為什麼特別強調2019?

看一下GCP、AWS、Azure的2018使用統計比較：

圖片資料來源

很明顯地，GCP落後一大截。所以我們在今年的GOOGLE CLOUD NEXT 2019看到2019年GCP的野心：

Anthos

根據調查，有超過 88 % 的企業想要使用混合雲策略，卻有超過 80 % 的企業仍在使用本地（On-premises）機房。之所以混合雲的目標不容易實現，通常是因為搬遷雲端的過程中牽扯許多困難決定，企業在沒有雲端經驗的情況下很難做判斷。

Google’s AI Platform

就算對於機器學習不太了解，你仍然可以享受它帶來的便利與好處。Google Cloud 繼上次推出 AutoML Vision 之後，這次又強化其能力，推出 AutoML Tables、AutoML Natural Language、AutoML Video Intelligence。同時也端出完整的機器學習解決方案，讓開發者、分析師能透過 AI Platform 共同合作，並且透過 AI Hub 元件庫，讓企業彼此可以分享資訊，加速技術發展。

Serverless

Serverless has grown from just compute, expanding to databases, machine learning and more, and this rapid growth is reflected in our Google Cloud Next ‘19 sessions this year. Two years ago, we hosted just three serverless sessions. This year we have an entire serverless track with more than thirty sessions!

Further reading 1 ; Further reading 2 ; Further reading 3

當然，我們在這30天內無法接觸到Anthos，不過AI相關的工具則可以碰到不少。
總結一下這30天內，GCP在Coursera上提供的課程內容及工具：
( 課程名稱 -- 實作內容概述 )

1. How google does machine learning -- Datalab, BigQuery以及ML API的環境熟悉及啟用方式
2. Launching into machine learning -- 透過BigQuery及Datalab對資料集進行處理
3. Intro to tensorflow -- 在AI Plateform熟悉tensorflow的語法
4. Feature engineering -- 整合了cloud shell、tensorflow語法、Bigquery用法來進行feature engineering
5. Art and science of machine learning -- 利用上述工具來形成一個model及訓練

接下來這幾天的內容，除了課程內容的基本描述，也會加上找到的資料及自己的學習心得，讓文章內容更豐富。(當然也會隨著自己的學習修改)