氣象預報媒體 AccuWeather 透過 API 與世界各地的合作夥伴分享天氣數據；包括車聯網、智慧家庭、穿戴裝置、智慧電視、行動裝置等領域，眾多廠商都應用了 AccuWeather 的天氣資料。 但 AccuWeather 不因此滿足；他們期待天氣資料能應用在新的客群身上： 獨立開發者。針對這群人，AccuWeather 得創造賣點，讓開發者能「依其需求量身訂做自己的產品」。另外，他們也想針對自己的商用 API，設計出不同級距的收費機制。 營利 為了要替開發者打造簡單且快速的方法，建構適合其...

大多數軟體開發者都知道 API 的設計主要有兩種模式，RPC 和 REST。無論採用哪種模式，大多數現代 API 都是透過那樣的方式對應到相同的 HTTP 通訊協定來實作的。在 RPC API 設計中，保持 RPC 模型的同時，採用 HTTP 中的一兩個想法也變得很常見，這就增加了 API 設計者可以做的選擇。本篇文章將分別解釋這些選擇，並教您如何進行選擇。 gRPC 是一種實作 RPC API 的技術，它使用 HTTP 2.0 作為其底層傳輸協定。gRPC 是基於遠端程式呼叫 (Remote ...

本系列文的上半部，我們介紹了 gRPC、REST 與 OpenAPI 三種 API 模型的特性，並說明比較了 REST 與 OpenAPI 各自的優勢，若有興趣而還沒閱讀文章的朋友，可以點此連結閱讀。接下來，本文會繼續說明 gRPC 與 OpenAPI 的比較。 什麼情況下，gRPC 會是比 OpenAPI 更好的選擇？ 使用 OpenAPI 描述 API 的挑戰，是定義 URL 路徑和 HTTP 方法來解釋你的「選擇」和「參數」。這是一項艱難的工作，因為有很多選擇。對於大多數項目而言，你無法得...

企業如何透過大數據來發掘創新的機會並加速成長？API 能幫助開發人員在受到資訊保護的情況下對內與對外分享資料、功能和其他數據資產，藉此幫助企業創造新的價值。除了 API 的服務外，您還能利用這些方法，成功將核心業務轉換為數據資產： 藉由友善的 API 管理系統介面來促進更好的開發環境並提升開發人員對生態系的參與，無論公司內部或外部的開發人員，都能透過 API 的操作創造更多的創新。 若能確保 API 具備高安全性/擴充性，並且方便管理能讓開發人員快速查詢和訪問，這些都能吸引開發人員使用。 透過消...

Kao AEMEA（美洲、歐洲、中東以及非洲）希望尋求一個全球通用 API 管理平台，好讓全球不同區域的組織實踐數位轉型，同時簡化與日本花王總公司的互動。考量易用性與先進的安全功能，公司最後選用 Google 的 Apigee API 管理平台。 從合作夥伴管理，走向全通路零售 大眾市場龐大的物流需求一向帶給花王的供應鏈經理極大的挑戰；他們一直在試圖簡化業務流程。團隊的工作主要專注在透過 API 標準化其與第三方物流夥伴的互動，以增加敏捷度和速度。 電子商務為花王開啟業務契機。花王在其中看見了利...

隨著 API 的廣泛應用，API 管理、企業開放 API 等議題逐漸興盛，甚至不少企業也開始拋出「API 優先」、「透過 API 賺錢」的思維。但 API 優先 (API-first) 的思維到底是什麼呢？台灣的企業又要怎麼透過 API 賺錢？這是否又終將與眾多新興技術一樣淪於口號呢？ 在一份 Google 與牛津經濟研究院的 CIO 調查報告中，這 1,000 位分布全球的企業 CIO 提供了全新的想法。事實上，大多數的公司都採用了 API-first 策略，而其中不少力求創新的企業，也都認為...

目前全球企業都在試圖轉變當前的營運模式，以適應新的市場條件、滿足新的消費者需求並提高生產力，同時仍致力於實現增長。在這個新世代，數位商業生態系採取由外而內 (outside-in) 的方法，幫助組織利用其現有資源和關係來推創新、提升效率。 最近，Google Cloud 與 Oxford Economics 合作，針對全球各行各業的 1,000 家大型組織的資訊長進行調查，以了解其數位商業生態系策略，以及他們在經營這樣的生態系中，獲得什麼？歡迎繼續閱讀了解。 什麼是數位商業生態系？ 「數位商業生...

Cloud Machine Learning 是 Google Cloud Platform 對於深度學習提供的管理服務。它可以讓您建立作用於任何大小、任何資料的學習模型，並藉由 TensorFlow 框架打造您的服務。您立即可以將訓練模型放置於全球的 prediction 平台，能支持成千上萬的使用者與 TB 等級的資料。除此之外，此項服務同時整合了 Cloud Dataflow, Cloud Storage 甚至 BigQuery。現在我們就來使用看看如何簡單的進行手把手 Cloud Mac...

機器學習是這幾年來熱門的技術，Google也不斷的將其應用於產品上，改善使用體驗，比如 Gmail中的智慧回覆功能，Youtube的影片推薦，或是地圖上的交通路況預估，都讓生活更為便利。但你知道這些服務背後都是怎麼運作的嗎？這回我們將透過交通資料的分析案例，來替各位解構背後的 GCP應用方式，告訴各位如何應用 GCP處理資料，並透過機器學習分析數據。 Google 不僅開源TensorFlow，今年更是推出機器學習平台 看準機器學習的趨勢，Google 除了提升產品功能外，也積極的擴展新的雲端服...

GCP 機器學習(1) - Cloud Speech API 應用實例 最近用信用卡開通了 Google Cloud Platform 的帳戶，一共得到了 300 美元的免費使用額度，和 12 個月的免費試用期。裡面的 API 相當的多 （連結）。裡頭關於機器學習的 API羅列如下： • Cloud Vision API • Cloud Speech APi • Natural Language API • Translation API 而這次要介紹的是第二項， Cloud Speech AP...

GCP 機器學習(2) - Natural Language API 應用實例 上一篇講完 Speech API，這週來提一下 Google Cloud Platform 另一個 API — Natural Language API。這個 API屬於 Computer Science Natural Language Process (NLP) 的範疇。有了這個API，我們就能快速的把一個句子的 tagging 和 parsing tree 以及情感 (sentiment) 給抓出來。如果不熟悉...

GCP 機器學習(3) – Cloud Translation API 應用實例 來到 Google Cloud Platform 系列文的第三篇，今天要講解 Translation API。我認為語言翻譯 API 是一般大眾最為熟悉的，今天就讓我們來看一下，它到底還有什麼新把戲？ 快速測試 Translate API 首先我們先點進 Translate API 的介紹 網址。大家可以快速的使用 Google 提供的小 board 來 做測試，這部分我就不加贅述。 語言翻譯 接著我們進行 API...

GCP 機器學習(4) – Cloud Vision API 應用實例 終於來到 Google Cloud Platform 第四篇 —— Cloud Vision API，也是前四篇之中，API 最為豐富的一個。話不多說，就直接開始吧！ 快速測試 首先，先選好一張圖片，裡面有越多東西越好，或者圖片越奇怪越好，這樣才能展現這個 API 的威力。因此我特別選了一張辦公桌的照片和一張 meme，以下是我選的圖片 (單一檔案須 < 4MB，取自 VRD dataset 和 這個網址)： 選好後，...

GCP 機器學習(5) – Cloud Video Intelligence API 應用實例 簡介 Google 近期發佈了一個新的雲端機器學習API：Cloud Video Intelligence API。該 API 可用來識別影片中顯示的物體，並以 JSON 格式輸出分析結果： 透過過輸入影片檔案的 GCS URL 與辨識類型，可使用該 API 相對應的識別出影片中的個體、場景變化或是敏感內容標的。其中的辨識類型包含：Label Detection (例如人類、狗或者花之類的物體辨識)、...

開源機器學習系統 TensorFlow 應用實例 什麼是 TensorFlow? 簡單來說是 Google 開源的機器學習程式庫。除了應用在 AlphaGo 之外，也應用在 Google Photo 等服務上。 2017/12現在版本已經更新至1.4了，在教學文件上可以看到，能夠安裝的作業系統為 Linux 及 Mac OS X，開發語言為 C++ 及 Python 可供選擇。在本篇，作業系統會使用 Ubuntu 14.04 ，開發語言以Python 構築環境。 安裝 TensorFlow 的順...

一篇文章帶您了解 AutoML, Cloud ML Engine, ML API  Google 在 1/17 重磅推出了極具破壞性的機器學習產品 Cloud AutoML，引起各大產業的驚呼（相關文章：Google 發表 Cloud AutoML，對產業帶來的五大突破性影響）。究竟 Cloud AutoML 是什麼? 它與先前 Google 推出的機器學習 Cloud ML Engine（現名為 Vertext AI）、ML API 產品有什麼不同? GCP 專門家將透過這篇文章帶您了解 Cl...

許多企業看到了 AI 和機器學習在商業上應用的價值，但卻不知道從何開始實踐。如果您的企業目前沒有數據分析的團隊，或是團隊正忙於其他任務，那企業更需快速、簡單的方式導入 AI。 Google Cloud 希望 AI 能讓更多企業使用，所以 2018 年我們推出了 Cloud AutoML，幫助難以獨力完成機器學習的企業做出更高品質的客製化機器學習模型。同時 Google Cloud 也推出了擁有強大預測分析能力的 BigQuery ML，能夠觸及數百萬用戶，其中包含非數據分析背景的使用者。 這篇文...

GCP Machine Learning Engine 幫您節省大量維運成本！ 隨著近期機器學習( Machine Learning，以下簡稱 ML )的熱潮，企業拿自己的機器學習模型做測試已經是司空見慣，且在這之中大部分的企業會選擇使用 TensorFlow。因 TensorFlow 開放原始碼，您可以在自己的電腦上做原型測試，讓您可以在小規模的程式驗證執行上快速測試。當您測試完畢，您可以將你在電腦上測試好的 TensorFlow 資料放進 Google Cloud，並可混合架構上的 CPU、...

Google 在一年一度的 Google Cloud Next 大會上，重磅推出新一代機器學習產品：Cloud AutoML，大幅降低企業進入機器學習的門檻。以 Cloud AutoML Vision 為例，Google 在機器學習領域深耕已久，熟悉各種機器學習模型所適合分析的照片類型，即便您沒有足夠的機器學習開發人員，也可以透過 Cloud AutoML 訓練客製化模型！ 這篇文章將帶您了解，如何快速啟用 Google 最新一代產品：Cloud AutoML。 (直接觀看案例介紹：一秒辨識屈中...

暨上一篇帶您手把手快速啟用 Google Cloud AutoML 後，這篇將帶您了解 Cloud AutoML 的實際應用案例。 (圖片摘自於網路) GCP 的 Machine Learning 產品線，自今年 1/17 發表了 Cloud AutoML 後，在客製化 (Cloud ML Engine) 與服務化 (ML API) 兩者之間多了另一個折衷選項 (延伸閱讀：Google 機器學習三大服務介紹與比較)，讓沒有足夠的機器學習背景的開發人員，也可以透過 Cloud AutoML 來訓練...

機器學習技術快速演進，現在資料科學家已經能用更加精準的模型來處理各種難解的問題。然而，模型的複雜度與精準度直接相關，而這樣的複雜度又會使得調整模型更具挑戰性。為了解決這項挑戰，Google Cloud 於 2019 年 11 月推出 Explainable AI；此工具旨在幫助資料科學家除錯、改善模型效果並提供 insights，讓資料科學家使用上更方便。 了解模型如何運作，對有效且適當地導入 AI 來說相當重要。本篇文章將詳細介紹如何在 AutoML Tables 及 Cloud AI 平台 ...

上一篇文章，我們介紹了 Explainable AI，並使用公開資料集預測「自行車租賃的騎乘時間」。若您尚未閱讀，可以參考這篇部落格文章。 延續上篇介紹的內容，您還可以獲得關於部署到 AI 平台的客製化 TensorFlow 模型之解釋。以下我們會介紹如何利用將 AI Explanations 模型部署到 Google Cloud AI 平台，並用 What-If 將模型結果視覺化。 準備一個要部署的模型 當我們將 AI Explanations 模型部署到 AI 平台時，需要為模型選擇一個基準...

為了辨別數位病理影像中的全新規律或特徵，美國癌症協會使用 Google Cloud Platform 的 ML Engine 來提高即時性和準確度。 自 1992 年以來，美國癌症協會進行了第二期癌症預防研究 (CPS-II) 營養研究，該研究針對 188,000 多名美國男女進行了前瞻性研究。CPS-II 為研究人員探索，像是身高、體重、人口統計、個人和家族史、藥物和維生素使用、職業接觸、飲食習慣、飲酒和吸煙以及生育史等因素如何影響癌症病因提供了寶貴的資訊和預測。 Mia M. Gaudet ...

Unity Technologies 是全球創作與運行即時 3D 應用 (Real-Time 3D, RT3D) 的佼佼者。Unity 所建構、營運的服務每個月觸及數十億的終端用戶，還有許多外部服務支援金融交易、行銷等項目。而這些服務及系統所產生的資料都非常重要，有利於 Unity 更加了解業務營運與服務狀況。為了增加資料的可見度與開發這些資料的潛能，Unity 必須剖析資料倉儲並鞏固其資料來源，以便更有效提供、管理資料。 集中整合資料服務 Unity 處理的資料量非常巨大，每個月有超過 30 ...

我們經常從企業客戶端聽到，他們需要導入像 AI 這樣的新技術來提高生產效率。事實證明，AI 的確能有效幫助製造業客戶實踐自動化的目視品管流程。 這些客戶告訴我們，他們希望使用 AI 解決方案來幫助他們提高品質控管和檢查的效率，進而提高整體品質。但是，有許多因素使他們難以防止瑕疵產品的發佈。此外，在製造過程中發現瑕疵的時間越晚，修復或更換所需的成本就越高。視覺檢測可以幫助製造業客戶，以較低的成本及早發現瑕疵，並以更創新的方式幫助企業革新其流程。 半導體業：用 Google AutoML Visio...

近年來，名為工業 4.0 的現象持續在製造業帶動轉變：工廠變得越來越「聰明」。因此，工廠在獲得技術工具的情況下，努力提高生產率、營運效率與安全性。許多工廠都將新舊機器結合在一起，而使工廠更聰明的第一步，就是啟用「預測性維護（PdM）」。 「預測性維護」著重識別傳感器和產量資料中的固定模式，這些模式代表設備狀態的變化，通常是特定設備的磨損。借助預測性維護功能，公司可以確定資產的剩餘價值，並準確確定製造工廠、機器、元件或零件何時可能發生故障、需要更換。 本系列文章共 3 篇，在第一篇文章中，我們將解...

在系列文的第一篇中，我們為大家科普了預測性維護 (predictive maintenance) ；預測性維護會識別感應器和產量資料中的特定模式，這些模式會顯示設備狀況的變化（特定的穿戴式裝備）。借助預測性維護功能，公司可以確定資產的剩餘量，並準確預測機器、組件或零件何時可能發生故障需要更換。 在我們的系列文的第二篇，我們將解釋一些資料探索技術，對機器學習的類別進行比較，並以範例來探討執行「預測性維護」時的一些公式和指標。 一、資料探索 資料探索 (data exploration) 階段的目標...

「即時串流資料」已逐漸成為大勢所趨。根據 IDC 預測，到了 2025 年，有 25% 的資料都將會以「即時」(real-time) 的形式存在。隨之而來的，就是企業也會藉由即時資料來輔助決策。那究竟是什麼改變，帶動了這樣的趨勢呢？數位化的加速是直接因素之一。舉例來說，這些「即時資料」，可能來自各種行動裝置、數位通訊、電子商務、網路購物或數位媒體，甚至是工廠內的物聯網設備⋯⋯等。 對企業來說，未來的營運挑戰之一，就是要能駕馭這些即時串流資料，並借助資料洞察，來剖析市場、提高競爭力，更重要的是，改...

2017年3月8日至10日，Google 於舊金山召開的全球雲端用戶大會的 NEXT，除了公布去年一整年的成果外，也高調宣布全新的合作夥伴以及眾多強大的服務。相信各大媒體都正在製作相關報導，如今年正式與Verizon電信、企業ERP大廠SAP、HSBC匯豐銀行、甚至eBay都擁抱了Google Cloud Platform。而我們就focus在有哪些神奇的新東西吧！ IaaS服務 - Compute Engine • 機器規格：可將Nvidia Tesla K80 GPU搭載至VM內，超級快速有...

Google Cloud OnBoard 是 Google Cloud 舉辦的大型朝拜盛會： Cloud OnBoard is a free full-day instructor-led enablement and training event that will provide you with a step-by-step technical introduction to the Google Cloud Platform (GCP). 上半年台灣 4/19 台北國際會議中心 - 下半...