Vertex AI connecte AutoML et AI Platform au sein d'une API unifiée, d'une bibliothèque cliente et d'une interface utilisateur. Avec l'IA Vertex, l'entraînement AutoML et l'entraînement personnalisé sont disponibles. Quelle que soit l'option choisie pour l'entraînement, vous pouvez enregistrer des modèles, déployer des modèles et demander des prédictions avec l'IA Vertex. En savoir plus

Tutoriels

Commencer

Ressources

Former vos utilisateurs G Suite

Accédez à des tutoriels, à des cours et à des formations à suivre à votre rythme pour Vertex AI depuis le programme Google Cloud Skills Boost.

Tutoriel

Données d'images Hello

Si vous ne connaissez pas l'intelligence artificielle (IA), commencez par la classification d'images avec AutoML. Ce tutoriel vous explique comment entraîner un modèle à l'aide d'un ensemble de données préparé et de l'interface sans code d'AutoML. Après avoir entraîné votre modèle, utilisez cette interface pour envoyer des requêtes de prédiction au modèle.

En savoir plus 
Tutoriel

Entraînement personnalisé Hello

Si vous prévoyez de coder votre propre application d'entraînement, suivez ce tutoriel pour découvrir comment transférer votre code d'entraînement sur Vertex AI. Ce tutoriel fournit un exemple d'application pour un modèle de classification d'images et vous guide tout au long du processus d'exécution de l'application sur Vertex AI. Après avoir entraîné votre modèle, utilisez un exemple d'application Web pour lui envoyer des requêtes de prédiction.

En savoir plus 
Tutoriel

Données structurées Hello

Si vos données se trouvent dans une base de données, une feuille de calcul ou une autre forme structurée, utilisez ce tutoriel pour explorer et préparer vos données sur Vertex AI puis entraîner votre modèle. Le tutoriel fournit un ensemble de données avec lequel vous pouvez expérimenter et vous montre comment entraîner un modèle avec le service d'entraînement sans code AutoML puis demander des prédictions à l'aide de Google Cloud Console.

En savoir plus 

Cas d'utilisation

Découvrez des cas d'utilisation, des architectures de référence et des livres blancs, ainsi que des bonnes pratiques et des solutions par secteur d'activité.

Article

Remarques relatives aux données sensibles des ensembles de données de machine learning

Présente les stratégies permettant d'identifier et de protéger les données sensibles lors de l'entraînement de modèles de machine learning (ML).

sécurité confidentialité

En savoir plus 
Architecture

Préparer des données prêtes pour le machine learning à des fins de personnalisation

Fournit un ensemble de pipelines Dataflow que vous pouvez exécuter pour créer des ensembles de données de machine learning (ML).

BigQuery Dataflow Cloud Storage Google Analytics 360 CRM

En savoir plus 

Exemples de code

Découvrez des exemples de code montrant comment se connecter à des services Google Cloud et les utiliser.

github

Exemples de la bibliothèque cliente Python

Consultez des exemples qui utilisent le SDK Vertex AI pour Python.

Python Vertex AI

Ouvrir GitHub 

github

Exemples de la bibliothèque cliente Java

Consultez des exemples utilisant la bibliothèque cliente Vertex AI pour Java.

Java Vertex AI

Ouvrir GitHub 

github

Exemples de la bibliothèque cliente Node.js

Découvrez des exemples qui utilisent la bibliothèque cliente Vertex AI pour Node.js.

Node.js JavaScript Vertex AI

Ouvrir GitHub