Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
En esta página, se describen las interfaces que puedes usar para interactuar con Vertex AI y cuándo debes usarlas. Puedes usar estas interfaces junto con una de las soluciones de notebook de Vertex AI.
Algunas operaciones de Vertex AI solo están disponibles a través de interfaces específicas, por lo que es posible que debas cambiar entre interfaces durante el flujo de trabajo.
Por ejemplo, en Vertex AI Experiments, debes usar la API para registrar datos en una ejecución de experimento, pero puedes ver los resultados en la consola.
Console
La consola de Google Cloud es una interfaz gráfica de usuario que puedes usar para trabajar con tus recursos de aprendizaje automático.
En la consola de Google Cloud, puedes administrar tus conjuntos de datos administrados, modelos, extremos y trabajos. También puedes acceder a otros servicios de Google Cloud, como Cloud Storage y BigQuery, a través de la consola.
Usa la consola de Google Cloud si prefieres ver y administrar tus recursos de Vertex AI y las visualizaciones a través de una interfaz gráfica de usuario.
Para obtener más información, consulta la página Panel de la sección Vertex AI:
Usa Google Cloud CLI cuando desees administrar tus recursos de Vertex AI desde la línea de comandos o mediante secuencias de comandos y otra automatización.
Terraform es una herramienta de infraestructura como código (IaC) que puedes usar para aprovisionar la infraestructura, como recursos y permisos, para varios servicios de Google Cloud, incluido Vertex AI.
Puedes definir los recursos y permisos de Vertex AI para tu proyecto de Google Cloud en un archivo de configuración de Terraform. Luego, puedes usar Terraform para aplicar la configuración a tu proyecto creando recursos nuevos y actualizando los existentes.
Usa Terraform si deseas estandarizar la infraestructura para los recursos de Vertex AI en tu proyecto de Google Cloud y actualizar la infraestructura existente del proyecto de Google Cloud mientras cumples con las dependencias de recursos.
Usa el SDK de Vertex AI para Python a fin de automatizar el flujo de trabajo de Vertex AI de manera programática.
El SDK de Vertex AI para Python es similar a la biblioteca cliente de Python de Vertex AI, excepto que el SDK es de mayor nivel y menos detallado. Para obtener más información, consulta Diferencias entre el SDK y la biblioteca cliente.
Las bibliotecas cliente usan las convenciones naturales de cada idioma compatible para llamar a la API de Vertex AI y reducir el código estándar que debes escribir.
Vertex AI admite los siguientes lenguajes:
Python. La biblioteca cliente de Python de Vertex AI se instala cuando instalas el SDK de Vertex AI para Python.
La API de REST de Vertex AI proporciona servicios de RESTful para administrar trabajos, modelos y extremos, y realizar predicciones con modelos alojados en Google Cloud.
Usa la API de REST si necesitas usar tus propias bibliotecas para llamar a la API de Vertex AI desde tu aplicación.
[[["Fácil de comprender","easyToUnderstand","thumb-up"],["Resolvió mi problema","solvedMyProblem","thumb-up"],["Otro","otherUp","thumb-up"]],[["Difícil de entender","hardToUnderstand","thumb-down"],["Información o código de muestra incorrectos","incorrectInformationOrSampleCode","thumb-down"],["Faltan la información o los ejemplos que necesito","missingTheInformationSamplesINeed","thumb-down"],["Problema de traducción","translationIssue","thumb-down"],["Otro","otherDown","thumb-down"]],["Última actualización: 2025-09-04 (UTC)"],[],[],null,["# Interfaces for Vertex AI\n\nThis page describes the interfaces that you can use to interact with\nVertex AI and when you should use them. You can use these interfaces\nalong with one of Vertex AI's\n[notebook solutions](/vertex-ai/docs/workbench/notebook-solution).\n\nSome Vertex AI operations are only available through specific\ninterfaces, so you may need to switch between interfaces during your workflow.\nFor example, in Vertex AI Experiments, you must use the API to log data\nto an experiment run, but you can view the results in the console. \n\n### Console\n\nThe Google Cloud console is a graphical user interface that you can use to\nwork with your machine learning resources.\n\nIn the Google Cloud console, you can manage your ,\nmodels, endpoints, and jobs. You can also access other Google Cloud services,\nsuch as Cloud Storage and BigQuery, through the console.\n\nUse the Google Cloud console if you prefer to view and manage your\nVertex AI resources and visualizations through a graphical user\ninterface.\n\nFor more information, see the **Dashboard** page of the Vertex AI section:\n\n[Go to the Dashboard](https://console.cloud.google.com/vertex-ai/)\n\n### gcloud\n\nThe [Google Cloud command-line interface (CLI)](/sdk/gcloud) is a set of tools for\ncreating and managing Google Cloud resources using the `gcloud` command.\n\nUse the Google Cloud CLI when you want to manage your Vertex AI\nresources from the command line or through scripts and other automation.\n\nFor more information, see [Install the gcloud CLI](/sdk/docs/install) and the\n[`gcloud ai`](/sdk/gcloud/reference/ai) reference.\n\n### Terraform\n\nTerraform is an (IaC) tool that you can use to\nprovision the infrastructure, such as resources and permissions, for multiple\nGoogle Cloud services, including Vertex AI.\n\nYou can define the Vertex AI resources and permissions for your Google Cloud\nproject in a Terraform configuration file. You can then use Terraform to apply\nthe configuration to your project by creating new resources and updating\nexisting resources.\n\nUse Terraform if you want to standardize the infrastructure for Vertex AI\nresources in your Google Cloud project and update the existing Google Cloud\nproject infrastructure while fulfilling resource dependencies.\n\nTo get started, see [Terraform support for Vertex AI](/vertex-ai/docs/start/use-terraform-vertex-ai).\n\n### Python\n\nUse the [Vertex AI SDK for Python](/vertex-ai/docs/python-sdk/use-vertex-ai-python-sdk) to programmatically automate your\nVertex AI workflow.\n\nThe Vertex AI SDK for Python is similar to the Vertex AI Python client\nlibrary, except the SDK is higher-level and less granular. For more\ninformation, see the [Understand the SDK and client library\ndifferences](/vertex-ai/docs/python-sdk/use-vertex-ai-python-sdk#sdk-vs-client-library).\n\nTo get started, see [Install the Vertex AI SDK](/vertex-ai/docs/start/install-sdk).\n\n### Client libraries\n\nClient libraries use each supported language's natural conventions to call the\nVertex AI API and reduce boilerplate code that you have to write.\n\nThe following languages are supported for Vertex AI:\n\n- Python. The Vertex AI Python client library is installed when you\n install the [Vertex AI SDK for Python](/vertex-ai/docs/python-sdk/use-vertex-ai-python-sdk).\n\n- Java\n\n- Node.js\n\n- C#\n\n- Go\n\nFor more information, see [Install the Vertex AI client libraries](/vertex-ai/docs/start/client-libraries).\n\n### REST\n\nThe Vertex AI REST API provides RESTful services for managing jobs,\nmodels, and endpoints, and for making inferences with hosted models\non Google Cloud.\n\nUse the REST API if you need to use your own libraries to call the\nVertex AI API from your application.\n\nTo get started, see the [Vertex AI API REST reference](/vertex-ai/docs/reference/rest).\n\nWhat's next\n-----------\n\n- [Set up a project and a development environment](/vertex-ai/docs/start/cloud-environment).\n- [Choose a training method](/vertex-ai/docs/start/training-methods).\n- Tutorials for [Image](/vertex-ai/docs/tutorials/image-classification-automl/overview), [Tabular](/vertex-ai/docs/tutorials/tabular-automl/overview), and [Custom training](/vertex-ai/docs/tutorials/image-classification-custom/overview).\n- Learn [best practices for implementing custom-trained ML models on\n Vertex AI](/architecture/ml-on-gcp-best-practices)."]]
