Présentation des classes du SDK Vertex AI

Les data scientists et les développeurs en machine learning (ML) utilisent le SDK Vertex AI pour Python pour créer, entraîner et déployer des modèles dans un workflow de ML personnalisé. Cela inclut la création d'ensembles de données et l'importation de données, l'entraînement d'un modèle de ML, l'importation et le stockage de votre modèle, le déploiement de votre modèle, l'exécution de jobs de prédiction par lot et la gestion de vos modèles et points de terminaison.

Le SDK Vertex AI inclut également des classes permettant de créer des solutions d'IA générative avec des modèles de fondation de texte, de code, de chat et de représentations vectorielles continues de texte. Vous pouvez utiliser ces classes pour générer du texte, créer un chatbot de texte ou de code, régler un modèle de fondation et créer une représentation vectorielle continue de texte. Une représentation vectorielle continue de texte est un texte sous forme de vecteur utilisé pour rechercher des éléments. Pour plus d'informations, consultez la page Présentation des classes de modèle de langage dans le SDK Vertex AI.

Vous pouvez utiliser le SDK Vertex AI pour Python dans des notebooks JupyterLab hébergés dans Vertex AI pour écrire et exécuter votre code. Les notebooks incluent des frameworks de ML préinstallés, tels que TensorFlow et PyTorch. Vous pouvez également utiliser d'autres notebooks, tels que des notebooks Colab, ou un environnement de développement de votre choix compatible avec Python.

Si vous souhaitez essayer d'utiliser le SDK Vertex AI pour Python dès maintenant, consultez les ressources suivantes :

Le SDK Vertex AI inclut de nombreuses classes pour vous aider à automatiser l'ingestion de données, entraîner des modèles et obtenir des prédictions. Il comprend également des classes pour vous aider à surveiller, évaluer et optimiser votre workflow de machine learning (ML). Les classes peuvent être regroupées en plusieurs catégories :

  • Les classes de données incluent des classes qui fonctionnent avec les données structurées, les données non structurées et Vertex AI Feature Store.
  • Les classes d'entraînement incluent des classes qui fonctionnent avec l'entraînement AutoML pour les données structurées et non structurées, l'entraînement personnalisé, l'entraînement des hyperparamètres et l'entraînement des pipelines.
  • Les classes de modèle fonctionnent avec les modèles et les évaluations de modèle.
  • Les classes de prédiction fonctionnent avec les prédictions par lot, les prédictions en ligne et les prédictions Vector Search
  • Les classes de suivi fonctionnent avec Vertex ML Metadata, les tests Vertex AI et Vertex AI TensorBoard.