Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Developer data scientist dan machine learning (ML) menggunakan
Vertex AI SDK untuk Python dalam membuat, melatih, dan men-deploy model pada alur kerja
ML kustom. Aktivitas ini mencakup membuat set data dan mengupload data, melatih model ML, mengupload dan menyimpan model, men-deploy model, menjalankan tugas prediksi batch, serta mengelola model dan endpoint Anda.
SDK Vertex AI juga mencakup kelas untuk membuat solusi AI generatif
dengan model dasar penyematan teks, kode, chat, dan teks. Anda dapat
menggunakan kelas ini untuk menghasilkan teks, membuat chatbot teks atau kode, menyesuaikan
model dasar, dan membuat penyematan teks. Penyematan teks adalah teks dalam bentuk
vektor yang digunakan untuk menelusuri item. Untuk mengetahui informasi selengkapnya, lihat
Pengantar kelas model bahasa di SDK Vertex AI .
Anda dapat menggunakan Vertex AI SDK untuk Python di notebook JupyterLab yang dihosting di dalam
Vertex AI untuk menulis dan menjalankan kode Anda. Notebook ini menyertakan framework ML bawaan, seperti TensorFlow dan PyTorch. Anda juga dapat menggunakan notebook lain, seperti notebook Colab, atau menggunakan lingkungan developer pilihan Anda yang mendukung Python.
Jika Anda ingin mencoba menggunakan SDK Vertex AI untuk Python sekarang, lihat resource
berikut:
SDK Vertex AI mencakup banyak kelas untuk membantu Anda mengotomatiskan penyerapan
data, melatih model, dan mendapatkan prediksi. Kursus ini juga mencakup kelas untuk membantu Anda memantau, mengevaluasi, dan mengoptimalkan alur kerja machine learning (ML). Kelas
ini dapat dikelompokkan secara fleksibel ke dalam kategori berikut:
Kelas data mencakup kelas yang bekerja dengan data terstruktur,
data tidak terstruktur, dan Vertex AI Feature Store.
Kelas pelatihan mencakup kelas yang menggunakan pelatihan AutoML untuk data terstruktur dan tidak terstruktur, pelatihan kustom, pelatihan hyperparameter, dan pelatihan pipeline.
Kelas model berfungsi dengan evaluasi model dan model.
Kelas prediksi berfungsi dengan prediksi batch, prediksi online, dan prediksi Penelusuran vektor.
Kelas pelacakan berfungsi dengan Vertex ML Metadata,
Eksperimen Vertex AI, dan TensorBoard Vertex AI.
[[["Mudah dipahami","easyToUnderstand","thumb-up"],["Memecahkan masalah saya","solvedMyProblem","thumb-up"],["Lainnya","otherUp","thumb-up"]],[["Sulit dipahami","hardToUnderstand","thumb-down"],["Informasi atau kode contoh salah","incorrectInformationOrSampleCode","thumb-down"],["Informasi/contoh yang saya butuhkan tidak ada","missingTheInformationSamplesINeed","thumb-down"],["Masalah terjemahan","translationIssue","thumb-down"],["Lainnya","otherDown","thumb-down"]],["Terakhir diperbarui pada 2025-09-04 UTC."],[],[],null,["# Vertex AI SDK class overview\n\nData scientists and machine learning (ML) developers use the Vertex AI SDK for Python to build, train, and deploy models in a custom ML workflow. This includes creating datasets and uploading data, training an ML model, uploading and storing your model, deploying your model, running batch prediction jobs, and managing your models and endpoints.\n\n\u003cbr /\u003e\n\nThe Vertex AI SDK also includes classes to create generative AI\nsolutions with text, code, chat, and text embedding foundation models. You can\nuse these classes to generate text, create a text or code chatbot, tune a\nfoundation model, and create a text embedding. A text embedding is text in the\nform of a vector used to search for items. For more information, see\n[Introduction to language model classes in the Vertex AI SDK](/vertex-ai/generative-ai/docs/sdk-for-llm/llm-sdk-overview).\n\nYou can use the Vertex AI SDK for Python in hosted JupyterLab notebooks within\nVertex AI to write and run your code. The notebooks include preinstalled\nML frameworks, such as TensorFlow and PyTorch. You can also use other notebooks,\nsuch as Colab notebooks, or use a developer environment of your choice that\nsupports Python.\n\nIf you want to try using the Vertex AI SDK for Python right now, see the following\nresources:\n\n- [Introduction to the Vertex AI SDK for Python](/vertex-ai/docs/python-sdk/use-vertex-ai-python-sdk)\n- [Vertex AI SDK reference](/python/docs/reference/aiplatform/latest/google.cloud.aiplatform)\n- [Vertex AI SDK language model reference](/python/docs/reference/aiplatform/latest/vertexai.language_models)\n- [Train a model using Vertex AI and the Python SDK](/vertex-ai/docs/tutorials/tabular-bq-prediction)\n\nThe Vertex AI SDK includes many classes to help you automate data\ningestion, train models, and get predictions. It also includes classes to help\nyou monitor, evaluate, and optimize your machine learning (ML) workflow. The\nclasses can be loosely grouped into the following categories:\n\n- [Data classes](/vertex-ai/docs/python-sdk/data-classes) include classes that work with structured data, unstructured data, and the Vertex AI Feature Store.\n- [Training classes](/vertex-ai/docs/python-sdk/training-classes) include classes that work with AutoML training for structured and unstructured data, custom training, hyperparameter training, and pipeline training.\n- [Model classes](/vertex-ai/docs/python-sdk/model-classes) work with models and model evaluations.\n- [Prediction classes](/vertex-ai/docs/python-sdk/prediction-classes) work with batch predictions, online predictions, and Vector Search predictions.\n- [Tracking classes](/vertex-ai/docs/python-sdk/tracking-classes) work with Vertex ML Metadata, Vertex AI Experiments, and Vertex AI TensorBoard."]]
