Migre seus aplicativos para a Vertex AI

A Vertex AI une os serviços da AI Platform e do AutoML em uma IU e API unificadas para simplificar o processo de criação, treinamento e implantação de modelos de machine learning. Com a Vertex AI, é possível passar da experimentação para a produção com mais rapidez, descobrir padrões e anomalias de forma eficiente, fazer previsões e tomar decisões melhores e manter a agilidade diante de mudanças nas prioridades e condições de mercado. Nesta página, mostramos as alterações necessárias ao migrar aplicativos do AutoML ou do AI Platform para a Vertex AI.

A Vertex AI é compatível com todos os recursos e modelos disponíveis no AutoML e na AI Platform. No entanto, as bibliotecas de cliente não são compatíveis com versões anteriores à integração do cliente. Em outras palavras, você precisa planejar a migração dos seus recursos para aproveitar os recursos da Vertex AI.

Também comparamos os métodos de API usados para concluir as jornadas comuns dos usuários. Dessa maneira, você verá como os aplicativos do seu projeto são atualizados para usar a API Vertex AI.

Jornadas comuns dos usuários

Selecione a guia do produto e clique em uma jornada do usuário para ver como os métodos da API Vertex AI se comparam aos métodos de API usados pelos aplicativos existentes.

AutoML Natural Language

Clique em uma das seguintes jornadas do usuário:

AutoML Natural Language: treinar e implantar um modelo de classificação de texto
AutoML Natural Language: treinar e implantar um modelo de extração de entidade de texto
AutoML Natural Language: treinar e implantar um modelo de sentimento de texto

AutoML Natural Language: treinar e implantar um modelo de classificação de texto

Leia sobre as diferenças entre a API AutoML e a API Vertex AI, leia sobre as diferenças entre os produtos AutoML Natural Language e Vertex AI e use a tabela a seguir para orientações de migração da API.

Etapa	AutoML Natural Language	Vertex AI
crie um conjunto de dados	`projects.locations.datasets.create`	`projects.locations.datasets.create`
crie um conjunto de dados	`projects.locations.datasets.importData`	`projects.locations.datasets.import`
Treinar um modelo	`projects.locations.models.create`	`projects.locations.trainingPipelines.create`
Treinar um modelo	`projects.locations.models.create`	`projects.locations.trainingPipelines.get`
Avalie o modelo	`projects.locations.models.modelEvaluations.list`	`projects.locations.models.evaluations.list`
Avalie o modelo	`projects.locations.models.modelEvaluations.get`	`projects.locations.models.evaluations.get`
Fazer previsões em lote	`projects.locations.models.batchPredict`	`projects.locations.batchPredictionJobs.create`
Fazer previsões em lote	`projects.locations.models.batchPredict`	`projects.locations.batchPredictionJobs.get`
Fazer previsões on-line	`projects.locations.models.deploy`	`projects.locations.endpoints.create`
	`projects.locations.models.deploy`	`projects.locations.endpoints.deployModel`
	`projects.locations.models.predict`	`projects.locations.endpoints.predict`

Etapa	AI Platform	Vertex AI
Treinar um modelo	`projects.jobs.create`	`projects.locations.customJobs.create`
Treinar um modelo	`projects.jobs.get`	`projects.locations.customJobs.get`
Implantar o modelo	`projects.models.create`	`projects.locations.models.upload`
Implantar o modelo	`projects.models.versions.create`	`projects.locations.models.upload`
Fazer previsões em lote	A previsão em lote do AI Platform não é compatível com o XGBoost.	`projects.locations.batchPredictionJobs.create`
Fazer previsões em lote		`projects.locations.batchPredictionJobs.get`
Fazer previsões on-line	`projects.predict`	`projects.locations.endpoints.create`
		`projects.locations.endpoints.deployModel`
		`projects.locations.endpoints.predict`

Etapa	Data Labeling Service	Vertex AI
crie um conjunto de dados	`projects.datasets.create`	`projects.locations.datasets.create`
	`projects.locations.datasets.importData`	`projects.locations.datasets.import`
	`projects.locations.datasets.importData`	`projects.locations.specialistPools.create`
Criar um job de rotulagem de dados	`projects.annotationSpecSets.create`	`projects.locations.dataLabelingJobs.create`
	`projects.instructions.create`
	`projects.datasets.image.label`
	`projects.operations.get`	`projects.locations.dataLabelingJobs.get`
	`projects.operations.cancel`	`projects.locations.dataLabelingJobs.cancel`

Etapa	AI Platform Training	Vertex AI
Treinar um modelo	`projects.jobs.create`	`projects.locations.hyperparameterTuningJobs.create`
Treinar um modelo	`projects.jobs.get`	`projects.locations.hyperparameterTuningJobs.get`

Migre seus aplicativos para a Vertex AI

Jornadas comuns dos usuários

AutoML Natural Language

AutoML Natural Language: treinar e implantar um modelo de classificação de texto

AutoML Natural Language: treinar e implantar um modelo de extração de entidade de texto

AutoML Natural Language: treinar e implantar um modelo de sentimento de texto

AutoML Tables

AutoML Tables: treinar e implantar um modelo

AutoML Video Intelligence

AutoML Video Intelligence: treinar e implantar um modelo de rastreamento de objetos

AutoML Video Intelligence: treinar e implantar um modelo de classificação de vídeo

AutoML Vision

AutoML Vision: treinar e implantar um modelo de classificação de imagem

AutoML Vision: treinar e implantar um modelo de detecção de objetos

AI Platform

AI Platform: treinar e implantar um modelo do XGBoost com versões de ambiente de execução hospedadas

AI Platform: treinar e implantar um modelo do scikit-learn com versões de ambiente de execução hospedadas

AI Platform: treinar e implantar um modelo do TensorFlow com contêineres personalizados

AI Platform: treinar e implantar um modelo do TensorFlow com versões de ambiente de execução hospedadas

Serviço de rotulagem de dados da AI Platform: enviar uma tarefa de rotulagem de dados

AI Platform Prediction: enviar um job de previsão em lote para um modelo hospedado do TensorFlow

AI Platform Training: enviar um job de treinamento de ajuste de hiperparâmetros com o TensorFlow

A seguir