料理在 GCP 上的機器學習應用

愛料理除了仰賴 Google Kubernetes Engine 部署其官方網站和 APP 之外，它在 Line 也擁有一個一百多萬追蹤者的官方帳號，背後即是使用 Dialogflow 跟 Cloud functions 作實踐，而如何結合 Google 機器學習產品更是愛料理在 GCP 上的應用重點。

以開發者的角度，重視的是如何建立演算法和機器學習模型；以技術負責人的立場，則會思考如何讓機器學習以規模化的方式進行。過往企業採用機器學習服務的過程是非常漫長且遙遠的，通常會聘請一個碩博士專家訓練模型，除了將模型放到雲服務上之外，還需要時時更新它並且串接 API，才能讓前端人員具體應用。

因此當 Google 釋出 Cloud Machine Learning Engine 時，愛料理即廣泛採用這項可以讓您隨選訓練和預測的機器學習產品，不論是訓練或是預測的 API，Cloud Machine Learning Engine 都有效地完成了。

透過機器學習，大量節省小編工作時間
除了網站、APP 之外，愛料理也額外經營 instagram、FB、Youtube 等社群平台，身為台灣最大的料理主題媒體，跟粉絲及使用者即時互動非常重要。然而每天在社群媒體上產生的新留言成千上萬，如何有效的篩選並回應，這必須仰賴 Google Cloud 的機器學習服務。

愛料理首先使用 Cloud Functions 蒐集各平台的新留言，並將留言導入 Cloud Machine Learning Engine 區分是否需要愛料理回覆，待需要回覆的留言進入客服系統後，公司內部通訊軟體則會跳出通知提醒，而這項功能節省極大量小編的時間。

鼓勵使用者分享食譜，就靠機器學習
為鼓勵用戶分享食譜，愛料理在技術上更是全力支援，首先透過 firebase 的機器學習解決方案辨識用戶裝置中的照片是否為食物，再搭配用戶過去收藏的食譜記錄，愛料理可以更精準的使用 ⌈提醒⌋ 功能：鼓勵用戶分享裝置中的食物照片。

GCP 及 GCP專門家為愛料理帶來的顯著助益

Google 讓艱深的機器學習和資料處理變得更親民易懂。以企業的角度，達到數據驅動化 (data-driven) 是終極目標；對愛料理而言，當每位同仁都能夠輕易地存取數據 (data accessibility) 並挖掘應用時，自然有機會成為以數據驅動化為基礎的公司。

如大家所知，Google Cloud 目前在雲端市場正急起直追，有些產品還在 beta 或 alpha 階段。愛料理選擇找個可靠、值得仰賴的夥伴：GCP專門家，透過 GCP專門家主動且實在的諮詢說明，避免了許多愛料理在 GCP 使用上的技術地雷，省去大量摸索研究的時間。