BigQuery ML und Vertex AI Model Registry

Mit Sammlungen den Überblick behalten Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.

BigQuery ML ist ein Google Cloud-Dienst, mit dem Sie mithilfe von Standard-SQL-Abfragen Modelle für maschinelles Lernen in BigQuery ML erstellen und ausführen können. Mit Vertex AI können Sie vortrainierte und angepasste Tools auf einer einheitlichen Plattform verwenden. Wenn Sie Ihre BigQuery ML-Modelle in Vertex AI Model Registry registrieren, können Sie sie zusammen mit Ihren anderen ML-Modellen verwalten, um eine Version mühelos zu erstellen, zu bewerten und für Vorhersagen einzusetzen.

Mit dieser Integration können Sie auswählen, welche BigQuery ML-Modelle bei Vertex AI Model Registry registriert werden sollen. Nach der Registrierung können Sie das BigQuery ML-Modell für eine Onlinevorhersage an einen Endpunkt bereitstellen.

Bei BigQuery ML können Sie sich registrieren:

  • Integrierte BigQuery ML-Modelle
  • TensorFlow-Modelle in BigQuery ML

Derzeit können BigQuery ML XGboost- und ARIMA_PLUS-Modelle in Vertex AI Model Registry registriert, aber nicht bereitgestellt werden.

Informationen zum Einbinden von BigQuery ML-Modellen in Vertex AI Model Registry finden Sie unter BigQuery ML und Vertex AI Model Registry.

Notebook für Vertex AI Model Registry und BigQuery ML

In diesem Notebook wird beschrieben, wie Sie Vertex AI Model Registry und BigQuery ML verwenden, um Modelle zu erstellen und Vorhersagen zu treffen.

In dieser Anleitung werden folgende Google Cloud ML-Dienste und -Ressourcen verwendet:

  • Vertex AI-Modell
  • Vertex AI Model Registry-Ressourcen
  • Vertex AI-endpoint-Ressourcen
  • Vertex AI-Vorhersage
  • BigQuery ML

Die durchgeführten Schritte umfassen Folgendes:

  • Neues Modell mit BigQuery ML trainieren
  • Modell in Vertex AI Model Registry hochladen
  • Vertex AI-endpoint-Ressource erstellen
  • Bereitstellen der Ressource model für die Ressource endpoint.
  • Stellen Sie Vorhersageanfragen an das Modell endpoint.