Gérer des modèles BigQuery ML dans Vertex AI

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

Pour en savoir plus sur la prédiction Vertex AI, consultez la page Présentation de l'obtention de prédictions sur Vertex AI.

Remarque : Bien que tous les types de modèles puissent être enregistrés, les restrictions de déploiement continuent de s'appliquer à certains types de modèles. Pour en savoir plus, consultez la section Déploiement de modèle.

• Ajouter BigQuery ML à Model Registry
• Mettre à jour un modèle BigQuery ML dans Model Registry
• Afficher les évaluations BigQuery ML à partir de Model Registry
• Supprimer un modèle BigQuery ML de Model Registry

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.

Prérequis

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 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 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 Model Registry ?

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

Pour en savoir plus sur la mise à jour des emplacements de modèle, consultez la section Emplacements dans la documentation sur les ressources Vertex AI.

Puis-je utiliser les fonctionnalités XAI de Model Registry 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 Model Registry. Pour en savoir plus, consultez la présentation d'Explainable AI dans BigQuery ML.

Notebook

Pour commencer à utiliser 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 Model Registry et déployez-le sur un point de terminaison pour obtenir des prédictions en temps réel.	Prédiction en ligne avec BigQuery ML

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