Vertex AI
使用用途廣泛的全代管機器學習工具，以更快的速度建構、部署及擴充機器學習 (ML) 模型。
新客戶可以獲得價值 $300 美元的免費抵免額，盡情體驗 Vertex AI。
-
使用統合過的資料與 AI 平台，以及用於預先訓練和自訂模型的工具，加快機器學習的速度
-
使用模型園地和 Generative AI Studio，以負責任的態度快速建構生成式 AI 應用程式
-
實作 MLOps 做法，以有效率的方式擴充、管理、監控及管理機器學習工作負載
-
使用最佳化基礎架構減少訓練時間和費用
-
詳情請參閱 Vertex AI 說明文件
優點
透過生成式 AI 建構
透過模型園地提供的符合開發人員需求的 API，輕鬆存取各種基礎模型。透過 Generative AI Studio 按照需求自訂、進階訓練及微調模型。
縮短模型投入實際工作環境的時間
數據資料學家使用專門為訓練、調整和部署機器學習模型打造的工具，加快處理速度。運用經過最佳化的 AI 基礎架構，縮短訓練時間和成本。
充滿信心地管理模型
透過 Vertex AI Pipelines 等機器學習運作工具，降低模型維護工作的複雜度，藉此簡化機器學習管線和 Vertex AI 特徵儲存庫的執行程序，以提供 AI 技術並將 AI 做為機器學習功能。
主要功能與特色
單一 AI 平台即可提供您需要的各種機器學習工具
選擇符合您需求的模型
透過模型園地快速啟動機器學習專案，透過單一位置存取各式各樣的 API、基礎模型和開放原始碼模型。啟動各種工作流程，包括直接使用模型、在 Generative AI Studio 中微調模型，或將模型部署至數據資料學筆記本。
端對端機器學習運作
Vertex AI 提供專用工具，方便數據資料學家和機器學習工程師在整個開發生命週期中，以有效率和負責任的方式自動化處理、標準化和管理機器學習專案。Vertex AI 可讓您輕鬆大規模地訓練、測試、監控、部署及管理機器學習模型，藉此減少在實際工作環境中維護模型效能所需的工作，並讓數據資料學家和機器學習工程師得以專注於創新程式碼。
資料與 AI 整合
透過 Vertex AI Workbench，Vertex AI 以原生方式整合了 BigQuery、Dataproc 和 Spark。您可以透過 BigQuery ML 在 BigQuery 中，對現有商業智慧工具和試算表使用標準 SQL 查詢來建立及執行機器學習模型，或者可將 BigQuery 中的資料集直接匯出至 Vertex AI Workbench，並在該處執行模型。使用 Vertex 資料標籤為您的資料收集產生高度準確的標籤。
低程式碼與無程式碼工具
Vertex AI 提供低程式碼工具和進階訓練功能，讓具備各式專業知識的從業人員運用機器學習工作負載。開發人員可以透過 Generative AI Studio 使用簡單的 UI，針對其用途調整及部署基礎模型。另外，有了現成的 API，開發人員就能在預先訓練模型中輕鬆呼叫，快速解決實際問題。
靈活的開放式 AI 基礎架構
Vertex 可讓您輕鬆部署機器學習模型，無論任何用途都能以最佳成本效益進行預測 (也稱為「推論」)。提供各式各樣的機器學習基礎架構和模型部署選項，滿足您的所有機器學習推論需求。此外，全代管服務可與機器學習運作工具相互整合，方便您擴充模型部署項目、降低推論成本、有效管理實際工作環境中的模型，並降低營運負擔。
「有了 Vertex AI Pipelines，您可以重新追蹤何時從哪個訓練集訓練哪個模型，藉此快速找出註解錯誤的資料。在這些情況下，機器學習運作可說是發揮保險的作用。」
Digits Financial, Inc. 機器學習工程師 Hannes Hapke
閱讀個案研究
說明文件
Vertex AI 的資源和說明文件
Vertex AI 最佳做法指南
探索 Vertex AI 常見用途的建議。
機器學習入門：超過 25 項各角色和任務適用的資源
運用適合資料分析師、數據資料學家、機器學習工程師和軟體工程師的推薦資源，建立並精進數據資料學、機器學習和 AI 領域的技能。
程式碼研究室：Vertex AI Workbench 簡介
瞭解如何使用 Vertex AI Workbench，以 BigQuery 中的資料訓練 TensorFlow 模型。
Vertex AI 基礎，提供安全且符合規範的部署作業
保護 Vertex AI 平台，並將其做為端對端機器學習/AI 平台，用於實際工作環境工作負載。
範例筆記本
使用 Vertex AI 服務整理的官方筆記本快速投入實作。
Python 適用的 Vertex AI SDK
使用 Python SDK 來訓練、評估模型，並將模型部署至 Vertex AI。
機器學習運作從業人員指南
這份白皮書提供機器學習持續推送軟體更新及自動化作業的架構，並涵蓋機器學習運作系統的實際運用細節。
Vertex 資料標籤
Vertex 資料標籤可讓您與標籤人員合作，針對可用於機器學習模型的資料集合產生高度準確的標籤。
用途
探索利用 Vertex AI 的常見方式
Vertex AI 可協助您在雲端輕鬆從筆記本程式碼進行至部署的模型。無論是要用於訓練的資料、批次處理或線上預測、調整、資源調度和實驗追蹤，Vertex AI 都能提供您需要的各項工具。
Vertex AI 支援您的資料準備程序。您可以從 BigQuery 和 Cloud Storage 擷取資料，並利用 Vertex AI 資料標籤功能為高品質訓練資料加上註解，並改善預測準確率。
使用 Vertex AI 特徵儲存庫 (一個全代管的特徵存放區) 來提供、共用及重複使用機器學習特徵；Vertex AI 實驗追蹤、分析及探索機器學習實驗，以加快模型選擇作業；Vertex AI TensorBoard 以視覺化方式呈現機器學習實驗；以及 Vertex AI Pipelines 簡化機器學習管道的建置和運行，進而簡化機器學習運作程序。
使用 AutoML 找出圖片、表格、文字或影片預測工作的最佳模型架構，或是使用 Notebooks 建構自訂模型，無需程式碼即可構建最先進的 ML 模型。Vertex AI 訓練提供全代管的訓練服務，而 Vertex AI Vizier 提供經過最佳化的超參數，可提供最準確的預測結果。
Vertex AI 預測功能可讓您輕鬆地將模型部署到實際工作環境，並透過 HTTP 進行線上服務或透過批次預測進行大量計分。您可以將使用任何架構 (包括 TensorFlow、PyTorch、scikit 或 XGB) 構建的自訂模型部署至 Vertex AI 預測中，並使用內建工具追蹤模型效能。
取得採用 Vertex Explainable AI 技術的詳細模型評估指標和特徵歸因。Vertex Explainable AI 會顯示各項輸入特徵對預測的重要性。這項功能在 AutoML 預測、Vertex AI 預測和 Vertex AI Workbench 立即可用。
持續監控功能會針對在 Vertex AI 預測服務中部署的模型，輕鬆監控模型在一段時間內的效能。持續監控功能會監控模型的預測效能和信號，在信號偏離情況時發出快訊、診斷原因，並觸發模型重新訓練管道或收集相關的訓練資料。
Vertex 機器學習中繼資料可自動追蹤 Vertex Pipelines 中所有元件的輸入和輸出，為您的機器學習工作流程進行構件、歷程和執行追蹤，進而更輕鬆地稽核和管理資料。這項服務使用 Python SDK 直接從程式碼追蹤自訂中繼資料和查詢中繼資料。
所有功能與特色
在單一整合工作流程中提供機器學習運作工具
| Vertex AI 模型園地 | 您可以在 Vertex AI 中，透過 Google 和 Google 合作夥伴提供的各種基礎模型，在單一平台搜尋、探索及進行互動。瞭解詳情 |
| Vertex AI Generative AI Studio | Vertex AI 中的代管環境，可讓您輕鬆調整及部署實際工作環境基礎模型，並進行互動。瞭解詳情 |
| AutoML | 輕鬆開發高品質自訂機器學習模型，而且無須編寫訓練處理常式。採用 Google 最先進的遷移學習與超參數搜尋技術。 |
| 深度學習 VM 映像檔 | 在 Compute Engine 執行個體中將含有最常見 AI 架構的 VM 映像檔執行個體化，而且不必擔心軟體是否相容。 |
| Vertex AI Workbench | Vertex AI Workbench 是數據資料學家可用來完成所有機器學習工作 (從實驗、部署至管理與監控模型) 的單一環境。此平台以 Jupyter 為基礎，是全代管且可擴充的企業級運算基礎架構，提供安全性控管機制和使用者管理功能。 |
| Vertex AI Matching Engine | 具備大規模擴充性、低延遲的特性，以及符合成本效益的向量相似性比對服務。 |
| Vertex AI 資料標籤 | 取得標籤人員提供的高精確度標籤，藉此提高機器學習模型的品質。 |
| Vertex AI 深度學習容器 | 在可遷移的一致環境中迅速建立及部署模型，以便用於所有 AI 應用程式。 |
| Vertex Explainable AI | 透過整合到 Vertex AI Prediction、AutoML Tables 和 Vertex AI Workbench 中的穩健且實用的說明，瞭解並建立對模型預測的信任。 |
| Vertex AI 特徵儲存庫 | 這個功能豐富的全代管存放區可以提供、分享及重複使用機器學習功能。 |
| Vertex 機器學習中繼資料 | 透過易於使用的 Python SDK，建立機器學習工作流程的構件、歷程和執行追蹤功能。 |
| Vertex AI 模型監控 | 有關資料偏移、概念偏移或其他可能需要監管的模型效能突發事件的自動快訊。 |
| Vertex AI 類神經架構搜尋 | 透過由 Google 領先業界的 AI 研究技術提供的自動化服務，建構能滿足應用程式特定需求的新模型架構，並最佳化現有模型架構，以改善延遲、記憶體和效能。 |
| Vertex AI 管道 | 使用 TensorFlow Extended 和 Kubeflow Pipelines 來建構管道，並利用 Google Cloud 的代管服務以彈性擴充方式執行，並按使用付費。透過詳細的中繼資料追蹤、持續模型及觸發模型重新訓練，簡化機器學習運作。 |
| Vertex AI 預測 | 透過 HTTP 或批次預測，以更簡便的方式將模型部署至實際工作環境來進行大量計分作業。Vertex AI Prediction 提供整合架構，用於部署透過 TensorFlow、scikit 或 XGB 訓練的的自訂模型，以及 BigQuery ML、AutoML 模型，並可採用各種機器類型和 GPU。 |
| Vertex AI TensorBoard | 機器學習實驗的視覺化和追蹤工具含有模型圖，其中顯示圖片、文字和音訊資料。 |
| Vertex AI 訓練 | Vertex AI 訓練提供一組預先建構的演算法，讓使用者得以將自訂程式碼導入訓練模型中。這種全代管的訓練服務，適用於需要彈性且自訂功能，或是需要在地端部署或其他雲端環境執行訓練的使用者。 |
| Vertex AI Vizier | 最佳化超參數，實現最高預測準確率。 |
定價
本頁所列產品或功能仍為預先發布版。進一步瞭解產品推出階段。