Panoramica della classe SDK Vertex AI

I data scientist e gli sviluppatori di machine learning (ML) utilizzano l'SDK Vertex AI per Python per creare, addestrare ed eseguire il deployment di modelli in un flusso di lavoro ML personalizzato. Sono inclusi la creazione di set di dati e il caricamento dei dati, l'addestramento di un modello di ML, il caricamento e lo stoccaggio del modello, il deployment del modello, l'esecuzione di job di predizione batch e la gestione di modelli ed endpoint.

L'SDK Vertex AI include anche classi per creare soluzioni di IA generativa con modelli di base di testo, codice, chat e embedding di testo. Puoi utilizzare queste classi per generare testo, creare un chatbot di testo o di codice, ottimizzare un modello di base e creare un'evidenziazione del testo. Un embedding di testo è un testo nella forma di un vettore utilizzato per cercare elementi. Per ulteriori informazioni, consulta Introduzione alle classi di modelli linguistici nell'SDK Vertex AI.

Puoi utilizzare l'SDK Vertex AI per Python nei notebook JupyterLab ospitati in Vertex AI per scrivere ed eseguire il codice. I notebook includono framework ML preinstallati, come TensorFlow e PyTorch. Puoi anche utilizzare altri notebook, come i notebook di Colab, o un ambiente di sviluppo a tua scelta che supporti Python.

Se vuoi provare a utilizzare l'SDK Vertex AI per Python subito, consulta le seguenti risorse:

L'SDK Vertex AI include molte classi per aiutarti ad automatizzare l'importazione dei dati, ad addestrare i modelli e a ottenere previsioni. Sono inclusi anche i corsi per aiutarti a monitorare, valutare e ottimizzare il tuo flusso di lavoro di machine learning (ML). I livelli possono essere raggruppati in modo approssimativo nelle seguenti categorie:

  • Le classi di dati includono classi che funzionano con dati strutturati, dati non strutturati e Vertex AI Feature Store.
  • I classi di addestramento includono classi che funzionano con l'addestramento AutoML per dati strutturati e non strutturati, addestramento personalizzato, addestramento degli iperparametri e addestramento della pipeline.
  • Le classi di modelli funzionano con i modelli e le relative valutazioni.
  • I classi di previsione funzionano con le previsioni in batch, le previsioni online e le previsioni di ricerca vettoriale.
  • Le classi di monitoraggio funzionano con Vertex ML Metadata, Vertex AI Experiments e Vertex AI TensorBoard.