AI Platform Prediction 문서

AI Platform Prediction은 TensorFlow, scikit-learn, XGBoost의 강력한 기능과 유연성을 클라우드에 결합한 것으로 AI Platform Prediction으로 학습된 모델을 호스팅하여 예측 요청을 보낼 수 있습니다.

시작하기

• AI Platform 소개

  AI Platform 제품 개요

• Prediction 개요

  AI Platform Prediction을 사용하여 머신러닝 모델을 호스팅하고 예측을 제공하는 방법을 소개합니다.

• 개발 환경

  로컬 개발 환경의 요구 사항을 설명합니다.

• 온라인 예측과 일괄 예측 비교

  온라인 예측과 일괄 예측 간의 차이점을 간략하게 설명합니다.

• 시작하기: TensorFlow Keras를 사용한 학습 및 예측

  AI Platform Training에서 TensorFlow Keras 모델을 학습시키고 해당 모델을 AI Platform Prediction에 배포합니다.

• 시작하기: TensorFlow 에스티메이터를 사용한 학습 및 예측

  AI Platform Training에서 TensorFlow 에스티메이터 모델을 학습시키고 해당 모델을 AI Platform Prediction에 배포합니다.

• scikit-learn 및 XGBoost 시작하기

  scikit-learn 또는 XGBoost 모델을 배포하여 예측을 제공합니다.

예측 워크플로

• 예측 모델 내보내기

  AI Platform Prediction에 사용할 수 있는 모델 아티팩트를 내보내도록 학습 코드를 작성합니다.

• 예측용 저장된 모델 내보내기

  AI Platform Prediction과 호환되도록 TensorFlow 저장된 모델을 내보냅니다.

• 모델 배포

  모델과 모델 버전 리소스를 만들어 머신러닝 모델을 배포합니다.

• 커스텀 예측 루틴

  AI Platform Prediction에서 예측 요청을 처리하는 방법을 맞춤설정합니다.

• 온라인 예측용 머신 유형

  AI Platform Prediction에서 요청을 처리하는 데 사용할 가상 머신과 GPU의 유형을 구성합니다.

• 온라인 예측 수행

  배포된 머신러닝 모델로 요청을 보내고 예측 결과를 받습니다.

• 일괄 예측 수행

  TensorFlow 모델을 사용하여 대량의 데이터 인스턴스에서 예측을 수행합니다.

온라인 예측을 위한 커스텀 컨테이너

• 시작하기: 커스텀 컨테이너로 PyTorch 예측 제공

  커스텀 컨테이너를 사용하여 온라인 예측을 제공하는 PyTorch 머신러닝 모델을 배포합니다.

• 커스텀 컨테이너 요구사항

  AI Platform Prediction에 사용할 커스텀 Docker 컨테이너 이미지를 만들기 위한 요구사항을 알아봅니다.

• 커스텀 컨테이너 사용

  커스텀 컨테이너를 사용하도록 모델 버전을 구성합니다.

도구 및 서비스와 통합

• Python 클라이언트 라이브러리 사용

  Python용 Google API 클라이언트 라이브러리를 사용하여 AI Platform Training 및 Prediction API에 요청을 보냅니다.

• Cloud Storage 작업

  AI Platform Prediction에서 작동하도록 Cloud Storage를 설정합니다.

• What-If 도구 사용

  대화형 대시보드를 사용하여 배포된 모델을 검사합니다.

모니터링 및 보안

• 모델 모니터링

  배포된 모델의 성능과 동작을 모니터링합니다.

• 감사 로그 보기

  Cloud 감사 로그를 사용하여 관리자 활동과 데이터 액세스를 모니터링합니다.

• 액세스 제어

  AI Platform Training 및 Prediction API뿐만 아니라 이러한 권한을 제공하는 IAM 역할에서 다양한 작업을 수행하는 데 필요한 권한에 대한 개요입니다.

• 커스텀 서비스 계정 사용

  커스텀 서비스 계정을 사용하여 예측을 제공하도록 모델 버전을 구성합니다.

• VPC 서비스 제어 사용

  데이터 무단 반출 위험을 줄이기 위해 VPC 서비스 제어를 구성합니다.

AI Platform Prediction 리소스

• 프로젝트, 모델, 버전, 작업

  AI Platform에서 만들고 상호작용하는 리소스를 간략하게 설명합니다.

• 모델 및 작업 관리

  사용자가 만든 AI Platform 리소스를 관리합니다.

• 리소스 라벨 지정

  커스텀 라벨을 사용하여 작업, 모델, 모델 버전을 구성합니다.

• 모델 공유

  AI Platform Prediction 리소스에 대한 액세스 권한을 다른 사용자, 그룹 또는 서비스 계정과 공유합니다.

튜토리얼

• Keras로 커스텀 예측 루틴 만들기

  요청을 처리할 수 있도록 전처리 및 후처리 코드와 함께 Keras 모델을 배포합니다.

• XGBoost를 사용한 온라인 예측 수행

  XGBoost 모델을 배포하고 예측을 요청합니다.

• scikit-learn으로 온라인 예측 수행

  변환기가 여러 개 있는 파이프라인을 사용하는 scikit-learn 모델을 배포합니다.

• scikit-learn 파이프라인을 통한 예측

  전처리 단계와 분류 단계가 있는 파이프라인을 사용하는 scikit-learn 모델을 배포합니다.

• 커스텀 변환기가 있는 scikit-learn 파이프라인 사용

  커스텀 전처리가 있는 scikit-learn 파이프라인을 배포합니다.

• scikit-learn으로 커스텀 예측 루틴 만들기

  요청을 처리할 수 있도록 전처리 및 후처리 코드와 함께 scikit-learn 모델을 배포합니다.

• Kaggle 및 AI Platform Prediction에서 scikit-learn 사용

  Kaggle에서 모델을 학습시키고 AI Platform Prediction에 배포합니다.

런타임 버전

• 런타임 버전 목록

  예측을 제공하는 데 사용할 수 있는 런타임 버전의 가용성과 종속 항목에 대한 정보입니다.

• 런타임 버전 관리

  모델 버전의 종속 항목 버전을 구성합니다.

리전

• 리전

  다양한 기능을 지원하는 Google Cloud 리전에 대한 정보입니다.

AI Explanations

• AI Explanations 개요

  AI Platform Prediction과 함께 AI Explanations를 사용하는 방법을 소개합니다.

• AI Explanations 시작하기

  TensorFlow 모델을 배포하고 설명을 요청합니다.

• AI Explanations 제한사항

  AI Explanations를 사용할 때 고려해야 하는 사항을 설명합니다.

• 특성 기여 분석 사용

  AI Explanations용 머신러닝 모델을 구성하고 설명을 요청합니다.

• TensorFlow 모델 저장

  AI Explanations에 대한 TensorFlow 2 및 TensorFlow 1.15 모델을 올바르게 저장합니다.

• 메타데이터 준비

  Explainable AI SDK를 사용하여 AI Explanations에 필요한 설명 메타데이터 파일을 만듭니다.

• 설명 시각화

  AI Explanations로 설명을 시각화합니다.

• 설명에 대한 입력 및 출력 이해

  기존 TensorFlow 1.15 모델을 AI Explanations에 배포하기 전에 입력 및 출력 텐서를 수동으로 생성하여 설명 메타데이터 파일을 수동으로 만듭니다.

지속적 평가

• 지속적 평가 개요

  지속적 평가를 소개합니다.

• 지속적 평가를 시작하기 전에

  지속적 평가와 호환되도록 머신러닝 모델을 준비합니다.

• 평가 작업 만들기

  모델 버전을 평가할 방법을 구성합니다.

• 평가 측정항목 보기

  지속적 평가를 통해 계산된 모델에 대한 측정항목을 봅니다.

• 평가 작업 업데이트, 일시중지 또는 삭제

  기존의 지속적 평가 작업을 업데이트합니다.

API 및 참조

• AI Platform Training 및 예측 API 참조

  REST API에 대한 자세한 설명입니다.

지원

• 문제 해결

  일반적인 문제의 원인을 파악합니다.

• 지원 받기

  발생한 문제에 대한 지원을 찾아보세요.

• 결제 관련 문의

  일반적인 결제 관련 문의에 답변할 수 있는 리소스입니다.

리소스

• 가격 책정

  자세한 가격 정보입니다.

• 할당량 및 한도

  AI Platform Prediction 리소스에 대한 사용 정책입니다.

• 출시 노트

  업데이트에 대한 세부정보입니다.

• 보관처리된 출시 노트

  2019년 4월 10일 이전의 출시 노트입니다.