Vision AI

画像や動画の内容を自動で分析するサービスです。例えば、ある通販サイトでは、毎日アップロードされる数百枚の画像をVision AIで自動分類し、商品管理の効率を大幅に改善しています。専門的な知識は必要ありません。

Natural Language API

テキストデータを解析し、その意味や感情、エンティティ（人名や地名など）を理解するサービスです。例えば、お客様からの問い合わせメールをNatural Language APIで分析し、緊急度の高いものを自動で担当者に振り分けるといった活用が可能です。

AutoML（Vertex AIの一部として）

「AutoML」は、専門的な知識がなくても、データセットから自動で高精度なモデルをトレーニングできる機能です。モデルの構造やハイパーパラメータの調整といった、通常は専門知識が必要な部分を自動化してくれるため、AI導入のハードルを大きく下げてくれます。

画像分類（AutoML Vision）

Vertex AIのAutoML Visionを使えば、専門的な知識がなくても、画像分類モデルを簡単に構築できます。

1. データセットの準備: 分類したい画像と、それぞれの画像が何であるかを示すラベルを用意します。
2. モデルのトレーニング: 用意したデータセットをVertex AIにアップロードし、AutoMLを使ってモデルをトレーニングします。
3. モデルのデプロイ: トレーニングしたモデルをVertex AI上にデプロイし、API経由で利用できるようにします。

これにより、例えばECサイトで顧客がアップロードした写真から、商品のカテゴリを自動で判別するようなシステムを構築できます。

モデルのデプロイとAPI利用

Vertex AIの大きな強みは、トレーニングしたモデルを簡単に本番環境にデプロイし、API経由で利用できることです。WebhookやCloud Functionsと組み合わせることで、既存のWebサービスやアプリケーションとAIモデルをシームレスに連携させることができます。

SQLで始めるクラスタリング

例えば、顧客の購買履歴データを使って、次のようなSQLクエリでクラスタリング（顧客をグループ分け）モデルを作成できます。

SQL

CREATE OR REPLACE MODEL
  `your_dataset.customer_segmentation_model`
OPTIONS (
  model_type='kmeans',
  num_clusters=4
) AS
SELECT
  user_id,
  SUM(CASE WHEN item_category = 'food' THEN amount ELSE 0 END) AS food_spend,
  SUM(CASE WHEN item_category = 'electronics' THEN amount ELSE 0 END) AS electronics_spend,
  SUM(CASE WHEN item_category = 'apparel' THEN amount ELSE 0 END) AS apparel_spend
FROM
  `your_dataset.purchase_history`
GROUP BY
  user_id;

CREATE OR REPLACE MODEL
  `your_dataset.customer_segmentation_model`
OPTIONS (
  model_type='kmeans',
  num_clusters=4
) AS
SELECT
  user_id,
  SUM(CASE WHEN item_category = 'food' THEN amount ELSE 0 END) AS food_spend,
  SUM(CASE WHEN item_category = 'electronics' THEN amount ELSE 0 END) AS electronics_spend,
  SUM(CASE WHEN item_category = 'apparel' THEN amount ELSE 0 END) AS apparel_spend
FROM
  `your_dataset.purchase_history`
GROUP BY
  user_id;

マーケティング施策への応用

このモデルを使えば、顧客を「高頻度で食品を購入する層」「家電を好む層」などに自動で分類し、それぞれのセグメントに合わせたマーケティング施策を打つことが可能になります。