EIKON Technology

logo Eikon
Menu

Google Cloud

Info

Firestore Multiple Database Kini Tersedia untuk Umum, Bagaimana Cara Menggunakannya?

Google Cloud baru saja mengumumkan ketersediaan publik Firestore Multiple Databases, yang memungkinkan Anda mengelola beberapa database Firestore dalam satu proyek. Apa kegunaannya? Mari simak ulasannya berikut ini. Tentang Firestore Multiple Database Firestore Multiple Databases memungkinkan Anda mengelola beberapa database Firestore dalam satu proyek Google Cloud. Ini akan meningkatkan pemisahan data, keamanan, pengelolaan sumber daya, dan pelacakan biaya. Terlebih, kini beberapa database telah didukung sepenuhnya di Google Cloud, Terraform, dan seluruh SDK Firestore. Tiap database Firestore beroperasi dengan isolasi independen, memastikan pemisahan data dan performa yang kuat. Misalnya, hotspotting beban traffic pada satu database tidak akan berdampak negatif terhadap kinerja database lain dalam proyek tersebut. Mulai membuat database Firestore Berikut cara membuat database Firestore baru: Masuk ke Firestore service. Klik tombol “CREATE DATABASE”. Pilih id database, yang berfungsi sebagai pengidentifikasi database Anda. Pilih pengaturan konfigurasi database yang diinginkan (Database Mode, Location, konfigurasi Security Rules). Baca juga: Cara Memantau Cloud SQL dengan Audit Database SQL Server Konfigurasi keamanan Photo Credit: Google Cloud Blog Firestore memungkinkan pengguna menerapkan konfigurasi keamanan terperinci pada database individual melalui IAM. Jadi, Anda dapat menerapkan kebijakan keamanan yang berbeda ke database yang berbeda, sehingga pengontrolan akan lebih terperinci. Misalnya, Anda dapat memberi akses ke database A kepada grup pengguna tertentu saja. Untuk menetapkan aturan pada database tertentu, dalam conditions editor tool, lakukan langkah-langkah berikut: Pilih “firestore.googleapis.com” sebagai resource.type Tentukan nama database resource sebagai resource.name, dengan mengikuti format “projects/<project-id>/databases/<database-id>”. Cara melihat penggunaan database Photo Credit: Google Cloud Blog Firestore menawarkan data penggunaan dan penagihan yang terperinci, per database. Untuk mengaksesnya, Anda bisa menggunakan BigQuery. Sebagai contoh, kueri  di atas menunjukkan cara mengambil data penggunaan pada 18 Oktober 2023, yang dikelompokkan berdasarkan ID database Firestore individual. Baca juga: Cara Merencanakan Jaringan IPv6 dengan Google Cloud Menghapus database Jika sudah tidak membutuhkan database Firestore, Anda dapat dengan mudah menghapusnya langsung dari konsol dengan mengikuti petunjuk berikut: Photo Credit: Google Cloud Blog Jika Anda baru menggunakan Firestore, sebaiknya mulai dengan database baru dengan nama `(default)`. Database tersebut akan mendapat dukungan gratis, sehingga Anda dapat menjelajahi fungsionalitas Firestore tanpa mengeluarkan biaya. Selain itu, dukungan runtime App Engine lama pun terbatas pada default database. Baca juga: Tips Percepat Migrasi Data dengan Database Migration Program Selalu aktifkan perlindungan penghapusan untuk database penting. Perlindungan ini mencegah penghapusan yang tidak disengaja dan membantu memastikan integritas data. Pilih nama dan lokasi sumber daya database dengan hati-hati selama pembuatan, karena keduanya tidak dapat diubah setelah pembuatan. Namun, Anda dapat menghapus database yang ada dan membuat database baru dengan nama sumber daya yang sama, namun di lokasi berbeda. Ini memungkinkan Anda menyesuaikan lokasi tetapi tetap mempertahankan nama sumber daya asli. Nikmati sekarang juga kemudahan mengelola beberapa database sekaligus dengan Firestore Multiple Database yang kini telah tersedia untuk publik. Dapatkan dengan berlangganan Google Cloud melalui EIKON Technology. Kami menyediakan solusi resmi bergaransi untuk Anda. Informasi lebih lanjut, silakan klik di sini!

Info

Membangun Aplikasi Gen AI untuk Perusahaan dengan LLM dari Database Google Cloud

Large language model (LLM) dilatih dengan kumpulan besar data dari berbagai topik sehingga sangat berguna dalam banyak hal. Sayangnya LLM membutuhkan data pelatihan yang besar. Salah satu pendekatan populer untuk mengatasi problem tersebut adalah dengan “menurunkan” LLM menggunakan teknik Retrieval Augmented Generation. Teknik ini akan membuka peluang baru bagi perusahaan untuk membangun aplikasi gen AI yang dapat memanfaatkan data baru. Ulasan kali ini akan membahas tentang membangun gen AI perusahaan dengan LLM dari database Google Cloud. Mengenal teknik RAG Salah satu contoh umum pemanfaatan teknik RAG adalah untuk chatbot layanan pelanggan. Dengan RAG, Anda dapat menciptakan bot yang dapat menjawab berbagai pertanyaan, mulai dari ketersediaan barang hingga kebijakan pengembalian. RAG terdiri dari satu langkah persiapan dan empat tahap penerapan. Contoh RAG yang disederhanakan ini mengalir melalui proses bagaimana aplikasi dapat memberikan jawaban mendasar dengan memanfaatkan fitur pencarian kesamaan dari database yang mendukung pengindeksan vektor. Photo Credit: Google Cloud Blog Persiapan: Data internal disimpan dalam database melalui model penyematan. Penerapan: Aplikasi Gen AI menggunakan model penyematan untuk mengonversi pertanyaan dari natural language (contoh: “Apakah Anda memiliki produk X dengan fitur A, B, C?”) menjadi vektor. Model penyematan digunakan untuk mengubah pertanyaan menjadi vektor dan melakukan pencarian semantik pada database. Database mengembalikan data yang akan digunakan sebagai bagian dari prompt untuk LLM. LLM menyusun jawaban yang akurat berdasarkan data. LLM dan database bekerja sama untuk memberikan hasil real-time. Pada pengaturan awal, Anda perlu menyimpan data internal seperti deskripsi produk melalui model penyematan ke dalam database operasional sebagai vektor. Database vektor Photo Credit: Freepik Komponen kunci dari pendekatan RAG adalah penerapan penyematan vektor. Google Cloud menyediakan beberapa opsi untuk menyimpannya. Vertex AI Vector Speech adalah alat yan dibuat khusus untuk menyimpan dan mengambil vektor pada volume tinggi, namun berlatensi rendah. Apabila Anda sudah familier dengan PostgreSQL, ekstensi pgvector menyediakan cara mudah untuk menambahkan kueri vektor ke database untuk mendukung aplikasi gen AI. Cloud SQL dan AlloyDB mendukung pgvector, dengan AlloyDB AI mendukung ukuran vektor hingga 4x lebih besar dan performa hingga 10x lebih cepat dibanding PostgreSQL standar saat menggunakan mode indeks IVFFlat. Baca juga: Google Cloud Meluncurkan Produk Baru untuk Pengembangan Aplikasi Membangun aplikasi Gen AI untuk perusahaan mungkin tampak sulit di awal, tapi dengan memanfaatkan open-source tools seperti LangChain dan memanfaatkan resources Google Cloud, Anda bisa memulai dengan mudah. Untuk mempelajari lebih lanjut mengenai pgvector di Cloud SQL dan AlloyDB, Google Cloud telah menyediakan dokumentasinya di sini. Bangun aplikasi Gen AI untuk perusahaan Anda sekarang juga dengan berbagai resources yang disediakan oleh Google Cloud. Untuk bisa memanfaatkan resources lengkap Cloud dalam pengembangan Gen AI, Anda bisa langsung memilih paket berlangganan melalui EIKON Technology. Kami menyediakan solusi komputasi awan Google Cloud yang dapat disesuaikan dengan kebutuhan Anda. Untuk informasi lebih lanjut, silakan hubungi kami di sini!

Google Cloud

Tingkatkan Hasil Pencarian Cloud Search API dengan Personalization Boost dan Click Boost

Cloud Search API Google menyediakan kemampuan penelusuran berbasis cloud dengan data Google Workspace. Ini memungkinkan pengindeksan data non-Google Workspace ke Cloud Search. Dengan dukungan API dan SDK, Cloud Search memiliki jangkauan yang lebih luas ke data yang disimpan di repositori pihak ketiga. Di Cloud Search API, developer dapat menggunakan library klien yang disediakan oleh Google maupun library mereka sendiri untuk menggunakan layanan. Semua dokumentasi dan informasi penggunaan dapat ditemukan di GitHub. Ini merupakan REST API paling cocok untuk developer yang tidak melakukan pemrograman di Java. Peningkatan kemampuan pencarian Cloud Search API Pada update terbarunya, Cloud Search API meningkatkan kemampuan pencarian. Untuk membantu developer menemukan dokumen yang dibutuhkan lebih cepat, Cloud Search memperkenalkan kapabilitas personalization boost dan click boost. Kedua boost tersebut akan menyesuaikan hasil pencarian berdasarkan cara pengguna berinteraksi dengan hasil pencarian. Misalnya, dokumen yang pernah diklik oleh pengguna sebelumnya atau diklik oleh pengguna lain untuk kueri serupa, akan memiliki peringkat hasil pencarian yang lebih tinggi. Baca juga: Sempurnakan Hasil Penelusuran di Google Chat Lebih Cepat dengan Search Chips Mulai menggunakan boost Photo Credit: luis_molinero (Freepik) Kapabilitas personalization boost dan click boost akan muncul secara default di Cloud Search API setelah pembaruan. Administrator cukup melakukan konfigurasi bagi end-user untuk memulai penggunaan. Setelah konfigurasi dari administrator selesai, end user bisa langsung melakukan pencarian dengan hasil yang lebih terpersonalisasi dan relevan. Personalization boost Cloud Search API bekerja dengan mengumpulkan data mengenai jumlah klik pada hasil pencarian saat ini dan menggunakannya untuk meningkatkan peringkat pencarian pada masa mendatang dengan meningkatkan item yang diklik sebelumnya oleh pengguna yang sama. Agar personalization boost dapat bekerja optimal, jangan ubah URL yang dikembalikan dalam hasil pencarian. Sebab, data tersebut akan digunakan untuk mengumpulkan klik yang berperan penting dalam meningkatkan peringkat melalui klik pengguna. Baca juga: Penyempurnaan Facet Google Cloud Search, Seperti Apa? Sementara itu, click boost bekerja dengan mengumpulkan klik pada hasil pencarian saat ini dan menggunakannya untuk meningkatkan peringkat pencarian di masa mendatang dengan meningkatkan item populer untuk permintaan pencarian tertentu. Agar click boost dapat bekerja optimal, jangan ubah URL yang dikembalikan dalam hasil pencarian. Sebab, data tersebut akan digunakan untuk mengumpulkan klik yang berperan penting dalam menentukan popularitas item. Setelan peningkatan kualitas penelusuran lain yang disarankan Photo Credit: Freepik Selain menggunakan personalization boost dan click boost, Cloud Search API juga menyediakan pengaturan kualitas pencarian lain untuk membantu Anda mendapatkan manfaat maksimal dari model pemeringkatan Cloud Search. Berikut adalah semua pengaturan kualitas pencarian yang direkomendasikan dan opsional: Setting Location Recommended/optional Schema settings ItemContent field ItemContent Recommended RetrievalImportance field RetrievalImportance Recommended FreshnessOptions FreshnessOptions Optional Indexing settings createTime/updateTime ItemMetadata Recommended contentLanguage ItemMetadata Recommended owners field ItemAcl() Recommended Custom synonyms _dictionaryEntry schema Recommended quality field SearchQualityMetadata Optional item-level interaction data interaction Optional integer/enum properties OrderedRanking Optional Search application settings Personalization=false ScoringConfig or using CloudSearch admin UI Recommended SourceImportance field SourceCrowdingConfig Optional numResults field SourceCrowdingConfig Optional   Ketersediaan Baik kapabilitas personalization boost maupun click boost tersedia bagi seluruh pelanggan Google Cloud Search. Kapabilitas baru ini akan muncul secara otomatis setelah update Cloud Search API pada tanggal 10 April 2023. Baca juga: Alasan Mengapa Perusahaan Retail Sebaiknya Beralih ke Google Cloud Retail Search Peningkatan kapabilitas Cloud Search API Google ini memungkinkan Anda untuk lebih cepat menemukan hasil pencarian yang akurat dan relevan. Tanpa pengaturan tambahan, kapabilitas tersedia secara otomatis setelah update selesai. Untuk bisa menggunakan Cloud Search API, Anda hanya perlu berlangganan Google Cloud melalui mitra resmi Google seperti EIKON Technology. Tidak hanya menyediakan solusi komputasi awan Google Cloud, kami juga siap membantu Anda dalam implementasi solusi sesuai dengan kebutuhan. Informasi lebih lanjut, silakan hubungi kami di sini!

Google Cloud

Google Cloud Meluncurkan Produk Baru untuk Pengembangan Aplikasi, Lengkap dengan Dukungan Generative AI

Hingga saat ini, masih sulit bagi perusahaan untuk mengakses generative AI, apalagi menyesuaikannya, dan terkadang teknologi tersebut cenderung menghasilkan informasi yang tidak akurat yang dapat merusak kepercayaan. Untuk memenuhi kebutuhan ini, Google Cloud meluncurkan rangkaian produk dengan generative AI, yang memberdayakan developer untuk mengembangkan aplikasi dengan keamanan dan privasi tingkat tinggi. Gebrakan baru ini dimulai dengan memperkenalkan dua teknologi baru: Generative AI support di Vertex AI memberi akses ke model dasar dari Google dan lainnya, memungkinkan mereka membuat dan menyesuaikan di atas model ini pada platform yang sama yang mereka gunakan untuk model ML dan MLOps lokal. Generative AI App Builder memungkinkan developer untuk mengirimkan pengalaman baru dengan cepat termasuk bot, chat interfaces, custom search engines, digital assistants, dan banyak lagi. Memberikan akses API ke model dasar Google dan template bawaan untuk memulai pembuatan gen apps dalam hitungan menit atau jam. Buat, sesuaikan, dan terapkan model dasar dengan Vertex AI Photo Credit: Google Cloud Blog Vertex AI, platform pembelajaran mesin Google Cloud untuk melatih dan menerapkan model ML dan aplikasi AI, kini hadir dengan peningkatan besar-besaran. Generative AI support di Vertex AI menawarkan cara paling sederhana untuk memanfaatkan model dasar seperti PaLM, dengan beragam pilihan, termasuk kemampuan untuk: Memilih kasus penggunaan yang ingin Anda selesaikan. Memilih model dasar terbaru Google. Memilih dari berbagai model. Memilih cara menyetel, menyesuaikan, dan mengoptimalkan perintah. Memilih cara berinteraksi dengan model. Bangun aplikasi dalam sekejap dengan Generative AI App Builder Generative AI App Builder menghadirkan cara tercepat untuk memulai pembuatan gen apps dengan keahlian teknis yang diperlukan. Ini memungkinkan developer untuk: Membangun aplikasi dalam hitungan menit atau jam. Menggabungkan data perusahaan dan teknik pengambilan informasi untuk memberikan jawaban yang relevan. Menelusuri dan menanggapi dengan lebih dari sekadar teks. Menggabungkan percakapan alami dan aliran terstruktur. Baca juga: Bard: Teknologi Chatbot AI Google, Bakal Saingi ChatGPT? Memanfaatkan generative AI building blocks untuk meningkatkan nilai perusahaan Mari kita lihat beberapa contoh bagaimana perusahaan mengoptimalkan generative AI dengan Google Cloud: Pembuatan konten otomatis Generative AI dapat memfasilitasi brainstorming, menyusun copywriting, hingga menghasilkan aset media dalam hitungan detik. Akan membantu tim pemasaran dan kreatif perusahaan dalam meningkatkan alur kerja dan menghasilkan produk yang unggul. AI Assistant untuk semua tugas Generative AI memungkinkan bisnis dan instansi mengubah volume data yang besar dan kompleks menjadi lebih ringkas, memungkinkan Anda untuk mengoptimalkan pengalaman pelanggan, seperti Q&A hingga berbagai skenario data science lain yang jauh lebih kompleks. Mencari dan memahami kumpulan data internal yang besar Perusahaan perbankan dapat memanfaatkan generative AI untuk menganalisis berbagai sumber data internal dan eksternal untuk mendapatkan gambaran pasar yang komprehensif. Baca juga: Cara Manfaatkan Google Document AI dan Google Workspace untuk Menjalankan SAP Build Protection Automation Melindungi data dan membentuk alur percakapan dengan Responsible AI Photo Credit: pressfoto (Freepik) Penambahan generative AI oleh Google Cloud memberikan kemampuan transformatif, tanpa perlu mengorbankan perlindungan keamanan. Sebagai dukungan, Google Cloud juga memperbarui AI Principles mereka yang ditetapkan pada tahun 2017 lalu. Di samping AI Principles, Google Cloud juga mengumumkan kemitraan dan program AI baru yang mempermudah perusahaan startup, developer, dan perusahaan untuk mempercepat alur kerja proyek pengembangan AI mereka. Baca juga: Alasan Mengapa Perusahaan Retail Sebaiknya Beralih ke Google Cloud Retail Search Dengan penambahan generative AI ini, diharapkan perusahaan dapat menyederhanakan alur kerja mereka saat mengembangkan aplikasi. Untuk bisa memanfaatkan kecanggihan terbaru Cloud dalam pengembangan aplikasi, Anda bisa langsung memilih paket berlangganan melalui EIKON Technology. Kami menyediakan solusi komputasi awan Google Cloud yang dapat disesuaikan dengan kebutuhan perusahaan atau instansi Anda. Untuk informasi lebih lanjut, silakan hubungi kami di sini!

Teamwork, Technology

Umumkan Partnership dengan JumpCloud, EIKON Technology Tingkatkan Efisiensi dan Keamanan bagi Klien

Pada tahun 2023 ini, EIKON Technology resmi bergabung dengan program partnership JumpCloud untuk membantu pemanfaatan JumpCloud Directory Platform, sebuah platform cloud yang menyatukan identitas, akses, dan manajemen perangkat di berbagai jenis sumber daya teknologi informasi atau TI. Dengan pesatnya perkembangan model kerja jarak jauh dan hybrid, program partnership ini menghadirkan kapabilitas manajemen identitas terpusat dari cloud bagi EIKON Technology yang nantinya dapat dimanfaatkan untuk membantu klien dan calon klien untuk beralih ke cloud, mencapai efisiensi dalam transformasi digital, sekaligus meningkatkan jaringan dan keamanan siber secara efektif. Pertumbuhan pesat MSP Photo Credit: rawpixel.com (Freepik) Managed service provider (MSP) akan terus tumbuh di pasar TI selama beberapa tahun mendatang. Pasar Managed Security Services secara khusus diperkirakan telah mengumpulkan setidaknya US$40,97 miliar pada tahun 2022, dan saat ini, lebih dari 100.000 MSP di seluruh dunia melayani jutaan klien. Klien-klien ini—kebanyakan adalah perusahaan kecil hingga menengah tanpa sumber daya TI yang memadai—mempercayakan MSP untuk memandu mereka dengan praktik, pendekatan, dan solusi komputasi cloud terbaik. Dengan infrastruktur dan teknologi TI yang menjadi bagian integral dari setiap bisnis, MSP memiliki banyak beban di pundak mereka. Klien mengandalkan MSP agar dapat bersaing di pasar dengan alat dan sumber daya TI yang lebih baik, karyawan yang lebih produktif, dan ketangkasan untuk menangkap peluang baru yang inovatif. Dukungan JumpCloud bagi MSP Mengusung misi Make (Remote) Work Happen®, JumpCloud memberikan akses aman ke sumber daya yang diperlukan klien untuk melakukan pekerjaan mereka. Partnership JumpCloud menghadirkan tools, sumber daya, dan solusi direktori cloud yang mudah dikelola MSP untuk mengembangkan bisnis mereka secara efektif. JumpCloud Directory Platform menempatkan manajemen pengguna yang sederhana, aman, dan hemat biaya dalam jangkauan dengan mengkonsolidasikan identitas di setiap dan semua sumber daya TI tanpa kompleksitas. Platform Directory-as-a-Service JumpCloud akan menjadi sumber daya siap pakai di toolbelt EIKON Technology sebagai MSP, membuka peluang untuk memberi dukungan kepada klien dengan infrastruktur cloud generasi mendatang sebagai fondasi TI mereka. Kemudahan integrasi dengan Google Workspace Photo Credit: Freepik Pada 24 April 2023 lalu, JumpCloud mengumumkan kemitraan dengan Google Cloud. Kolaborasi ini memungkinkan klien MSP untuk menggabungkan Google Workspace dengan platform direktori terbuka yang disediakan JumpCloud. Dengan begitu, mereka dapat memperkuat keamanan dan mengoptimalkan cara mereka dalam mengelola tenaga kerja hybrid. Ini juga memberikan sebuah alternatif yang terbuka, cloud-forward, dan lebih aman dibanding vendor tunggal maupun solusi lama yang sudah usang. Klien juga dapat memiliki kebebasan dan fleksibilitas untuk beralih pada solusi modern berbasis cloud untuk mendukung kerja hybrid dan lingkungan platform campuran dengan lebih aman. “Saat bisnis terus beralih ke model kerja hybrid, tim TI harus mengevaluasi alat mana yang memungkinkan mereka mengoptimalkan produktivitas tenaga kerja dengan aman dalam skala besar. Perusahaan global kini dapat menggabungkan kemampuan komunikasi inovatif Google Workspace dengan manajemen perangkat dan layanan direktori JumpCloud, memberi tim TI solusi kolaborasi modern yang fleksibel dan dapat berkembang sesuai kebutuhan bisnis mereka.” Kevin Ichhpurani, Corporate Vice President, Global Partner Ecosystem & Channels Google Cloud   Tentang JumpCloud JumpCloud Directory Platform membantu tim TI mencapai Make (Remote) Work Happen® dengan memusatkan pengelolaan identitas dan perangkat pengguna, memungkinkan perusahaan kecil dan menengah untuk mengadopsi model keamanan Zero Trust. JumpCloud memiliki basis pengguna global lebih dari 150.000 perusahaan, dengan lebih dari 5.000 pelanggan berbayar termasuk GoFundMe, Grab, ClassPass, Uplight, Beyond Finance, dan Foursquare. JumpCloud telah mengumpulkan lebih dari US$400 juta dari investor kelas dunia termasuk Sapphire Ventures, General Atlantic, Sands Capital, Atlassian, hingga CrowdStrike. Tentang EIKON Technology EIKON Technology bermitra dengan JumpCloud untuk menghubungkan klien pada workstation, server, jaringan, aplikasi, dan file mereka dengan lebih aman dan efisien. JumpCloud akan mengelola dan mengamankan identitas pengguna di seluruh pengaturan TI secara otomatis dengan sistem single secure login yang lebih aman. JumpCloud Directory Platform menyediakan solusi berbasis cloud untuk mengontrol dan mengelola identitas karyawan, perangkat mereka, dengan menerapkan prinsip Zero–trust. JumpCloud dapat mengintegrasikan Google Workspace ke layanan direktori berbasis cloud, memperluas identitas Workspace ke perangkat, aplikasi, jaringan—baik untuk on premises maupun cloud. Sebagai Premier Partner Google Workspace, integrasi ini akan makin memudahkan EIKON Technology sebagai MSP dalam menyediakan solusi berbasis cloud yang lebih aman, terpercaya, dan bebas hambatan bagi klien.

Google Cloud, Google Workspace

AI Generatif, Teknologi Kecerdasan Buatan Masa Depan untuk Developer dan Google Workspace

Google telah mengembangkan teknologi AI (kecerdasan buatan) selama bertahun-tahun. Hasilnya pun beragam, mulai dari publikasi penelitian mutakhir hingga tools yang memudahkan kehidupan manusia, utamanya dalam dunia kerja. Terobosan dalam AI generatif secara mendasar mengubah cara orang berinteraksi dengan teknologi. Google telah mengembangkan model large language dan tepatnya pada tanggal 14 Maret 2023, meluncur API dan produk baru untuk mulai membangun prototipe baru dengan model AI terbaik Google yang disebut MakerSuite. PaLM API & MakerSuite Photo Credit: Freepik Perkembangan zaman telah menimbulkan banyak pergeseran teknologi. Hal ini telah menginspirasi seluruh ekosistem developer untuk memulai bisnis baru, mengembangkan produk baru, dan mengubah cara mereka berkreasi. Di tengah-tengah pergeseran tersebut, ada AI yang berdampak besar pada setiap lini industri. Bagi developer yang bereksperimen dengan AI, Google meluncurkan PaLM API, cara yang mudah dan aman untuk membangun di atas model bahasa terbaik Google. API ini dilengkapi dengan alat intuitif MakerSuite, yang memungkinkan Anda membuat prototipe ide dengan cepat dan nantinya juga akan memiliki fitur untuk rekayasa cepat, pembuatan data sintetik, dan penyetelan model khusus, semuanya didukung oleh alat keamanan yang kuat. Baca juga: Bard, Teknologi Chatbot AI Google, Bakal Saingi ChatGPT? Menghadirkan kemampuan AI generatif ke Google Cloud Bagi developer yang ingin merancang dan menyesuaikan model dan aplikasi mereka sendiri menggunakan AI generatif, dapat mengakses model AI Google, termasuk PaLM, di Google Cloud. Solusi baru ini telah berintegrasi dengan solusi Cloud yang sudah ada seperti: Dukungan AI generatif di Vertex AI Developer telah menggunakan platform AI Vertex Google Cloud untuk membangun dan menerapkan model machine learning dan aplikasi AI dalam skala besar. Google telah menyediakan model dasar, awalnya untuk menghasilkan teks dan gambar, dan seiring waktu, bertambah dengan audio dan video. Pelanggan Google Cloud akan memiliki kemampuan untuk menemukan model, membuat dan memodifikasi perintah, menyempurnakannya dengan data mereka sendiri, dan menerapkan aplikasi yang menggunakan teknologi baru ini. Generative AI App Builder Photo Credit: Google The Keyword Untuk bisnis dan instansi pemerintah yang ingin merancang antarmuka chat dan asisten digital bertenaga AI, tersedia Generative AI App Builder yang menghubungkan AI untuk media chat dengan pengalaman pencarian yang tidak biasa dan model dasar, membantu perusahaan membangun aplikasi AI generatif dalam hitungan menit atau jam. Photo Credit: Google The Keyword Kemitraan dan program AI baru Selain mengumumkan produk Google Cloud AI baru, Google juga memperluas ekosistem AI mereka dan program khusus untuk mitra, penyedia software yang berfokus pada AI, dan startup. Baca juga: Perlindungan Spam Google Voice yang Ditingkatkan dengan Label Otomatis Fitur AI generatif baru di Workspace Lebih dari 3 miliar orang telah memanfaatkan fitur yang didukung AI di Google Workspace, entah itu menggunakan Smart Compose di Gmail atau ringkasan otomatis Docs. Sebagai tahapan selanjutnya, Google menghadirkan rangkaian fitur baru. Di Gmail dan Google Docs, cukup ketikkan topik yang ingin di tulis dan sistem akan langsung menyusun draf untuk Anda. Dari sana, Anda dapat menyingkat pesan atau menyesuaikan nada agar lebih ceria atau profesional—semuanya hanya dengan beberapa klik. Menskalakan AI secara bertanggung jawab AI generatif adalah teknologi tengah berkembang pesat, namun memiliki tantangan yang kompleks. Oleh karenanya Google menghadirkan AI Principles untuk memandu pengembangan AI. Selain itu, Google pun aktif mengundang penguji eksternal dan internal untuk menguji teknologi terbaru. AI Principles pun diterapkan bagi seluruh pelanggan yang mengandalkan produk Google untuk membangun dan mengembangkan bisnis mereka secara aman dengan AI. Dengan begitu, pengembangan model AI pun tetap aman dan bermanfaat bagi semua orang. Baca juga: Otomatisasi Pemrosesan Dokumen Identitas dengan Document AI Google telah mengembangkan teknologi AI (kecerdasan buatan) selama bertahun-tahun. Paling baru, Google mengembangkan AI generatif dengan membidik developer dan penerapan langsung di Workspace. Untuk langsung menikmati hasil pengembangan ini, Anda dapat berlangganan rangkaian produktivitas Google Workspace yang tersedia di EIKON Technology. Sebagai partner resmi Google Workspace Indonesia, kami menyediakan solusi resmi bergaransi. Untuk informasi lebih lanjut, silakan hubungi kami di sini!

Google Cloud

Menyederhanakan Penerapan Fungsi Jaringan Cloud-native dengan Jaringan Native Kubernetes dan Network Function Optimizer

Communication Service Provider (CSP) melakukan modernisasi pada jaringan mereka, dengan memanfaatkan model operasi cloud dan komponen software yang disampaikan sebagai cloud-native network functions (CNF). Pergerakan menuju prinsip cloud-native dalam industri telekomunikasi telah tertanam kuat dalam standar industri seluler 5G. Sebagai sistem orkestrasi container yang paling banyak digunakan, Kubernetes telah menjadi platform de-facto untuk membuat software menggunakan prinsip-prinsip cloud-native, dan industri telekomunikasi merangkulnya untuk pengembangan, distribusi, dan manajemen fungsi jaringan cloud-native. Awalnya, komunitas Kubernetes mengambil pendekatan yang mengutamakan pengembang dengan menyediakan objek asli Kubernetes seperti Ingress. Kini, agar vendor fungsi jaringan dapat memenuhi persyaratan jaringan yang ketat dan kinerja CNF, mereka perlu memanfaatkan solusi jaringan eksternal untuk Kubernetes. Tantangan operasional CNF dengan pendekatan baru Kubernetes Pendekatan ini menimbulkan beberapa tantangan saat mengoperasionalkan CNF. Pertama, penggunaan rangkaian plugin berarti kebijakan jaringan dan keamanan tidak dapat diterapkan atau diterapkan secara statis khusus untuk antarmuka jaringan. Kedua, kebutuhan akan driver khusus perangkat atau modul kernel menurunkan keamanan workload dan menciptakan hubungan erat antara hardware dan software, mengikat workload ke platform akselerasi berbasis hardware tertentu yang sulit untuk dimigrasikan. Baca juga: Memahami Cara Kerja Cloud Load Balancing Di Lingkungan Hybrid Dan Multicloud Peningkatan kebutuhan Kubernetes Pods Photo Credit: pressfoto (Freepik) Riset Google menemukan adanya kebutuhan yang jelas terhadap Kubernetes Pods dengan beberapa antarmuka jaringan untuk menambahkan pemisahan traffic yang ketat serta kontrol kinerja dan latensi. Ini menunjukkan bahwa Kubernetes dibutuhkan untuk mendukung pendekatan jaringan lebih holistik lagi. Kontribusi multi-networking Kubernetes Sebagai solusi, hadir kontribusi multi-networking mereka ke Cloud Native Computing Foundation (CNCF) Kubernetes Networking Special Interest Group (SIG). Tidak hanya berhenti di situ, Kubernetes juga meluncurkan Network Function, sebuah layanan jaringan baru yang tersedia untuk Google Distributed Cloud Edge dan Google Kubernetes Engine (GKE) yang memberikan dukungan multi-networking dan dataplane asli Kubernetes berperforma tinggi. Baca juga: Memanfaatkan Confidential Space untuk Kolaborasi Data Yang Lebih Aman di Google Kapabilitas Network Function Optimizer di GKE Network Function Optimizer di GKE menawarkan tiga kapabilitas, yaitu: Modernisasi jaringan cloud dengan multi-networking Kubernetes-native; Akselerasi bidang data berbasis software berkinerja tinggi; Kemampuan mengarahkan traffic. Menuju CNF cloud-native Photo Credit: Freepik Bukan hanya itu, pendekatan Kubernetes-native untuk jaringan ini juga dapat dengan mudah dimasukkan ke dalam kebijakan, IPAM, penjadwalan, dan bahkan skenario ketersediaan tinggi Anda. Saat CSP mulai mengadopsi Network Function Optimizer, diharapkan pendekatan ini dapat mengaktifkan lebih banyak fungsi jaringan untuk GKE dan GDC Edge. Untuk kasus penggunaan seperti akses roaming seluler, panggilan darurat, peningkatan kapasitas, atau upgrade dan pemulihan bencana. Network Function Optimizer menghadirkan tingkat kebebasan dan penyederhanaan baru untuk CSP dan CNF. Kubernetes pun akan terus mengembangkan solusi ini untuk memudahkan Anda. Baca juga: Opsi Isolasi Dan Konektivitas Bidang Kontrol Baru untuk Klaster Google Kubernetes Engine Google Kubernetes Engine atau GKE merupakan platform unggulan yang dimiliki oleh Google Cloud. Dapatkan solusi Google Cloud yang telah disesuaikan dengan penggunaan skala besar hanya di EIKON Technology. Kami merupakan authorized reseller resmi yang dipilih langsung oleh Google untuk melakukan distribusi di Indonesia. Untuk mulai berlangganan, hubungi kami di sini!

Google Cloud

Membangun Pipeline Data Streaming di Google Cloud

Banyak pelanggan membangun saluran data streaming untuk menyerap, memproses, dan kemudian menyimpan data untuk dianalisis. Di Google Cloud, desain umum pipeline terdiri dari tiga langkah: Sumber data mengirim pesan dengan data ke topik Pub/Sub. Pub/Sub menyangga pesan dan meneruskannya ke komponen pemrosesan. Setelah diproses, komponen pemrosesan menyimpan data di BigQuery. Untuk komponen pemrosesan, terdapat tiga alternatif, mulai dari dasar hingga lanjutan: langganan BigQuery, layanan Cloud Run, dan pipeline Dataflow. Mari simak ulasannya berikut. Contoh penerapan Photo Credit: Google Cloud Blog Tiga alternatif pemrosesan Artikel ini akan membahas cara melakukan pemrosesan menggunakan tiga opsi berikut: Langganan BigQuery, solusi pass-through tanpa kode yang menyimpan pesan tidak berubah dalam set data BigQuery. Layanan Cloud Run, untuk pemrosesan pesan individual yang ringan tanpa agregasi. Pipeline Dataflow, untuk pemrosesan lanjutan. Mari simak pembahasan untuk masing-masing pendekatan di bawah ini: Menyimpan data tidak berubah menggunakan langganan BigQuery Photo Credit: Google Cloud Blog Pendekatan pertama adalah yang paling mudah. Anda dapat mengalirkan pesan dari topik Pub/Sub langsung ke set data BigQuery menggunakan langganan BigQuery. Gunakan saat Anda menyerap pesan dan tidak perlu melakukan pemrosesan apa pun sebelum menyimpan data. Saat menyiapkan langganan baru untuk suatu topik, pilih opsi Write to BigQuery, seperti yang ditampilkan di sini: Photo Credit: Google Cloud Blog Detail tentang bagaimana langganan ini diimplementasikan sepenuhnya dipisahkan dari pengguna. Artinya, tidak ada cara untuk mengeksekusi kode apa pun pada data yang masuk. Ini adalah solusi tanpa kode, Anda tidak dapat menerapkan pemfilteran pada data sebelum disimpan. Baca juga: Mengintip Layanan Baru Google Cloud: Tawarkan Fleksibilitas Tinggi bagi Pengguna Memproses pesan satu per satu menggunakan Cloud Run Gunakan Cloud Run jika Anda memang perlu melakukan beberapa pemrosesan ringan pada masing-masing pesan sebelum menyimpannya. Misalnya, mengkanonikalisasi format data, di mana setiap sumber data menggunakan format dan bidangnya sendiri, tapi Anda ingin menyimpan data dalam satu format data. Photo Credit: Google Cloud Blog Pertimbangkan untuk menggunakan Cloud Run sebagai komponen pemrosesan dalam pipeline, jika: Anda dapat memproses pesan satu per satu, tanpa memerlukan pengelompokan dan penggabungan pesan. Anda lebih suka menggunakan model pemrograman umum daripada menggunakan SDK khusus. Anda sudah menggunakan Cloud Run untuk melayani aplikasi web dan lebih memilih arsitektur solusi yang konsisten dan simpel. Baca juga: Melihat Contoh Penerapan Google Distributed Cloud Edge Appliance Pemrosesan lanjutan dan agregasi pesan menggunakan Dataflow Cloud Dataflow, layanan yang terkelola sepenuhnya untuk mengeksekusi pipeline Apache Beam di Google Cloud, telah lama menjadi landasan pembangunan pipeline streaming di Google Cloud. Ini adalah pilihan yang baik bagi pipeline yang menggabungkan kelompok data untuk mengurangi data dan yang memiliki beberapa langkah pemrosesan. Dalam aliran data, pengelompokan dilakukan dengan menggunakan windowing. Fungsi windowing mengelompokkan koleksi tak terbatas berdasarkan time stamp. Ada beberapa strategi windowing yang tersedia, yaitu fixed, sliding, dan session windowing. Dataflow memiliki dukungan bawaan untuk menangani data yang terlambat. Data terlambat masuk saat jendela telah ditutup, dan Anda mungkin ingin membuang data tersebut atau memulai penghitungan ulang. Pendekatan mana yang sebaiknya dipilih? Photo Credit: Google Cloud Blog Ketiga pendekatan di atas memiliki kemampuan dan tingkat kerumitan yang berbeda. Dataflow adalah opsi paling andal dan paling kompleks, yang mengharuskan pengguna menggunakan SDK khusus (Apache Beam) untuk membangun pipeline mereka. Di sisi lain, langganan BigQuery tidak mengizinkan logika pemrosesan apa pun dan dapat dikonfigurasi menggunakan konsol web. Memilih alat yang paling sesuai dengan kebutuhan akan membantu Anda mendapatkan hasil yang lebih baik dengan lebih cepat. Baca juga: Mengoptimalkan Penggunaan BigQuery BI Engine Untuk pipeline besar (Skala Spotify), atau saat Anda perlu mengurangi data menggunakan windowing, atau memiliki multi-step pipeline yang rumit, pilih Dataflow. Dalam semua kasus lainnya, memulai dengan Cloud Run adalah yang terbaik, kecuali jika Anda sedang mencari solusi tanpa kode untuk menghubungkan Pub/Sub ke BigQuery. Dalam hal ini, pilih langganan BigQuery. Biaya adalah faktor lain yang perlu dipertimbangkan. Cloud Dataflow menerapkan penskalaan otomatis, tetapi tidak akan menskalakan ke instance nol jika tidak ada data yang masuk. Untuk beberapa tim, ini adalah alasan memilih Cloud Run daripada Dataflow. Untuk rangkuman dari ketiga pendekatan tersebut, Anda bisa melihat tabel berikut: Photo Credit: Google Cloud Blog Google Cloud menyediakan solusi menyeluruh untuk membangun pipeline data streaming yang dapat Anda sesuaikan dengan kebutuhan dan bujet. Mulai nikmati berbagai kemudahan Cloud dengan berlangganan melalui EIKON Technology. Sebagai partner resmi Google Cloud Indonesia, kami menyediakan solusi bergaransi disertai dengan implementasi menyeluruh. Untuk informasi lebih lanjut, silakan klik di sini!

Google Cloud

Alasan Mengapa Perusahaan Retail Sebaiknya Beralih ke Google Cloud Retail Search

Anda tentu sudah mengenal Google Search. Hasil pencarian Search bagi tiap individu bisa dikatakan cukup relevan, sehingga mereka jarang menelusuri halaman hasil berikutnya. Google meluncurkan Retail Search yang ditujukan bagi retailer untuk memanfaatkan kapabilitas Google Search dalam mengelola produk mereka sendiri. Kini retailer punya banyak pilihan untuk membangun sistem pencarian yang mendukung situs mereka. Jadi mengapa harus menggunakan Retail Search? Criticality of search systems for ecommerce retailers Photo Credit: Google Cloud Blog Seberapa penting sistem pencarian untuk perusahaan retail? Untuk menjawab pertanyaan ini, kita harus mengetahui halaman mana di website retail yang diberdayakan oleh sistem pencarian dan seberapa penting halaman tersebut untuk tingkat konversi. Saluran penjualan Biasanya retail mengklasifikasikan saluran penjualan menjadi tiga kategori: Top of the funnel (TOF): Beranda, halaman kategori, halaman pencarian, halaman detail produk Bottom of the funnel (BOF): Halaman keranjang, halaman checkout, halaman konfirmasi pesanan Post purchase: Manajemen pesanan, pembatalan pesanan Photo Credit: Google Cloud Blog Traffic pelanggan umumnya lebih tinggi di halaman TOF dan menurun saat mencapai halaman BOF. Terlihat, ada lebih banyak halaman TOF daripada halaman BOF. Bisa dibilang, halaman TOF mendorong pelanggan untuk akhirnya berkonversi. Pelanggan akhirnya menghabiskan lebih banyak waktu di halaman TOF daripada BOF, jadi jelas retail perlu memberi banyak penekanan pada halaman tersebut. Sama pentingnya dengan pengalaman pelanggan yang kohesif untuk keseluruhan perjalanan penjualan, halaman TOF memainkan peran yang sangat penting dalam perjalanan tersebut. Pelanggan biasanya membuka halaman TOF terlebih dahulu sebelum mereka dapat memulai proses pembelian. Baca juga: Cara Merencanakan Jaringan IPv6 dengan Google Cloud Contoh penerapan Retailer Search Berikut ini adalah proses umum penerapan pencarian yang diikuti oleh perusahaan retail: Integrasi data produk Photo Credit: Google Cloud Blog Retailer membangun beberapa jenis pipeline untuk memasukkan data produk sumber ke dalam search engine pilihan. Mereka mulai menguji search engine dengan mengimpor semua data produk secara massal terlebih dahulu. Setelah pengujian awal, retailer membuat pipeline streaming lain untuk menyerap pembaruan katalog produk secara bertahap. Menyempurnakan hasil pencarian secara manual Photo Credit: Google Cloud Blog Merchandiser mulai mengonfigurasi search engine secara manual agar sesuai dengan relevansi yang mereka inginkan. Dalam proses ini, mereka menambahkan aturan yang terkait dengan sinonim, pemeriksaan ejaan, hingga pengalihan. Penyerapan kinerja produk Photo Credit: Google Cloud Blog Untuk mengotomatisasi dan mengoptimalkan relevansi, retailer akan membangun pipeline lain untuk menambahkan atribut terkait performa produk ke dalam search engine. Atribut kinerja baru ini bervariasi dari tingkat konversi hingga tayangan di website. Retailer harus menyesuaikan skema dokumen produk di search engine untuk memberi ruang bagi atribut ini. Baca juga: Apa Itu Metrik Bidang Kontrol Kubernetes yang Baru Diluncurkan di GKE? Machine learning Photo Credit: Google Cloud Blog Pada tahap ini, kata kunci sederhana seperti jam tangan, pakaian berfungsi cukup baik untuk retailer. Namun, maksud pengguna dengan kata kunci multi-frasa seperti kemeja biru untuk pria, masih kurang. Mencocokkan kata kunci saja tidak akan memberi hasil yang optimal. Misalnya, menelusuri frasa “kemeja biru untuk pria” memberikan hasil yang berbeda dibanding saat Anda mencari kemeja dalam kategori pakaian jadi. Untuk mencapai hal ini, retailer harus membuat model machine learning untuk mengurai kueri dan menguraikan maksud pengguna, sekaligus membuat kueri penelusuran yang sesuai. Baca juga: Mengenal Supply Chain Twin, Layanan Terbaru dari Google Cloud Google Cloud Retail Search adalah solusi Google untuk mengimplementasikan pencarian retailer dengan kekuatan AI dan mengatasi sebagian besar kekurangan yang disebutkan di atas. Photo Credit: Google Cloud Blog Tidak seperti solusi pencarian lainnya, Retail Search berusaha untuk meningkatkan pengoptimalan pendapatan melalui revenue per visit (RPV) yang lebih tinggi dengan fokus tidak hanya pada relevansi, tapi juga pada daya beli dan personalisasi. Selain itu, layanan rekomendasi ditawarkan Retail Search menggunakan data yang sama sehingga retailer tidak perlu lagi mengelola dua sistem yang  terpisah.

Google Cloud

Melacak Pengecekan Uptime Cloud Monitoring di Aplikasi Seluler Google Cloud

Kemampuan pemeriksaan uptime yang ditawarkan oleh Cloud Monitoring adalah alat observasi yang sederhana namun andal untuk memantau ketersediaan dan kinerja aplikasi pada URL yang disediakan oleh pelanggan. Tujuan utama pemeriksaan uptime adalah untuk melacak ketersediaan sumber daya secara berkelanjutan. Bagaimana cara kerjanya? Pengecekan uptime Cloud Monitoring Ini pada dasarnya adalah pemeriksaan pulse untuk suatu sistem dan sering kali menjadi yang pertama mendeteksi masalah yang akan datang. Menggunakan pemeriksaan uptime dapat secara proaktif mendeteksi masalah ketersediaan dan latensi pada aplikasi serta mengurangi waktu dan tingkat keparahan pengguna yang terkena dampak gangguan. Cek uptime dapat memvalidasi apakah kode respons dari aplikasi Anda sesuai harapan sekaligus memeriksa latensi layanan Anda dari berbagai wilayah. Pemeriksaan uptime dapat menginformasikan SLA dan SLO lebih lanjut serta melacak kesehatan layanan dari waktu ke waktu. Mengingat peran penting yang diberikan oleh pemeriksaan uptime, Google menghadirkan kapabilitas ini di aplikasi seluler Google Cloud. Dengan SRE peluncuran ini, operator atau administrator dapat mengakses sumber daya cloud mereka dengan mudah (App Engine, Compute, Database, Penyimpanan), mengelola izin menggunakan IAM, melihat log, insiden, kesalahan, dan juga billing. Baca juga: Cara Merencanakan Jaringan IPv6 dengan Google Cloud Cara menggunakan cek uptime di aplikasi seluler Google Cloud Untuk mengakses cek uptime, cukup ketuk tab “Operations” di aplikasi seluler Google Cloud di perangkat iOS atau Android Anda. Photo Credit: Google Cloud Blog Setelah masuk ke menu “Uptime Checks”, Anda akan melihat daftar semua layanan yang telah ditambahkan sebelumnya menggunakan dokumentasi Check public uptime check. Photo Credit: Google Cloud Blog Daftar ini diurutkan berdasarkan status, sehingga semua pemeriksaan yang gagal berada di atas. Anda dapat dengan mudah memfilter menurut status menggunakan opsi “Filter” di pojok kanan atas layar. Mengetuk salah satu pemeriksaan uptime akan membawa Anda ke layar “Detail“. Baca juga: Mengintip Layanan Baru Google Cloud: Tawarkan Fleksibilitas Tinggi bagi Pengguna Photo Credit: Google Cloud Blog Di sini Anda akan melihat waktu aktif aplikasi, latensi, status per wilayah (jika Anda memantau aplikasi dari lebih dari satu wilayah cloud) dan grafik untuk memberi Anda pratinjau sekilas. Grafik “passed check” menunjukkan berapa banyak pemeriksaan yang lulus dalam 1 jam terakhir hingga 6 minggu. Anda dapat dengan mudah mengubah interval menggunakan skala di atas grafik. ​ Photo Credit: Google Cloud Blog Gulir ke bawah halaman untuk melihat lebih banyak data. Di bagian bawah layar, telah tersedia beberapa detail konfigurasi untuk pemeriksaan uptime ini, sehingga Anda dapat memeriksa data di atas dengan setelan khusus ini. Fitur baru ini tersedia mulai dari tanggal 1 Maret 2023. Google Cloud menyediakan tombol “Send feedback” di dalam aplikasi jika Anda ingin memberikan masukan. Apabila Anda belum memiliki aplikasinya, bisa langsung mengunduh di Google Play atau App Store. Untuk informasi harga cek uptime, lihat ringkasan harga Cloud Monitoring di sini. Baca juga: Memahami Cara Kerja Cloud Load Balancing di Lingkungan Hybrid dan Multicloud Kemampuan pemeriksaan uptime yang ditawarkan oleh Cloud Monitoring adalah alat observasi yang sederhana namun andal untuk memantau ketersediaan dan kinerja aplikasi pada URL yang disediakan oleh pelanggan. Dengan begitu, Anda dapat selalu melacak ketersediaan sumber daya secara berkelanjutan. Kapabilitas ini dapat Anda nikmati dengan berlangganan Google Cloud melalui EIKON Technology. Kami menawarkan solusi komputasi awan yang dapat disesuaikan dengan kebutuhan lingkungan kerja Anda, termasuk untuk lingkungan kerja hybrid. Untuk informasi lebih lanjut, s klik di sini!

Scroll to Top