Mendaftarkan model ML BigQuery ke Vertex AI

Ringkasan

Saat membuat model ML BigQuery, Anda dapat menggunakan opsi pelatihan model_registry opsional dalam sintaksis CREATE MODEL untuk mendaftarkan model ke Vertex AI Model Registry. Sintaksis CREATE MODEL juga berisi opsi untuk menambahkan ID model dan alias versi, yang dapat digunakan untuk deployment yang sederhana, pengelolaan model, dan untuk mengaktifkan Vertex Explainable AI di Vertex AI.

Setelah model ML BigQuery Anda menyelesaikan pelatihan dari sisi ML BigQuery, model tersebut akan otomatis ditampilkan di Model Registry bersama model Anda yang lain. Dari kolom Sumber, Anda dapat melihat asal model Anda. Cara cepat untuk menemukan model ML BigQuery Anda adalah dengan memfilter berdasarkan sumber.

Setelah model ML BigQuery terdaftar, Anda dapat menggunakan fungsi Vertex AI Model Registry dengan model Anda. Anda dapat men-deploy ke endpoint, membandingkan versi model, membuat prediksi, memantau model, dan melihat evaluasi model dari tab Evaluasi. Selain itu, jika ingin mempelajari lebih dalam untuk memahami fitur yang berkontribusi terhadap prediksi, Anda dapat menggunakan Vertex Explainable AI untuk mendapatkan penjelasan berbasis fitur tentang model Anda.

Ingat, model ML BigQuery tidak otomatis terdaftar di Model Registry. Semua model yang dibuat menggunakan ML BigQuery masih ditampilkan di antarmuka pengguna ML BigQuery, terlepas dari pendaftaran Vertex AI Model Registry.

Menambahkan ID model Vertex AI

Untuk membantu pengelolaan model, Anda dapat menentukan ID model Vertex AI yang terkait dengan model ML BigQuery Anda. ID ini dapat dilihat dari Model Registry.

ID model Vertex AI tidak menerima huruf besar. Jika ID model Vertex AI tidak ditentukan, ID model ML BigQuery akan digunakan. Dalam hal ini, pastikan ID model ML BigQuery juga ditulis dengan huruf kecil. Untuk melihat daftar lengkap persyaratan ID model, lihat spesifikasinya dalam dokumentasi referensi upload.

Menambahkan alias model Vertex AI

Alias model berguna untuk mengambil atau men-deploy versi model tertentu melalui referensi tanpa perlu mengetahui ID versi tertentu. Dengan cara ini, alias beroperasi mirip dengan referensi Branch atau Tag Docker di Git.

Untuk mempelajari lebih lanjut cara kerja alias Model Registry, lihat Cara menggunakan alias versi model.

Mendaftarkan model ML BigQuery

Untuk mendaftarkan model ML BigQuery baru dengan Model Registry, Anda harus menjalankan sintaksis CREATE MODEL. Untuk mempelajari lebih lanjut, baca Pernyataan CREATE MODEL dari dokumentasi referensi. Saat Anda membuat model baru menggunakan sintaksis CREATE MODEL, baris model_registry="vertex_ai" dalam perintah SQL diperlukan untuk mendaftarkan model ML BigQuery Anda.

Untuk mendaftarkan model ML BigQuery yang ada ke Model Registry, lihat Mendaftarkan model terlatih yang ada.

Sintaksis CREATE MODEL

{CREATE MODEL| CREATE MODEL IF NOT EXISTS| CREATE OR REPLACE MODEL}
model_name
[TRANSFORM (select_list)]
[OPTIONS
(MODEL_REGISTRY = {'VERTEX_AI' }
   [,VERTEX_AI_MODEL_ID = string_value ]
   [,VERTEX_AI_MODEL_VERSION_ALIASES = string_array ]
   , ...)

Pembuatan versi model dengan model ML BigQuery

Jika Anda ingin membuat versi baru dari model ML BigQuery yang sudah ada dan membandingkannya dengan model lain di Vertex AI Model Registry, saat membuat model, Anda harus menggunakan ID model ML BigQuery yang berbeda, lalu mendaftarkannya ke ID model Model Registry yang asli.

Jika Anda membuat model ML BigQuery dengan pernyataan CREATE ATAU REPLACE MODEL dan menggunakan ID ML BigQuery yang sudah ada, versi model Model Registry yang ada akan dihapus dan diganti dengan versi baru.

Langkah selanjutnya