Vertex AI Workbench
用于整个数据科学工作流的单一开发环境。
-
以原生方式分析数据，减少服务之间的上下文切换
-
大规模训练数据。与传统笔记本相比，构建和训练模型的速度加快了 5 倍
-
通过与 Vertex AI 服务的简单连接来扩大模型开发
优势
轻松探索和分析
借助 BigQuery、Dataproc、Spark 和 Vertex AI 集成，您可以简化对数据的访问以及笔记本中对机器学习的访问。
快速原型设计和模型开发
利用 Vertex AI 训练的无限计算功能进行实验和原型设计，以便从处理数据到大规模训练。
端到端笔记本工作流
使用 Vertex AI Workbench，您可以在 Vertex AI 上集中实现训练和部署工作流。
主要特性
主要特性
全代管式计算
一个基于 Jupyter 的全代管式可扩缩企业级计算基础架构，具备安全控制和用户管理功能。
交互式数据和机器学习体验
轻松连接到 Google Cloud 的大数据解决方案，探索数据并训练机器学习模型。
用于完成端到端机器学习训练的门户
以轻松过渡方式在 Vertex AI 上开发和部署 AI 解决方案。
文档
技术资源
Google Cloud 基础知识
Vertex AI Workbench 文档
详细了解 Vertex AI Workbench。
Google Cloud 基础知识
Vertex AI 文档
探索 Vertex AI 产品文档（从入门级到高级）。
Google Cloud 基础知识
在此 Codelab 中探索 Vertex AI Workbench 上的端到端机器学习
在此实验室中，您将学习如何使用 Vertex AI Workbench 进行数据探索和机器学习模型训练。
Google Cloud 基础知识
在此 Codelab 中构建图片分类模型
在本实验中，您将学习如何使用 Vertex AI Workbench 配置和启动笔记本执行。
Google Cloud 基础知识
创建代管式笔记本实例
此分步教程可指导您创建代管式笔记本实例。
Google Cloud 基础知识
创建用户管理的笔记本实例
此分步教程可指导您创建用户管理的笔记本实例。
所有特性
所有特性
| 简化了数据访问 | 扩展程序会无缝连接到整个数据资源，包括 BigQuery、数据湖、Dataproc 和 Spark。根据您的分析和 AI 需求无缝纵向扩容或横向扩容。 |
| 使用目录探索数据源 | 通过启用语法感知、自动填充的笔记本单元编写 SQL、Spark 查询。 |
| 直观呈现数据 | 集成的智能可视化工具可让您轻松深入了解数据。 |
| 无需人工干预且经济实惠的基础架构 | 计算的所有方面都是代管的。空闲超时和自动关停可优化总拥有成本。 |
| 简化企业安全管理 | 开箱即用的 Google Cloud 安全控制措施。向其他 Google Cloud 服务进行单点登录和简单身份验证。 |
| 在一个地方集中管理数据湖和 Spark | 无论您使用的是 TensorFlow、PyTorch 还是 Spark，都可以从 Vertex AI Workbench 运行任何引擎。 |
| 深度 Git、训练和 MLOps 集成 | 只需点击几下，即可将笔记本插入已建立的操作工作流。使用笔记本进行分布式训练、超参数优化、计划或触发的持续训练。与 Vertex AI 服务的深度集成将 MLOps 融入了笔记本中，而无需重写代码或新的工作流。 |
| 无缝持续集成/持续交付 | Kubeflow Pipelines 集成，可将 Notebooks 用作理想的、经过测试且经过验证的部署目标。 |
| 笔记本查看器 | 共享定期更新的笔记本单元的输出内容，用于生成报告和留存记录。 |
价格