Gérer les modèles BigQuery ML dans Vertex AI

Restez organisé à l'aide des collections Enregistrez et classez les contenus selon vos préférences.

Vous pouvez enregistrer des modèles BigQuery ML dans Vertex AI Model Registry afin de les gérer avec vos autres modèles de ML sans avoir à les exporter. Lorsque vous intégrez vos modèles à Vertex AI Model Registry, vous pouvez gérer les versions, les évaluer et les déployer pour la prédiction en ligne à l'aide d'une interface unique et sans avoir besoin d'un conteneur de diffusion. Si vous ne connaissez pas Vertex AI et que vous souhaitez en savoir plus sur son intégration à BigQuery ML, consultez la page Vertex AI pour les utilisateurs BigQuery.

Pour en savoir plus sur la prédiction Vertex AI, consultez la page Présentation des prédictions sur Vertex AI.

Pour savoir comment gérer vos modèles BigQuery ML à partir du registre de modèles Vertex AI, consultez la page Présentation du registre de modèles Vertex AI.

Prerequisites

Pour ajouter des modèles BigQuery ML à Vertex AI Model Registry, vous devez activer l'API Vertex AI dans votre projet. Utilisez la commande gcloud suivante :

gcloud --project PROJECT_ID services enable  aiplatform.googleapis.com

Les identifiants requis pour exécuter cette tâche doivent disposer des autorisations Vertex AI. Pour en savoir plus, consultez la page Contrôle des accès avec IAM.

Utilisez cette commande pour accorder à Vertex AI Model Registry l'autorisation d'accéder à votre compte de service:

gcloud projects add-iam-policy-binding PROJECT_ID --member=serviceAccount:YOUR_SERVICE_ACCOUNT --role=roles/aiplatform.admin --condition=None

Si vous n'êtes pas propriétaire du projet, utilisez la commande suivante pour accorder à Vertex AI Model Registry l'autorisation d'accéder à votre compte :

gcloud projects add-iam-policy-binding PROJECT_ID --member=user:YOUR_GCLOUD_ACCOUNT --role=roles/aiplatform.admin --condition=None

Points à prendre en compte

Que se passe-t-il lorsque j'enregistre un modèle BigQuery ML multirégional dans le registre de modèles Vertex AI ?

À ce stade, si vous décidez d'ajouter un modèle BigQuery ML multirégional à Vertex AI Model Registry, le modèle devient un modèle régional dans Vertex AI. Un modèle multirégional BigQuery ML US est synchronisé avec Vertex AI (us-central1) et un modèle européen BigQuery ML UE synchronisé avec Vertex AI (europe-west4). Pour les modèles dans une seule région, il n'y a pas de modification.

Pour savoir comment mettre à jour les emplacements de modèle, consultez la section Emplacements de la documentation sur les ressources Vertex AI.

Puis-je utiliser les fonctionnalités XAI du registre de modèles Vertex AI avec des modèles BigQuery ML ?

Pour le moment, vous ne pouvez utiliser que BigQuery ML Explainable AI. Les fonctionnalités XAI ne sont pas compatibles avec Vertex AI Model Registry. Pour en savoir plus, consultez la présentation de BigQuery Explainable AI.

Notebook

Pour commencer à utiliser Vertex AI Model Registry et BigQuery ML, utilisez l'un des notebooks disponibles:

Que souhaitez-vous faire ? Ressource
Entraînez un modèle à l'aide de BigQuery ML, enregistrez le modèle dans Vertex AI Model Registry et déployez-le sur un point de terminaison pour obtenir des prédictions en temps réel. Prédiction en ligne avec BigQuery ML
Entraînez un modèle avec BigQuery ML et importez-le dans Vertex AI Model Registry, puis effectuez des prédictions par lot. Déployez un modèle BigQuery ML sur Vertex AI Model Registry et effectuez des prédictions.

Pour en savoir plus sur Vertex AI Model Registry, consultez la page Présentation de Vertex AI Model Registry.