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.
-
Accelera il machine learning con una piattaforma unificata di dati e AI e strumenti per modelli personalizzati e preaddestrati
-
Crea app di AI generativa in modo rapido e responsabile con Model Garden e Generative AI Studio
-
Implementa prassi MLOps per scalare, gestire, monitorare e governare in modo efficiente i tuoi carichi di lavoro ML
-
Riduci i tempi e i costi per l'addestramento con l'infrastruttura ottimizzata
-
Scopri di più nella documentazione di 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.
Clienti
I clienti hanno successo con l'intelligenza artificiale rivoluzionaria basata su Vertex AI
"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 studyNovità
Inizia a creare con Vertex AI
Iscriviti alle newsletter di Google Cloud per ricevere aggiornamenti sui prodotti, informazioni sugli eventi, offerte speciali e molto altro.
Documentazione
Risorse e documentazione per Vertex AI
Guida alle best practice di Vertex AI
Consulta i suggerimenti per l'utilizzo di Vertex AI per i casi d'uso comuni.
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.
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 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.
Esempio di blocchi note
Fai pratica rapidamente con i blocchi note ufficiali organizzati dai servizi Vertex AI.
SDK di Vertex AI per Python
Utilizza l'SDK per Python per addestrare, valutare ed eseguire il deployment di modelli su Vertex AI.
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.
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
Vertex AI ti aiuta a passare dal codice del blocco note a un modello di cui è stato eseguito il deployment nel cloud. Dai dati all'addestramento, alle previsioni batch o online, all'ottimizzazione, alla scalabilità e al monitoraggio degli esperimenti, Vertex AI ha tutti gli strumenti di cui hai bisogno.
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.
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.
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.
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.
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.
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.
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.
Un prodotto o una funzionalità elencati in questa pagina sono in anteprima. Scopri di più sulle fasi di lancio del prodotto.