Panoramica della classe SDK Vertex AI

Data scientist e 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. Ciò include la creazione di set di dati e il caricamento di dati, l'addestramento di un modello ML, il caricamento e l'archiviazione del modello, il deployment del modello, l'esecuzione di job di previsione batch e la gestione di modelli ed endpoint.

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

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

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

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

  • Le classi di dati includono corsi che funzionano con dati strutturati, dati non strutturati e Vertex AI Feature Store.
  • I corsi di formazione includono corsi che funzionano con AutoML per i dati strutturati e non strutturati, l'addestramento personalizzato, l'addestramento degli iperparametri e l'addestramento delle pipeline.
  • Le classi di modelli funzionano con i modelli e le valutazioni dei modelli.
  • Le classi di previsione funzionano con previsioni batch, previsioni online e previsioni di Vector Search.
  • Le classi di monitoraggio funzionano con Vertex ML Metadata, Vertex AI Experiments e Vertex AI TensorBoard.