Vista geral da classe do SDK Vertex AI

Os cientistas de dados e os programadores de aprendizagem automática (ML) usam o Vertex AI SDK para Python para criar, preparar e implementar modelos num fluxo de trabalho de ML personalizado. Isto inclui a criação de conjuntos de dados e o carregamento de dados, a preparação de um modelo de ML, o carregamento e o armazenamento do modelo, a implementação do modelo, a execução de tarefas de previsão em lote e a gestão dos modelos e dos pontos finais.

O SDK Vertex AI também inclui classes para criar soluções de IA generativa com modelos de fundação de texto, código, chat e incorporação de texto. Pode usar estas classes para gerar texto, criar um bot de chat de texto ou código, otimizar um modelo base e criar uma incorporação de texto. Uma incorporação de texto é texto sob a forma de um vetor usado para pesquisar itens. Para mais informações, consulte o artigo Introdução às classes de modelos de linguagem no SDK da Vertex AI.

Pode usar o SDK Vertex AI para Python em blocos de notas JupyterLab alojados no Vertex AI para escrever e executar o seu código. Os notebooks incluem frameworks de ML pré-instalados, como o TensorFlow e o PyTorch. Também pode usar outros blocos de notas, como blocos de notas do Colab, ou usar um ambiente de programador à sua escolha que seja compatível com Python.

Se quiser experimentar usar o SDK Vertex AI para Python agora mesmo, consulte os seguintes recursos:

O SDK do Vertex AI inclui muitas classes para ajudar a automatizar a carregamento de dados, preparar modelos e obter previsões. Também inclui aulas para ajudar a monitorizar, avaliar e otimizar o seu fluxo de trabalho de aprendizagem automática (AA). As classes podem ser agrupadas de forma geral nas seguintes categorias:

  • As classes de dados incluem classes que funcionam com dados estruturados, dados não estruturados e o Vertex AI Feature Store.
  • As classes de preparação incluem classes que funcionam com a preparação do AutoML para dados estruturados e não estruturados, preparação personalizada, preparação de hiperparâmetros e preparação de pipelines.
  • As classes de modelos funcionam com modelos e avaliações de modelos.
  • As classes de previsão funcionam com previsões em lote, previsões online e previsões de pesquisa vetorial.
  • As classes de acompanhamento funcionam com o Vertex ML Metadata, o Vertex AI Experiments e o Vertex AI TensorBoard.