Vertex AI SDK クラスの概要

データ サイエンティストと ML デベロッパーは、Vertex AI SDK for Python を使用して、カスタム ML ワークフローでモデルの構築、トレーニング、デプロイを行います。これには、データセットの作成とデータのアップロード、ML モデルのトレーニング、モデルのアップロードと保存、モデルのデプロイ、バッチ予測ジョブの実行、モデルとエンドポイントの管理が含まれます。

Vertex AI SDK には、テキスト、コード、チャット、テキスト エンベディングの基盤モデルを使用して生成 AI ソリューションを作成するクラスも含まれています。これらのクラスを使用して、テキストの生成、テキストまたはコード chatbot の作成、基盤モデルの調整、テキスト エンベディングの作成を行うことができます。テキスト エンベディングは、アイテムの検索に使用されるベクトル形式のテキストです。詳細については、Vertex AI SDK の言語モデルクラスの概要をご覧ください。

コードは、Vertex AI でホストされている JupyterLab ノートブックで Vertex AI SDK for Python を使用して作成し、実行できます。ノートブックには、TensorFlow や PyTorch などの ML フレームワークがプリインストールされています。Colab ノートブックなどの他のノートブックや、Python をサポートする任意の開発環境を使用することもできます。

Vertex AI SDK for Python を今すぐ使用する場合は、次のリソースをご覧ください。

Vertex AI SDK には、データの取り込みの自動化、モデルのトレーニング、予測の取得に役立つクラスが多数用意されています。また、ML ワークフローのモニタリング、評価、最適化に役立つクラスも含まれています。クラスは、大きく次のカテゴリに分類できます。

  • データクラスには、構造化データ、非構造化データ、Vertex AI Feature Store を操作するクラスが含まれます。
  • トレーニング クラスには、構造化データと非構造化データ用の AutoML トレーニングを操作するクラス、カスタム トレーニング、ハイパーパラメータ トレーニング、パイプライン トレーニングが含まれます。
  • モデルクラスは、モデルとモデル評価に対応しています。
  • 予測クラスは、バッチ予測、オンライン予測、ベクトル検索予測で動作します。
  • トラッキング クラスは、Vertex ML Metadata、Vertex AI Experiments、Vertex AI TensorBoard で動作します。