Escolher uma solução de notebook

Nesta página, descrevemos as diferenças entre as opções de ambiente de notebook da Vertex AI para você escolher a melhor para seu projeto.

A Vertex AI oferece duas soluções de ambiente de notebook:

Colab Enterprise: um ambiente de notebook gerenciado e colaborativo com os recursos de segurança e conformidade do Google Cloud. Se as prioridades do seu projeto são colaborar com outras pessoas e evitar passar tempo gerenciando a infraestrutura, o Colab Enterprise pode ser a melhor opção para você. Consulte a seção Colab Enterprise a seguir.
Vertex AI Workbench: um ambiente baseado em notebook do Jupyter fornecido por instâncias de máquina virtual (VM) com recursos que oferecem suporte a todo o fluxo de trabalho de ciência de dados. Se as prioridades do seu projeto forem controle e personalização, o Vertex AI Workbench pode ser a melhor opção para você. Consulte a seção Vertex AI Workbench.

Colab Enterprise

Saiba mais sobre alguns dos pontos fortes do Colab Enterprise nas seções a seguir. Para mais informações, consulte Introdução ao Colab Enterprise.

Compartilhar e colaborar

O Colab Enterprise permite compartilhar notebooks e colaborar com outras pessoas. É possível compartilhar um notebook com um único usuário, grupo do Google ou domínio do Google Workspace. Você controla esse acesso pelo Identity and Access Management (IAM).

Computação gerenciada

O Colab Enterprise permite que você trabalhe em notebooks sem gerenciar a infraestrutura. O Colab Enterprise provisiona um ambiente de execução para você quando necessário. Se você quiser, poderá configurar ambientes de execução para necessidades específicas, mas o Colab Enterprise os inicia para você e os encerra quando não forem mais necessários.

Integrado ao console do Google Cloud

As integrações do Colab Enterprise com os serviços do Google Cloud facilitam o uso de notebooks que interagem com esses serviços. É possível usar o Colab Enterprise no Console do Google Cloud, com recursos integrados à Vertex AI e ao BigQuery.

Preenchimento de código inline

A Vertex AI permite escrever código com o preenchimento de código inline. Use as sugestões de conclusão de código para concluir projetos de codificação mais rapidamente. Para saber mais, consulte Escrever código com preenchimento de código in-line.

Vertex AI Workbench

Saiba mais sobre alguns dos pontos fortes do Vertex AI Workbench nas seções a seguir. Para mais informações, consulte Introdução ao Vertex AI Workbench.

Tipos de instância

O Vertex AI Workbench oferece vários tipos de instância baseada no notebook do Jupyter para o fluxo de trabalho da ciência de dados:

Instâncias do Vertex AI Workbench: uma opção que combina as integrações orientadas ao fluxo de trabalho de uma instância de notebooks gerenciados com a personalização de uma instância de notebooks gerenciados pelo usuário.
Notebooks gerenciados do Vertex AI Workbench (descontinuado): ambientes gerenciados pelo Google com integrações e recursos que ajudam a configurar e trabalhar em um ambiente de produção completo baseado em notebook.
Notebooks gerenciados pelo usuário do Vertex AI Workbench (descontinuado) : instâncias de imagens de VM de aprendizado profundo altamente personalizáveis e, portanto, ideais para usuários que precisam de muito de controle sobre o ambiente.

Todas as opções do Vertex AI Workbench oferecem o seguinte:

Pré-empacotado com o JupyterLab.
Um conjunto pré-instalado de pacotes de aprendizado profundo, incluindo suporte para os frameworks do TensorFlow e do PyTorch.
Suporte para aceleradores de GPU.
A capacidade de sincronizar com um repositório do GitHub.
Autenticação e autorização do Google Cloud.

Instâncias do Vertex AI Workbench

As instâncias do Vertex AI Workbench podem ser uma boa opção se você precisar das integrações orientadas pelo fluxo de trabalho dos notebooks gerenciados e da personalização dos notebooks gerenciados pelo usuário.

Adicionar ambientes conda

As instâncias do Vertex AI Workbench usam kernels baseados em ambientes conda. É possível adicionar um ambiente conda à instância do Vertex AI Workbench e ele aparece como um kernel na interface do JupyterLab da instância.

A adição de ambientes conda permite usar kernels que não estão disponíveis na instância padrão do Vertex AI Workbench. Por exemplo, é possível adicionar ambientes conda para R e Apache Beam. Ou adicione ambientes conda para versões anteriores específicas dos frameworks disponíveis, como TensorFlow, PyTorch ou Python.

Para mais informações, consulte Adicionar um ambiente conda.

Acesso a dados

É possível trabalhar com mais eficiência acessando seus dados sem sair da interface do JupyterLab.

No menu de navegação do JupyterLab em uma instância de notebooks gerenciados, é possível usar a integração do Cloud Storage para procurar dados e outros arquivos a que você tem acesso.

Também no menu de navegação, é possível usar a integração do BigQuery para procurar tabelas a que você tem acesso, gravar consultas, visualizar resultados e carregar dados no seu notebook de dados.

Execuções automatizadas de notebook

É possível configurar um notebook para ser executado regularmente. Mesmo com a instância desativada, o Vertex AI Workbench executa o arquivo do notebook e salva os resultados para você analisar e compartilhar com outras pessoas.

Encerramento automatizado de instâncias inativas

Para ajudar a gerenciar custos, configure sua instância do Vertex AI Workbench para ser encerrada depois de ficar inativa por um período específico. Para mais informações, consulte Desativação de inatividade.

Monitoramento do status de integridade

Para garantir que sua instância do Vertex AI Workbench esteja funcionando corretamente, monitore o status de integridade.

Instâncias editáveis de VM de aprendizado profundo

O Vertex AI Workbench fornece métodos de API para modificar a VM subjacente usando a API Notebooks.

Notebooks gerenciados do Vertex AI Workbench

Os notebooks gerenciados geralmente são uma boa opção se você quiser usar um notebook para exploração, análise, modelagem de dados ou como parte de um fluxo de trabalho completo de ciência de dados.

As instâncias de notebooks gerenciados permitem realizar tarefas orientadas pelo fluxo de trabalho sem sair da interface do JupyterLab. Elas também têm muitas integrações e recursos para implementar seu fluxo de trabalho de ciência de dados.

A seguir listamos apenas algumas das integrações e recursos incluídos em notebooks gerenciados.

Controle de hardware e framework no JupyterLab

Em uma instância de notebooks gerenciado, sua interface do JupyterLab é onde você especifica em quais recursos de computação seu código será executado, por exemplo, quantas vCPUs ou GPUs e quanta RAM e qual framework você quer executar. Escreva seu código primeiro e, em seguida, escolha como executá-lo sem sair do JupyterLab ou reiniciar sua instância. Para fazer testes rápidos do código, é possível reduzir o hardware e reduzi-lo para executar o código em mais dados.

Contêineres personalizados

A instância de notebooks gerenciados inclui muitos frameworks comuns de ciência de dados, como o TensorFlow e o PyTorch, mas também é possível adicionar imagens de contêiner personalizadas do Docker à instância. Os contêineres personalizados aparecem como kernels na interface do JupyterLab da instância.

Para mais informações, consulte Adicionar um contêiner personalizado a uma instância de notebooks gerenciados.

Acesso a dados

É possível acessar seus dados sem sair da interface do JupyterLab.

No menu de navegação do JupyterLab em uma instância de notebooks gerenciado, é possível usar a integração do Cloud Storage para procurar dados e outros arquivos a que você tem acesso.

Execuções automatizadas de notebook

Integração do Dataproc

Você pode processar dados rapidamente executando um notebook em um cluster do Dataproc. Depois de configurar o cluster, é possível executar um arquivo de notebook nele sem sair da interface do JupyterLab.

Encerramento automatizado de instâncias inativas

Para ajudar a gerenciar custos, é possível configurar a instância de notebooks gerenciados para que ela seja encerrada após ficar inativa por um período específico. Para mais informações, consulte Desativação de inatividade.

Notebooks do Vertex AI Workbench gerenciados pelo usuário

Os notebooks gerenciados pelo usuário podem ser uma boa opção para usuários que demandam personalização extensiva ou que precisam de muito controle sobre o ambiente.

Instâncias de VM de aprendizado profundo personalizáveis

As instâncias de notebooks gerenciados pelo usuário são instâncias de VM de aprendizado profundo. Você escolhe detalhes específicos sobre sua instância de máquina virtual (VM) no momento da criação da instância de notebooks gerenciados pelo usuário. Por exemplo, ao criar o tipo de máquina e o framework da instância de notebooks gerenciada pelo usuário. É possível alterar o tipo de máquina da sua instância após a criação, embora isso exija uma reinicialização da instância.

Na instância de notebooks gerenciado pelo usuário, é possível fazer modificações manuais, como atualização de versões de software e de pacote. Alterar o framework na instância é um processo mais complexo.

Como as instâncias de notebooks gerenciadas pelo usuário são expostas como instâncias do Compute Engine, é possível personalizá-las da mesma maneira que é possível personalizar as instâncias do Compute Engine. Para mais informações, consulte a documentação do Compute Engine.

Rede e segurança

Para usuários que têm necessidades específicas de rede e segurança, os notebooks gerenciados pelo usuário podem ser a melhor opção.

Os notebooks gerenciados pelo usuário e os notebooks gerenciados são compatíveis com o VPC Service Controls, mas você tem mais controle sobre a VM de uma instância de notebooks gerenciados pelo usuário. Isso facilita a configuração manual de instâncias de notebooks gerenciados pelo usuário para atender a algumas necessidades específicas de rede e segurança.

Monitoramento do status de integridade

Para ajudar a garantir que a instância de notebooks gerenciados pelo usuário está funcionando corretamente, monitore o status de integridade.

A seguir

Para começar, crie uma destas opções: