O BigQuery ML é um serviço do Google Cloud em que é possível criar e executar modelos de machine learning no BigQuery ML usando consultas SQL padrão. Com a Vertex AI, é possível usar ferramentas pré-treinadas e personalizadas em uma plataforma unificada. Quando você registra os modelos do BigQuery ML no Registro de modelos, é possível gerenciá-los com outros modelos de ML para facilitar o controle de versão, a avaliação e a implantação para previsão.
Com essa integração, é possível escolher quais modelos do BigQuery ML serão registrados no Model Registry. Depois de registrado, é possível implantar o modelo de ML do BigQuery em um endpoint para previsão on-line.
No BigQuery ML, é possível registrar:
- Modelos integrados do BigQuery ML
- Modelos do TensorFlow do BigQuery ML
Embora os modelos XGboost e ARIMA_PLUS do BigQuery ML possam ser registrados no Registro de modelos da Vertex AI, eles não podem ser implantados.
Para saber como integrar modelos do BigQuery ML ao Registro de modelos da Vertex AI, consulte BigQuery ML e Registro de modelos da Vertex AI.
Notebook do Vertex AI Model Registry e BigQuery ML
Neste notebook, descreve como usar o Model Registry e o BigQuery ML para implantar e fazer previsões nos modelos.
Neste tutorial, usamos os seguintes serviços e recursos do Google Cloud:
- Modelo da Vertex AI
- Recursos do Vertex AI Model Registry
- Recursos
endpointda Vertex AI - Vertex AI Explainable AI
- Previsão do Vertex AI
- BigQuery ML
As etapas a serem realizadas incluem:
- Treinar um novo modelo usando o BigQuery ML.
- Registrar o modelo para o Vertex AI Model Registry
- Crie um recurso
endpointda Vertex AI - Implante o recurso
modelno recursoendpointe ative o XAI. - Fazer solicitações de previsão para o modelo
endpoint.