Vertex AI は、統一された API、クライアント ライブラリ、ユーザー インターフェースに AutoML と AI Platform を統合します。Vertex AI を使用すると、AutoML トレーニングとカスタム トレーニングの両方を利用できます。トレーニングにどちらの方法を選択しても、Vertex AI を使用して、モデルの保存、モデルのデプロイ、予測のリクエストを行えます。詳細

チュートリアル

スタートガイド

リソース

トレーニングとチュートリアル

Google Cloud で Vertex AI のチュートリアル、トレーニング コース、Qwiklabs をお試しください。

チュートリアル

Hello 画像データ

人工知能（AI）を初めて使用する場合は、まず AutoML で画像分類から始めます。このチュートリアルでは、事前に準備されたデータセットと AutoML のコードレス インターフェースを使用してモデルをトレーニングする方法を説明します。モデルをトレーニングしたら、このインターフェースを使用して予測リクエストをモデルに送信します。

詳細
チュートリアル

Hello カスタム トレーニング

独自のトレーニング アプリをコード化する場合は、このチュートリアルを使用して、Vertex AI にトレーニング コードを取り込む方法を確認してください。このチュートリアルでは、画像分類モデルのサンプルアプリを提供し、Vertex AI でアプリを実行するプロセスを紹介します。モデルをトレーニングしたら、サンプルのウェブアプリを使用して予測リクエストをモデルに送信します。

詳細
チュートリアル

Hello 構造化データ

データがデータベース、スプレッドシート、その他の構造化フォームにある場合は、このチュートリアルを使用して Vertex AI でデータを準備し、モデルをトレーニングします。このチュートリアルでは、実験できるデータセットを提供しています。また、AutoML コードレス トレーニング サービスでモデルをトレーニングし、Google Cloud Console を使用して予測をリクエストする方法についても説明します。

詳細

ユースケース

ユースケース、リファレンス アーキテクチャ、ホワイトペーパー、ベスト プラクティス、業界向けソリューションをご覧ください。

記事

機械学習データセット内の機密データに関する考慮事項

機械学習（ML）モデルのトレーニング中に機密データを識別して保護するための方法を説明します。

セキュリティ プライバシー

詳細
アーキテクチャ

パーソナライズのための ML 対応データの準備

機械学習（ML）データセットを作成するために実行できる Dataflow パイプラインのセットを提供します。

BigQuery Dataflow Cloud Storage Google アナリティクス 360 CRM

詳細

コードサンプル

Google Cloud サービスの使い方と接続方法について、コードサンプルを使いながら学習します。

github

Python クライアント ライブラリのサンプル

Python 用 Vertex SDK を使用するサンプルをご覧ください。

Python Vertex AI

GitHub を開く

github

Java クライアント ライブラリのサンプル

Java 用 Vertex AI クライアント ライブラリを使用するサンプルをご覧ください。

Java Vertex AI

GitHub を開く

github

Node.js クライアント ライブラリのサンプル

Node.js 用 Vertex AI クライアント ライブラリを使用するサンプルをご覧ください。

Node.js JavaScript Vertex AI

GitHub を開く