BigQuery ML e Vertex AI Model Registry

Mantenha tudo organizado com as coleções Salve e categorize o conteúdo com base nas suas preferências.

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 modelos do BigQuery ML com o Vertex AI Model Registry, é possível gerenciá-los com outros modelos de ML para facilitar a versão, avaliar e implantar para previsão.

Com essa integração, é possível escolher quais modelos do BigQuery ML registrar no Vertex AI 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

No momento, os modelos XGboost e ARIMA_PLUS do BigQuery ML podem ser registrados no Vertex AI Model Registry, mas não implantados.

Para saber como integrar seus modelos do BigQuery ML ao Vertex AI Model Registry, consulte BigQuery ML e Vertex AI Model Registry.

Notebook do Vertex AI Model Registry e BigQuery ML

Neste notebook, descreve como usar o Vertex AI Model Registry e o BigQuery ML para implantar e fazer previsões nos modelos.

Neste tutorial, usamos os seguintes serviços e recursos de ML do Google Cloud:

  • Modelo da Vertex AI
  • Recursos do Vertex AI Model Registry
  • Recursos endpoint da Vertex AI
  • Previsão de IA do Vertex
  • BigQuery ML

As etapas a serem realizadas incluem:

  • Treinar um novo modelo usando o BigQuery ML.
  • Fazer upload do modelo para o Vertex AI Model Registry
  • Crie um recurso endpoint da Vertex AI
  • Implantar o recurso model no recurso endpoint.
  • Fazer solicitações de previsão para o modelo endpoint.