Memilih solusi notebook

Halaman ini menjelaskan perbedaan antara beberapa opsi lingkungan notebook Vertex AI sehingga Anda dapat memilih yang terbaik untuk project Anda.

Vertex AI menyediakan dua solusi lingkungan notebook:

Colab Enterprise: Lingkungan notebook kolaboratif yang terkelola dan dilengkapi kemampuan keamanan serta kepatuhan Google Cloud. Jika prioritas project Anda adalah berkolaborasi dengan orang lain dan tidak menghabiskan waktu untuk mengelola infrastruktur, Colab Enterprise dapat menjadi pilihan terbaik bagi Anda. Lihat bagian Colab Enterprise berikut.
Vertex AI Workbench: Lingkungan berbasis notebook Jupyter yang disediakan melalui instance virtual machine (VM) dengan fitur yang mendukung seluruh alur kerja data science. Jika prioritas project Anda adalah kontrol dan kemampuan penyesuaian, Vertex AI Workbench dapat menjadi pilihan terbaik bagi Anda. Lihat bagian Vertex AI Workbench berikut.

Colab Enterprise

Pelajari beberapa keunggulan Colab Enterprise di bagian berikut ini. Untuk mengetahui informasi selengkapnya, lihat Pengantar Colab Enterprise.

Berbagi dan berkolaborasi

Colab Enterprise memungkinkan Anda berbagi notebook dan berkolaborasi dengan orang lain. Anda dapat membagikan notebook dengan satu pengguna, grup Google, atau domain Google Workspace. Anda dapat mengontrol akses ini melalui Identity and Access Management (IAM).

Komputasi terkelola

Dengan Colab Enterprise, Anda dapat bekerja di notebook tanpa harus mengelola infrastruktur. Colab Enterprise akan menyediakan runtime untuk Anda saat Anda membutuhkannya. Jika Anda mau, Anda dapat mengonfigurasi runtime untuk kebutuhan tertentu, tetapi Colab Enterprise akan memulainya untuk Anda dan akan menonaktifkannya saat Anda tidak lagi memerlukannya.

Terintegrasi ke konsol Google Cloud

Integrasi Colab Enterprise dengan layanan Google Cloud mempermudah penggunaan notebook yang berinteraksi dengan layanan tersebut. Anda dapat menggunakan Colab Enterprise dari dalam konsol Google Cloud, dengan fitur yang terintegrasi dalam Vertex AI dan BigQuery.

Penyelesaian kode inline

Vertex AI memungkinkan Anda menulis kode dengan bantuan Gemini. Gunakan saran penyelesaian kode inline untuk menyelesaikan project coding dengan lebih cepat. Untuk mempelajari lebih lanjut, lihat menulis kode dengan bantuan Gemini.

Vertex AI Workbench

Pelajari beberapa keunggulan Vertex AI Workbench di bagian berikut ini. Untuk mengetahui informasi selengkapnya, lihat Pengantar Vertex AI Workbench.

Jenis instance

Vertex AI Workbench menyediakan beberapa jenis instance berbasis notebook Jupyter untuk alur kerja data science Anda:

Instance Vertex AI Workbench: Opsi yang menggabungkan integrasi berorientasi alur kerja dari instance notebook terkelola dengan kemampuan penyesuaian instance notebook yang dikelola pengguna.
Notebook terkelola Vertex AI Workbench (tidak digunakan lagi): Lingkungan yang dikelola Google dengan integrasi dan fitur yang membantu Anda menyiapkan dan bekerja di lingkungan produksi berbasis notebook end-to-end.
Notebook yang dikelola pengguna Vertex AI Workbench (tidak digunakan lagi): Instance Deep Learning VM Image yang sangat mudah disesuaikan, sehingga ideal bagi pengguna yang membutuhkan banyak kontrol atas lingkungannya.

Semua opsi Vertex AI Workbench menyediakan hal berikut:

Dikemas dengan JupyterLab.
Rangkaian paket deep learning yang sudah terinstal, termasuk dukungan untuk framework TensorFlow dan PyTorch.
Dukungan untuk akselerator GPU.
Kemampuan untuk menyinkronkan dengan repositori GitHub.
Autentikasi dan otorisasi Google Cloud.

Instance Vertex AI Workbench

Instance Vertex AI Workbench dapat menjadi pilihan yang tepat jika Anda memerlukan integrasi notebook terkelola yang berorientasi alur kerja dan kemampuan penyesuaian dari notebook yang dikelola pengguna.

Menambahkan lingkungan conda

Instance Vertex AI Workbench menggunakan kernel berdasarkan lingkungan conda. Anda dapat menambahkan lingkungan conda ke instance Vertex AI Workbench, dan lingkungan tersebut akan muncul sebagai kernel di antarmuka JupyterLab instance Anda.

Dengan menambahkan lingkungan conda, Anda dapat menggunakan kernel yang tidak tersedia di instance default Vertex AI Workbench. Misalnya, Anda dapat menambahkan lingkungan conda untuk R dan Apache Beam. Atau, Anda dapat menambahkan lingkungan kondensasi untuk versi framework yang tersedia sebelumnya, seperti TensorFlow, PyTorch, atau Python.

Untuk mengetahui informasi selengkapnya, lihat Menambahkan lingkungan kondus.

Akses ke data

Anda dapat bekerja lebih efisien dengan mengakses data tanpa meninggalkan antarmuka JupyterLab.

Dari dalam menu navigasi JupyterLab pada instance Vertex AI Workbench, Anda dapat menggunakan integrasi Cloud Storage untuk menjelajahi data dan file lain yang dapat Anda akses.

Dari dalam menu navigasi, Anda juga dapat menggunakan integrasi BigQuery untuk menjelajahi tabel yang dapat Anda akses, menulis kueri, melihat pratinjau hasil, dan memuat data ke dalam notebook Anda.

Operasi notebook otomatis

Anda dapat mengatur notebook agar dijalankan pada jadwal berulang. Meskipun instance Anda dinonaktifkan, Vertex AI Workbench akan menjalankan file notebook Anda dan menyimpan hasilnya untuk dilihat dan dibagikan kepada orang lain.

Penonaktifan otomatis untuk instance yang sedang tidak beraktivitas

Untuk membantu mengelola biaya, Anda dapat mengatur agar instance Vertex AI Workbench dinonaktifkan setelah tidak ada aktivitas selama jangka waktu tertentu. Untuk mengetahui informasi selengkapnya, lihat Penonaktifan saat tidak ada aktivitas.

Pemantauan status kesehatan

Untuk membantu memastikan bahwa instance Vertex AI Workbench berfungsi dengan baik, Anda dapat memantau status kesehatan.

Instance Deep Learning VM yang dapat diedit

Vertex AI Workbench menyediakan metode API untuk memodifikasi VM yang mendasarinya melalui Notebooks API.

Notebook terkelola Vertex AI Workbench

Notebook terkelola biasanya merupakan pilihan tepat jika Anda ingin menggunakan notebook untuk eksplorasi, analisis, dan pemodelan data, atau sebagai bagian dari alur kerja data science yang menyeluruh.

Dengan instance notebook terkelola, Anda dapat melakukan tugas-tugas berorientasi alur kerja tanpa keluar dari antarmuka JupyterLab. Platform ini juga memiliki banyak integrasi dan fitur untuk menerapkan alur kerja data science Anda.

Berikut adalah beberapa integrasi dan fitur yang disertakan dalam notebook terkelola.

Mengontrol hardware dan framework dari JupyterLab

Dalam instance notebook terkelola, antarmuka JupyterLab Anda adalah tempat Anda menentukan resource komputasi apa yang akan dijalankan kode Anda, misalnya, berapa banyak vCPU atau GPU dan berapa banyak RAM, serta framework apa yang akan dijalankan kode Anda. Anda dapat menulis kode terlebih dahulu, lalu memilih cara menjalankannya tanpa keluar dari JupyterLab atau memulai ulang instance. Untuk menguji kode Anda secara sekilas, Anda dapat memperkecil skala hardware, lalu meningkatkannya kembali untuk menjalankan kode pada lebih banyak data.

Container kustom

Instance notebook terkelola Anda menyertakan banyak framework data science umum yang dapat dipilih, seperti TensorFlow dan PyTorch. Namun, Anda juga dapat menambahkan image container Docker kustom ke instance. Container kustom Anda akan muncul sebagai kernel di antarmuka JupyterLab instance Anda.

Untuk mengetahui informasi selengkapnya, lihat Menambahkan container kustom ke instance notebook terkelola.

Akses ke data

Anda dapat mengakses data tanpa keluar dari antarmuka JupyterLab.

Dari dalam menu navigasi JupyterLab pada instance notebook terkelola, Anda dapat menggunakan integrasi Cloud Storage untuk menjelajahi data dan file lain yang dapat Anda akses.

Dari dalam menu navigasi, Anda juga dapat menggunakan integrasi BigQuery untuk menjelajahi tabel yang dapat Anda akses, menulis kueri, melihat pratinjau hasil, dan memuat data ke dalam notebook Anda.

Operasi notebook otomatis

Integrasi Dataproc

Anda dapat memproses data secara cepat dengan menjalankan notebook di cluster Dataproc. Setelah cluster siap, Anda dapat menjalankan file notebook di dalamnya tanpa keluar dari antarmuka JupyterLab.

Penonaktifan otomatis untuk instance yang sedang tidak beraktivitas

Untuk membantu mengelola biaya, Anda dapat mengatur agar instance notebook terkelola dinonaktifkan setelah tidak ada aktivitas selama jangka waktu tertentu. Untuk mengetahui informasi selengkapnya, lihat Penonaktifan saat tidak ada aktivitas.

Notebook Vertex AI Workbench yang dikelola pengguna

Notebook yang dikelola pengguna dapat menjadi pilihan yang tepat bagi pengguna yang memerlukan penyesuaian ekstensif atau yang membutuhkan banyak kendali atas lingkungannya.

Instance Deep Learning VM yang dapat disesuaikan

Instance notebook yang dikelola pengguna merupakan instance Deep Learning VM. Anda memilih detail spesifik tentang instance virtual machine (VM) saat membuat instance notebook yang dikelola pengguna. Misalnya, Anda memilih jenis mesin dan framework untuk instance notebook yang dikelola pengguna saat Anda membuatnya. Anda dapat mengubah jenis mesin instance setelah dibuat, meskipun tindakan ini mengharuskan instance Anda dimulai ulang.

Pada instance notebook yang dikelola pengguna, Anda dapat melakukan modifikasi manual seperti mengupdate software dan versi paket. Mengubah framework pada instance Anda merupakan proses yang lebih rumit.

Karena instance notebook yang dikelola pengguna diekspos sebagai instance Compute Engine, Anda dapat menyesuaikannya dengan cara yang sama seperti menyesuaikan instance Compute Engine. Untuk mengetahui informasi selengkapnya, baca dokumentasi Compute Engine.

Jaringan dan keamanan

Untuk pengguna yang memiliki kebutuhan jaringan dan keamanan tertentu, notebook yang dikelola pengguna dapat menjadi pilihan terbaik.

Notebook yang dikelola pengguna dan notebook terkelola mendukung Kontrol Layanan VPC, tetapi Anda memiliki kendali lebih besar atas VM instance notebook yang dikelola pengguna. Hal ini mempermudah konfigurasi instance notebook yang dikelola pengguna secara manual guna memenuhi beberapa kebutuhan jaringan dan keamanan tertentu.

Pemantauan status kesehatan

Untuk membantu memastikan bahwa instance notebook yang dikelola pengguna berfungsi dengan baik, Anda dapat memantau status kesehatan.

Langkah selanjutnya

Untuk memulai, buat salah satu hal berikut: