Crea applicazioni con AI generativa in modo rapido ed efficiente. Partecipa al programma Trusted Tester di Google Cloud per scoprire di più sull'accesso in anteprima.
Vai a

Vertex AI

Crea, esegui il deployment e scala modelli di machine learning (ML) più velocemente, con strumenti ML completamente gestiti per qualsiasi caso d'uso. 

I nuovi clienti ricevono 300 $ di crediti gratuiti da spendere su Vertex AI.

Vantaggi

Crea con l'AI generativa

Accedi facilmente a una serie di modelli di base, tramite API a misura di sviluppatori su Model Garden. Personalizza, addestra e ottimizza i modelli in base alle tue esigenze con Generative AI Studio

Accelera i modelli in produzione

I data scientist possono muoversi più velocemente con strumenti appositamente progettati per l'addestramento, l'ottimizzazione e il deployment di modelli ML. Riduci i tempi e i costi di addestramento con un'infrastruttura AI ottimizzata. 

Gestisci i tuoi modelli in tutta sicurezza

Rimuovi la complessità di manutenzione dei modelli con strumenti MLOps come Vertex AI Pipelines, per semplificare l'esecuzione di pipeline ML, e Vertex AI Feature Store per gestire e utilizzare le tecnologie AI come funzionalità di ML.

Funzionalità principali

Una piattaforma AI, tutti gli strumenti di ML

Scegli il modello più adatto alle tue esigenze

Avvia il tuo progetto ML con Model Garden, un'unica posizione per accedere a un'ampia varietà di API, modelli di base e modelli open source. Avvia una serie di flussi di lavoro, tra cui l'utilizzo di modelli, l'ottimizzazione dei modelli in AI Generative Studio o il deployment dei modelli in un blocco note di data science. 

MLOps end-to-end

Vertex AI fornisce strumenti creati appositamente per data scientist e ML engineer per automatizzare, standardizzare e gestire in modo efficiente e responsabile i progetti ML durante l'intero ciclo di vita di sviluppo. Con Vertex AI puoi addestrare, testare, monitorare, eseguire il deployment e gestire facilmente i modelli ML su larga scala, riducendo il lavoro necessario per mantenere le prestazioni dei modelli in produzione e consentendo a data scientist e ML engineer di concentrarsi sul codice di innovazione. 

Integrazione di dati e AI

Tramite Vertex AI Workbench, Vertex AI è integrata in modo nativo con BigQuery, Dataproc e Spark. Puoi utilizzare BigQuery ML per creare ed eseguire modelli di machine learning in BigQuery utilizzando query SQL standard su strumenti e fogli di lavoro di business intelligence esistenti, oppure puoi esportare set di dati da BigQuery direttamente in Vertex AI Workbench ed eseguire i tuoi modelli da lì. Utilizza Vertex Data Labeling per generare etichette ad alta precisione per la raccolta dei dati.

Strumenti con poco codice e senza codice

Vertex AI fornisce strumenti con poco codice e funzionalità di addestramento per consentire ai professionisti con un'ampia gamma di competenze di sfruttare i carichi di lavoro di machine learning. Con Generative AI Studio, gli sviluppatori possono ottimizzare ed eseguire il deployment di modelli di base per i propri casi d'uso utilizzando una semplice UI. Inoltre, con le nostre API pronte all'uso, gli sviluppatori possono facilmente richiamare modelli preaddestrati per risolvere rapidamente problemi reali. 

Infrastruttura AI flessibile e aperta

Vertex semplifica il deployment di modelli ML per effettuare previsioni (note anche come inferenza) al miglior rapporto prezzo/prestazioni per qualsiasi caso d'uso. Offre un'ampia selezione di opzioni di deployment di modelli e infrastruttura ML per soddisfare tutte le tue esigenze di inferenza ML. Si tratta di un servizio completamente gestito e si integra con gli strumenti MLOps, per consentirti di scalare il deployment dei modelli, ridurre i costi di deduzione, gestire i modelli in modo più efficace in produzione e ridurre il carico operativo.

Visualizza tutte le funzionalità
Digits Financial, Inc

"Con Vertex AI Pipelines, è possibile rintracciare quale modello è stato addestrato, in quale momento e a partire da quali set di addestramento, per trovare rapidamente, ad esempio, dati annotati in modo errato. MLOps equivale a un'assicurazione sulla vita in questi momenti."

Hannes Hapke ML Engineer, Digits Financial, Inc

Leggi il case study

Documentazione

Risorse e documentazione per Vertex AI

Best practice
Guida alle best practice di Vertex AI

Consulta i suggerimenti per l'utilizzo di Vertex AI per i casi d'uso comuni.

Tutorial
Introduzione al machine learning: oltre 25 risorse per ruolo e attività

Sviluppa e affina le competenze di data science, ML e AI con risorse consigliate per analisti di dati, data scientist, ML engineer e ingegneri del software.

Tutorial
Codelab: introduzione a Vertex AI Workbench

Scopri come utilizzare Vertex AI Workbench per addestrare un modello TensorFlow con i dati di BigQuery.

Nozioni di base su Google Cloud
Nozioni di base di Vertex AI per un deployment sicuro e conforme

Proteggi e abilita la piattaforma Vertex AI come piattaforma ML/AI end-to-end per i carichi di lavoro di produzione.

Tutorial
Esempio di blocchi note

Fai pratica rapidamente con i blocchi note ufficiali organizzati dai servizi Vertex AI.

Nozioni di base su Google Cloud
SDK di Vertex AI per Python

Utilizza l'SDK per Python per addestrare, valutare ed eseguire il deployment di modelli su Vertex AI.

White paper
Guida alle MLOps per professionisti

Questo white paper fornisce un framework per la distribuzione continua e l'automazione del machine learning, oltre a illustrare i dettagli concrete dei sistemi MLOps in pratica.

Nozioni di base su Google Cloud
Vertex Data Labeling

Vertex Data Labeling consente di lavorare con etichettatori umani per generare etichette altamente accurate per una raccolta di dati utilizzabili nei modelli di machine learning.

Casi d'uso

Scopri modi comuni per sfruttare Vertex AI

Caso d'uso
Preparazione dei dati

Vertex AI supporta il processo di preparazione dei dati. Puoi importare i dati da BigQuery e Cloud Storage e sfruttare Vertex AI Data Labeling per annotare dati di addestramento di alta qualità e migliorare l'accuratezza della previsione.

Diagramma che mostra le funzionalità di Vertex AI per il supporto di ogni fase del flusso di lavoro ML.
Caso d'uso
Feature engineering

Utilizza Vertex AI Feature Store, un ricco repository di caratteristiche completamente gestito, per pubblicare, condividere e riutilizzare le caratteristiche di ML; Vertex AI Experiments per monitorare, analizzare e scoprire gli esperimenti di ML per velocizzare la scelta dei modelli; Vertex TensorBoard per visualizzare gli esperimenti di ML e Vertex AI Pipelines per agevolare il processo MLOps semplificando la creazione e l'esecuzione di pipeline di ML.

Caso d'uso
Addestramento e ottimizzazione di iperparametri

Crea modelli di machine learning all'avanguardia senza codice utilizzando AutoML per determinare l'architettura ottimale dei modelli per l'attività di previsione per immagini, dati tabulari, testo o video, oppure crea modelli personalizzati utilizzando Notebooks. Vertex AI Training offre servizi di addestramento completamente gestiti, mentre Vertex AI Vizier fornisce iperparametri ottimizzati per la massima precisione predittiva.

Caso d'uso
Gestione dei modelli

Vertex AI Prediction semplifica il deployment dei modelli in produzione, per la pubblicazione online tramite HTTP o la previsione batch per l'assegnazione di un punteggio collettivo. È possibile eseguire il deployment di modelli personalizzati basati su qualsiasi framework (inclusi TensorFlow, PyTorch, scikit o XGB) in Vertex AI Prediction, con strumenti integrati per monitorare le prestazioni dei modelli.

Caso d'uso
Ottimizzazione e comprensione del modello

Ricevi metriche dettagliate di valutazione dei modelli e attribuzione delle caratteristiche, basate su Vertex Explainable AI. Vertex Explainable AI indica l'importanza di ogni caratteristica di input per la tua previsione. Disponibile fin dal primo utilizzo in AutoML Forecast, Vertex AI Prediction e Vertex AI Workbench.

Caso d'uso
Monitoraggio dei modelli

Il monitoraggio continuo offre un monitoraggio semplice e proattivo delle prestazioni del modello nel tempo per i modelli di cui è stato eseguito il deployment nel servizio Vertex AI Prediction. Il monitoraggio continuo monitora gli indicatori per le prestazioni di previsione e gli avvisi del modello quando i segnali si deviano, diagnostica la causa della deviazione e attiva pipeline di riaddestramento del modello o la raccolta dei dati di addestramento pertinenti.

Caso d'uso
Gestione dei modelli

Vertex ML Metadata facilita la verificabilità e la governance monitorando automaticamente input e output in tutti i componenti in Vertex Pipelines per il monitoraggio di artefatti, derivazioni ed esecuzioni per il flusso di lavoro di machine learning. Monitora i metadati personalizzati direttamente dal tuo codice e dai metadati delle query utilizzando un SDK Python.

Tutte le funzionalità

Strumenti MLOps in un unico flusso di lavoro unificato

Model Garden di Vertex AI Un'unica posizione in cui cercare, scoprire e interagire con un'ampia varietà di modelli di base di Google e dei partner di Google, disponibili su Vertex AI. Scopri di più
Generative AI Studio di Vertex AI Un ambiente gestito in Vertex AI che semplifica l'interazione, l'ottimizzazione e il deployment dei modelli di base in produzione Scopri di più
AutoML Sviluppa facilmente modelli di machine learning personalizzati di alta qualità senza scrivere le routine di addestramento. Basato sulle tecnologie all'avanguardia di ricerca degli iperparametri e di transfer learning di Google.
Deep Learning VM Image Crea un'istanza di un'immagine VM contenente i framework di AI più popolari su un'istanza Compute Engine senza preoccuparti della compatibilità del software.
Workbench Vertex AI Vertex AI Workbench è un ambiente unico in cui i data scientist possono completare tutto il loro lavoro di ML, dalla sperimentazione al deployment, alla gestione e al monitoraggio dei modelli. Si tratta di un'infrastruttura di computing basata su Jupyter, completamente gestita, scalabile e di livello enterprise, con controlli di sicurezza e funzionalità di gestione degli utenti.
Vertex AI Matching Engine Servizio di abbinamento per somiglianza di vettori a elevata scalabilità, bassa latenza e prezzo conveniente.
Vertex AI Data Labeling Ricevi etichette estremamente accurate da etichettatori umani per modelli di machine learning migliori.
Vertex AI Deep Learning Containers Crea modelli ed eseguine il deployment in modo rapido in un ambiente portabile e coerente per tutte le tue applicazioni di AI.
Vertex Explainable AI Comprendi e crea fiducia nelle previsioni dei tuoi modelli con spiegazioni solide e strategiche integrate in Vertex AI Prediction, AutoML Tables e Vertex AI Workbench.
Vertex AI Feature Store Un ricco repository di caratteristiche completamente gestito per pubblicare, condividere e riutilizzare le caratteristiche di ML.
Vertex ML Metadata Monitoraggio degli artefatti, delle derivazioni e dell'esecuzione per i flussi di lavoro di ML con un SDK Python facile da utilizzare.
Vertex AI Model Monitoring Avvisi automatici per deviazione di dati, deviazione di concetti o altri incidenti relativi alle prestazioni che possono richiedere la supervisione.
Vertex AI Neural Architecture Search Crea nuove architetture di modelli che hanno come target esigenze specifiche delle applicazioni e ottimizza le architetture di modelli esistenti per latenza, memoria e potenza, grazie a questo servizio automatizzato basato sulla ricerca leader di Google nel campo dell'AI.
Vertex AI Pipelines Crea pipeline utilizzando TensorFlow Extended e Kubeflow Pipelines e sfrutta i servizi gestiti di Google Cloud per l'esecuzione scalabile e il pagamento per utilizzo. Semplifica MLOps con monitoraggio dei metadati dettagliato, modellazione continua e addestramento dei modelli con trigger.
Vertex AI Prediction Semplifica il deployment dei modelli in produzione con la pubblicazione online tramite HTTP o la previsione batch per l'assegnazione di un punteggio collettivo. Vertex AI Prediction offre un framework unificato per il deployment di modelli personalizzati addestrati in TensorFlow, scikit o XGB, e modelli BigQuery ML e AutoML e su un'ampia gamma di tipi di macchine e GPU.
Vertex AI Tensorboard Questo strumento di visualizzazione e monitoraggio per la sperimentazione ML include grafici di modelli che mostrano immagini, testo e dati audio.
Vertex AI Training Vertex AI Training offre un insieme di algoritmi predefiniti e consente agli utenti di inserire il proprio codice personalizzato per addestrare modelli. Un servizio di addestramento completamente gestito per gli utenti che richiedono maggiore flessibilità e personalizzazione o per gli utenti che eseguono attività di addestramento on-premise o in un altro ambiente cloud.
Vertex AI Vizier Iperparametri ottimizzati per la massima accuratezza delle previsioni.

Prezzi

Prezzi

Vertex AI addebita i costi di addestramento dei modelli, previsioni e utilizzo delle risorse dei prodotti Google Cloud.

Ricevi tariffe a prezzo pieno o stima i costi con il nostro Calcolatore prezzi.