Vertex AI는 AI Platform 및 기존 AutoML 서비스를 통합 UI 및 API 하나로 통합하여 머신러닝 모델의 빌드, 학습, 배포 프로세스를 간소화합니다. Vertex AI를 사용하면 실험에서 프로덕션으로 더 빠르게 이동하고, 패턴 및 이상치를 효율적으로 찾아내며, 정확한 예측과 결정을 내리고, 변화하는 우선순위 및 시장 조건에 민첩하게 대응할 수 있습니다. 이 페이지에서는 기존 AutoML 또는 AI Platform에서 Vertex AI로 애플리케이션을 마이그레이션할 때 변경해야 할 사항을 설명합니다.
Vertex AI는 기존 AutoML 및 AI Platform에서 제공되는 모든 기능 및 모델을 지원합니다. 그러나 클라이언트 라이브러리는 클라이언트 통합에 대해 이전 버전과의 호환성을 지원하지 않습니다. 즉, Vertex AI 기능을 활용하려면 리소스 마이그레이션을 계획해야 합니다.
이 페이지에서는 일반적인 사용자 경험을 완료하는 데 사용되는 API 메소드를 비교하여 Vertex AI API를 사용하여 프로젝트의 애플리케이션을 업데이트하는 방법을 확인할 수 있습니다.
일반적인 사용자 경험
제품 탭을 선택한 다음 사용자 경험을 클릭하여 Vertex AI API 메서드가 기존 애플리케이션에서 사용되는 API 메서드와 어떻게 비교되는지 확인합니다.
기존 AutoML Natural Language
다음 사용자 경험 중 하나를 클릭합니다.
기존 AutoML Natural Language: 텍스트 분류 모델 학습 및 배포
기존 AutoML API와 Vertex AI API의 차이점을 읽어보고, 기존 AutoML Natural Language와 Vertex AI 제품 간의 차이점을 읽어본 후 다음 표를 사용하여 API를 마이그레이션합니다.
기존 AutoML Natural Language: 텍스트 항목 추출 모델 학습 및 배포
기존 AutoML API와 Vertex AI API의 차이점을 읽어보고, 기존 AutoML Natural Language와 Vertex AI 제품 간의 차이점을 읽어본 후 다음 표를 사용하여 API를 마이그레이션합니다.
기존 AutoML Natural Language: 텍스트 감정 모델 학습 및 배포
기존 AutoML API와 Vertex AI API의 차이점을 읽어보고, 기존 AutoML Natural Language와 Vertex AI 제품 간의 차이점을 읽어본 후 다음 표를 사용하여 API를 마이그레이션합니다.
기존 AutoML Video Intelligence
다음 사용자 경험 중 하나를 클릭합니다.
기존 AutoML Video Intelligence: 객체 추적 모델 학습 및 배포
기존 AutoML API와 Vertex AI API의 차이점을 읽어보고, 기존 AutoML Video와 Vertex AI 제품 간의 차이점을 읽어본 후 다음 표를 사용하여 API를 마이그레이션합니다.
기존 AutoML Video Intelligence: 동영상 분류 모델 학습 및 배포
기존 AutoML API와 Vertex AI API의 차이점을 읽어보고, 기존 AutoML Video와 Vertex AI 제품 간의 차이점을 읽어본 후 다음 표를 사용하여 API를 마이그레이션합니다.
기존 AutoML Vision
다음 사용자 경험 중 하나를 클릭합니다.
기존 AutoML Vision: 이미지 분류 모델 학습 및 배포
기존 AutoML API와 Vertex AI API의 차이점을 읽어보고, 기존 AutoML Vision과 Vertex AI 제품 간의 차이점을 읽어본 후 다음 표를 사용하여 API를 마이그레이션합니다.
기존 AutoML Vision: 객체 인식 모델 학습 및 배포
기존 AutoML API와 Vertex AI API의 차이점을 읽어보고, 기존 AutoML Vision과 Vertex AI 제품 간의 차이점을 읽어본 후 다음 표를 사용하여 API를 마이그레이션합니다.
AI Platform
다음 사용자 경험 중 하나를 클릭합니다.
AI Platform: 호스팅된 런타임 버전으로 XGBoost 모델 학습 및 배포
AI Platform과 Vertex AI 제품 간의 차이점을 읽고 다음 표를 사용하여 API를 마이그레이션합니다.
| 단계 | AI Platform | Vertex AI |
|---|---|---|
| 모델 학습 | projects.jobs.create |
projects.locations.customJobs.create |
projects.jobs.get |
projects.locations.customJobs.get |
|
| 모델 배포 | projects.models.create |
projects.locations.models.upload |
projects.models.versions.create |
||
| 일괄 예측 수행 | XGBoost에는 AI Platform 일괄 예측이 지원되지 않습니다. | projects.locations.batchPredictionJobs.create |
projects.locations.batchPredictionJobs.get |
||
| 온라인 예측 수행 | projects.predict |
projects.locations.endpoints.create |
projects.locations.endpoints.deployModel |
||
projects.locations.endpoints.predict |
AI Platform: 호스팅된 런타임 버전으로 scikit-learn 모델 학습 및 배포
AI Platform과 Vertex AI 제품 간의 차이점을 읽고 다음 표를 사용하여 API를 마이그레이션합니다.
| 단계 | AI Platform | Vertex AI |
|---|---|---|
| 모델 학습 | projects.jobs.create |
projects.locations.customJobs.create |
projects.jobs.get |
projects.locations.customJobs.get |
|
| 모델 배포 | projects.models.create |
projects.locations.models.upload |
projects.models.versions.create |
||
| 일괄 예측 수행 | scikit-learn에는 AI Platform 일괄 예측이 지원되지 않습니다. | projects.locations.batchPredictionJobs.create |
projects.locations.batchPredictionJobs.get |
||
| 온라인 예측 수행 | projects.predict |
projects.locations.endpoints.create |
projects.locations.endpoints.deployModel |
||
projects.locations.endpoints.predict |
AI Platform: 커스텀 컨테이너를 사용하여 TensorFlow 모델 학습 및 배포
AI Platform과 Vertex AI 제품 간의 차이점을 읽고 다음 표를 사용하여 API를 마이그레이션합니다.
AI Platform: 호스팅된 런타임 버전으로 TensorFlow 모델 학습 및 배포
AI Platform과 Vertex AI 제품 간의 차이점을 읽고 다음 표를 사용하여 API를 마이그레이션합니다.
AI Platform Prediction: 호스팅된 TensorFlow 모델의 일괄 예측 작업 제출
AI Platform Prediction과 Vertex AI 제품 간의 차이점을 읽고 다음 표를 사용하여 API를 마이그레이션합니다.
AI Platform Training: TensorFlow를 사용하여 초매개변수 미세 조정 학습 작업 제출
AI Platform Training과 Vertex AI 제품 간의 차이점을 읽고 다음 표를 사용하여 API를 마이그레이션합니다.
| 단계 | AI Platform Training | Vertex AI |
|---|---|---|
| 모델 학습 | projects.jobs.create |
projects.locations.hyperparameterTuningJobs.create |
projects.jobs.get |
projects.locations.hyperparameterTuningJobs.get |
다음 단계
- Vertex AI를 사용하려면 프로젝트 및 개발 환경을 설정하세요.