- AutoML: 最小限の技術的知識と労力でモデルを作成してトレーニングします。AutoML の詳細については、AutoML 初心者向けガイドをご覧ください。
- Vertex AI カスタム トレーニング: 任意の ML フレームワークを使用して、大規模なモデルの作成とトレーニングを行います。Vertex AI でのカスタム トレーニングについて詳しくは、カスタム トレーニングの概要をご覧ください。
- Ray on Vertex AI: オープンソースの Ray コードを使用して、コードをほとんど変更せずに Vertex AI 上でプログラムの記述やアプリケーションの開発を行えます。
どの方法を使用するかを決定する方法については、トレーニング方法を選択するをご覧ください。
AutoML
Vertex AI の AutoML では、ユーザーが提供するトレーニング データに基づいて、コード不要の ML モデルを構築できます。AutoML は、さまざまなデータ型と予測タスクのデータ準備、モデル選択、ハイパーパラメータ調整、デプロイなどのタスクを自動化できるため、幅広いユーザーが ML を利用しやすくなります。
AutoML で作成できるモデルの種類
構築できるモデルの種類はデータのタイプによって異なります。Vertex AI は、次のデータ型とモデルの目的に対応する AutoML ソリューションを提供します。
| データのタイプ | サポートされる目的 |
|---|---|
| 画像データ | 分類、オブジェクト検出 |
| 動画データ | 動作認識、分類、オブジェクト トラッキング |
| 表形式のデータ | 分類 / 回帰、予測 |
AutoML の詳細については、AutoML トレーニングの概要をご覧ください。
Vertex AI カスタム トレーニング
ニーズに対応できる AutoML ソリューションがない場合は、独自のトレーニング アプリケーションを作成し、作成したアプリケーションを使用して Vertex AI でカスタムモデルをトレーニングすることもできます。任意の ML フレームワークを使用して、トレーニングに使用する次のようなコンピューティング リソースを構成できます。
- VM のタイプと数。
- グラフィック プロセッシング ユニット（GPU）。
- Tensor Processing Unit（TPU）。
- ブートディスクのタイプとサイズ。
Vertex AI でのカスタム トレーニングについて詳しくは、カスタム トレーニングの概要をご覧ください。
Vertex AI での Ray
Ray on Vertex AI は、オープンソースの Ray フレームワークを使用して、Vertex AI プラットフォーム内で AI と Python アプリケーションを直接スケーリングできるサービスです。Ray は、ML ワークフローの分散コンピューティングと並列処理のためのインフラストラクチャを提供するように設計されています。
Ray on Vertex AI は、Ray フレームワークを使用して分散アプリケーションを実行するためのマネージド環境を提供し、 Google Cloud サービスとのスケーラビリティと統合を実現します。
Ray on Vertex AI の詳細については、Ray on Vertex AI の概要をご覧ください。