Generative AI Studio, Model Garden und PaLM APIs für Text (text-bison) und Einbettungen (textembedding-gecko) sind jetzt allgemein verfügbar. Weitere Informationen
Weiter zu

Vertex AI

Mit vollständig verwalteten ML-Tools für jeden Anwendungsfall schneller Modelle für maschinelles Lernen (ML) erstellen, bereitstellen und skalieren

Neukunden erhalten ein Startguthaben von 300 $ für Vertex AI.

Vorteile

Mit generativer KI erstellen

Über entwicklerfreundliche APIs in Model Garden können Sie ganz einfach auf eine Vielzahl von Basismodellen zugreifen. Mit Generative AI Studio können Sie Modelle anpassen, Aufbautraining durchführen und feinabstimmen, sodass sie Ihren Bedürfnissen entsprechen. 

Modelle schneller in die Produktion bringen

Data Scientists können mit zweckorientierten Tools für Training, Feinabstimmung und Bereitstellung von ML-Modellen schneller agieren. Reduzieren Sie mit einer optimierten KI-Infrastruktur die Trainingszeit und -kosten. 

Modelle zuversichtlicher verwalten

Die MLOps-Tools von Vertex AI vereinfachen die Modellwartung. Zu den Tools zählen Vertex AI Pipelines zur Optimierung der Ausführung von ML-Pipelines und der Vertex AI Feature Store zur Bereitstellung und Nutzung von KI-Technologien als ML-Features.

Wichtige Features

Eine KI-Plattform mit allen ML-Tools, die Sie benötigen

Modell auswählen, das Ihren Anforderungen entspricht

Mit Model Garden haben Sie eine Starthilfe für Ihr ML-Projekt. Es bietet einen zentralen Ort für den Zugriff auf eine Vielzahl von APIs, Grundlagenmodellen und Open-Source-Modellen. Sie können eine Vielzahl von Workflows direkt einsetzen, z. B. Modelle direkt verwenden, Modelle in Generative AI Studio abstimmen oder Modelle in einem Data-Science-Notebook bereitstellen. 

Ende-zu-Ende-MLOps

Vertex AI bietet maßgeschneiderte Tools für Data Scientists und ML-Entwickler, um ML-Projekte während des gesamten Entwicklungslebenszyklus effizient und verantwortungsbewusst zu automatisieren, zu standardisieren und zu verwalten. Mit Vertex AI können Sie ML-Modelle im großen Umfang ganz einfach trainieren, testen, überwachen, bereitstellen und steuern. Der Aufwand für die Aufrechterhaltung der Modellleistung in der Produktion ist so geringer , sodass die Data Scientists und ML-Entwicklern den Fokus auf Innovationscode legen können.

Daten- und KI-Einbindung

Über die Vertex AI Workbench ist Vertex AI nativ in BigQuery, Dataproc und Spark eingebunden. Sie können BigQuery ML zum Erstellen und Ausführen von Modellen für maschinelles Lernen in BigQuery mit Standard-SQL-Abfragen für vorhandene Business-Intelligence-Tools und -Tabellen verwenden oder Datasets aus BigQuery direkt in Vertex AI Workbench exportieren. Von dort können Sie Ihre Modelle dann ausführen.

Tools mit wenig und ohne Code

Vertex AI bietet Tools mit wenig Code und Aufbautrainingsmöglichkeiten, damit Fachleute mit einem breiten Fachwissen ML-Arbeitslasten nutzen können. Mit Generative AI Studio können Entwickler Basismodelle über eine einfache Benutzeroberfläche für ihre Anwendungsfälle feinabstimmen und bereitstellen. Mit unseren Standard-APIs können Entwickler ganz leicht auf vortrainierte Modelle zurückgreifen, um rasch reale Probleme zu lösen. 

Offene und flexible KI-Infrastruktur

Mit Vertex können Sie ML-Modelle ganz einfach bereitstellen, um Vorhersagen (auch bekannt als Inferenz) zum bestmöglichen Preis-Leistungs-Verhältnis für beliebige Anwendungsfälle zu treffen. Er bietet eine große Auswahl an ML-Infrastruktur- und Modellbereitstellungsoptionen, die Ihnen alle Ihre Bedürfnisse hinsichtlich ML-Inferenzen erfüllen. Es handelt sich um einen vollständig verwalteten Dienst, der in MLOps-Tools eingebunden werden kann. Damit lassen sich die Modellbereitstellung skalieren, Inferenzkosten senken, Modelle in der Produktion effektiver verwalten und den operativen Aufwand reduzieren.

Alle Features ansehen
Logo: Digits Financial Inc.

„Mit Vertex AI Pipelines können Sie rückverfolgen, welches Modell zu welchem Zeitpunkt von welchen Trainings-Datasets trainiert wurde. So lassen sich falsch annotierte Daten schnell finden. MLOps ist in diesen Momenten die Lebensversicherung.“

Hannes Hapke, ML Engineer, Digits Financial, Inc

Fallstudie lesen

Dokumentation

Ressourcen und Dokumentation für Vertex AI

Best Practice
Leitfaden für Vertex AI Best Practices

Empfehlungen zur Verwendung von Vertex AI für häufige Anwendungsfälle

Tutorial
Einstieg in ML: Mehr als 25 Ressourcen nach Rolle und Aufgabe

Erlernen und erweitern Sie Kompetenzen in Data Science, ML und KI mit Ressourcen, die für Datenanalysten, Data Scientists, ML-Entwickler und Softwareentwickler empfohlen werden.

Tutorial
Codelab: Einführung in Vertex AI Workbench

Hier erfahren Sie, wie Sie Vertex AI Workbench verwenden, um ein TensorFlow-Modell mit Daten aus BigQuery zu trainieren.

Grundlagen zu Google Cloud
Vertex AI Foundations für eine sichere und konforme Bereitstellung

Vertex AI-Plattform als End-to-End-ML-/KI-Plattform für Produktionsarbeitslasten sichern und aktivieren.

Tutorial
Beispiel-Notebooks

Mit den offiziellen, von Vertex AI-Diensten organisierten Notebooks können Sie schnell einsteigen.

Google Cloud Basics
Vertex AI SDK für Python

Mit dem Python SDK Modelle trainieren, bewerten und in Vertex AI bereitstellen

Whitepaper
Leitfaden zu MLOps für Fachkräfte

Dieses Whitepaper enthält die Rahmenbedingungen für Continuous Delivery und Automatisierung von maschinellem Lernen. Außerdem werden die konkreten Details der MLOps-Systeme in der Praxis behandelt.

Anwendungsfälle

Gängige Möglichkeiten zur Nutzung von Vertex AI

Anwendungsfall
Feature Engineering

Verwenden Sie den Vertex AI Feature Store, ein vollständig verwaltetes Repository für umfangreiche Funktionen, um ML-Funktionen bereitzustellen, zu teilen und wiederzuverwenden; Vertex AI Experiments, um ML-Experimente für eine schnellere Modellauswahl zu verfolgen, zu analysieren und zu entdecken; Vertex AI TensorBoard, um ML-Experimente zu visualisieren; und Vertex AI Pipelines, um den MLOps-Prozess zu vereinfachen, indem die Erstellung und Ausführung von ML-Pipelines optimiert

Anwendungsfall
Training und Hyperparameter-Abstimmung

Erstellen Sie moderne ML-Modelle ohne Code mithilfe von AutoML, um die optimale Modellarchitektur für Ihre Bild-, Tabellen-, Text- oder Videovorhersageaufgaben zu ermitteln oder benutzerdefinierte Modelle mit Notebooks zu erstellen. Vertex AI Training bietet vollständig verwaltete Trainingsservices und Vertex AI Vizier bietet optimierte Hyperparameter für maximale Vorhersagegenauigkeit.

Anwendungsfall
Modellbereitstellung

Vertex AI Prediction erleichtert die Bereitstellung von Modellen für die Produktion, zur Onlinebereitstellung über HTTP oder eine Batchvorhersage zur Massenbewertung. Sie können benutzerdefinierte Modelle, die auf einem beliebigen Framework (einschließlich TensorFlow, PyTorch, scikit oder XGB) basieren, in Vertex AI Prediction bereitstellen. Dabei stehen integrierte Tools zur Verfügung, mit denen Sie die Leistung Ihrer Modelle verfolgen können.

Anwendungsfall
Modell abstimmen und verstehen

Mit Vertex Explainable AI können Sie detaillierte Messwerte für die Modellbewertung und Feature-Attributionen abrufen. Vertex Explainable AI informiert Sie darüber, wie wichtig jedes Eingabefeature für Ihre Vorhersage ist. Sofort verfügbar in AutoML Forecasting, Vertex AI Prediction und Vertex AI Workbench.

Anwendungsfall
Modellmonitoring

Kontinuierliches Monitoring ermöglicht eine einfache und proaktive Überwachung der Modellleistung für Modelle, die im Vertex AI Prediction-Dienst bereitgestellt werden. Das kontinuierliche Monitoring überwacht die Signale für die Vorhersageleistung des Modells und benachrichtigt Sie, wenn die Signale abweichen, diagnostiziert die Ursache der Abweichung und löst Pipelines zum Modelltraining noch einmal aus oder erfasst relevante Trainingsdaten.

Anwendungsfall
Modellverwaltung

Vertex ML Metadata vereinfacht die Nachvollziehbarkeit und Governance, da Eingaben und Ausgaben aller Komponenten in Vertex-Pipelines automatisch in Bezug auf Artefakt, Lineage und Ausführungsverfolgung für den ML-Workflow nachverfolgt werden. Verfolgen Sie benutzerdefinierte Metadaten direkt mit Ihrem Python SDK aus den Code- und Abfragemetadaten.

Alle Features

MLOps-Tools in einem einzigen, einheitlichen Workflow

Vertex AI Model Garden Eine zentrale Plattform für die Suche, Erkennung und Interaktion mit einer Vielzahl von Baismodellen von Google und Google-Partnern, verfügbar in Vertex AI. Weitere Informationen 
Vertex AI Generative AI Studio Eine verwaltete Umgebung in Vertex AI, die die Interaktion mit Basismodellen, die Optimierung und die Bereitstellung in der Produktion vereinfacht. Weitere Informationen 
AutoML Entwickeln Sie einfach qualitativ hochwertige benutzerdefinierte ML-Modelle ohne neue Trainingsroutinen. Bereitgestellt durch die herausragende Lerntransfer- und Hyperparametersuchtechnologie von Google.
Deep-Learning-VM-Images Instanziieren Sie ein VM-Image mit den beliebtesten KI-Frameworks auf einer Compute Engine-Instanz, ohne dass Sie sich dabei Sorgen über Softwarekompatibilität machen müssen.
Vertex AI Workbench Vertex AI Workbench ist die einzige Umgebung, in der Data Scientists ihre gesamte ML-Arbeit ausführen können, angefangen beim Experimentieren über die Bereitstellung bis hin zur Verwaltung und dem Monitoring von Modellen.Sie ist eine auf Jupyter basierende vollständig verwaltete, skalierbare Computing-Infrastruktur für Unternehmen mit Sicherheitskontrollen und Nutzerverwaltungsfunktionen.
Vertex AI Matching Engine Hochgradig skalierbarer, latenzarmer und kosteneffizienter Dienst zum Abgleich von Vektorähnlichkeiten.
Vertex AI Deep Learning Container Erstellen Sie schnell Modelle und stellen Sie sie in portierbaren und konsistenten Umgebungen für alle KI-Anwendungen bereit.
Vertex Explainable AI Verstehen Sie Ihre Modellvorhersagen und schaffen Sie Vertrauen in diese mit robusten, umsetzbaren Erklärungen, die in Vertex AI Prediction, AutoML-Tabellen und Vertex AI Workbench integriert sind.
Vertex AI Feature Store Ein vollständig verwaltetes Rich-Feature-Repository zur Bereitstellung, Freigabe und Wiederverwendung von ML-Features.
Vertex ML Metadata Artefakt-, Lineage- und Ausführungsverfolgung für ML-Workflows mit einem nutzerfreundlichen Python SDK.
Vertex AI Model Monitoring Automatische Benachrichtigungen bei Datenabweichung, Konzeptabweichung oder andere Vorfälle bei der Modellleistung, die eine Überwachung erfordern können.
Neural Architecture Search von Vertex AI Erstellen Sie neue Modellarchitekturen, die auf anwendungsspezifische Anforderungen ausgerichtet sind, und optimieren Sie Ihre vorhandenen Modellarchitekturen hinsichtlich Latenz, Arbeitsspeicher und Leistung mit diesem automatisierten Dienst, der auf der führenden KI-Forschung von Google basiert.
Vertex AI Pipelines Erstellen Sie Pipelines mit TensorFlow Extended und Kubeflow Pipelines und nutzen Sie die verwalteten Dienste von Google Cloud für eine skalierbare Ausführung und Bezahlung pro Nutzung. Optimieren Sie Ihre MLOps mit detailliertem Metadaten-Tracking, kontinuierlicher Modellierung und ausgelöstem Modell-Retraining.
Vertex-AI-Prediction Modelle mit der Onlinebereitstellung über HTTP oder Batchvorhersagen für die Massenbewertung einfacher in die Produktion bereitstellen. Vertex AI Prediction bietet ein einheitliches Framework für die Bereitstellung benutzerdefinierter Modelle, die in TensorFlow, scikit oder XGB trainiert wurden, sowie BigQuery ML- und AutoML-Modelle sowie auf einer Vielzahl von Maschinentypen und GPUs.
Vertex AI Tensorboard Dieses Visualisierungs- und Tracking-Tool für ML-Tests umfasst Modelldiagramme, in denen Bilder, Text und Audiodaten angezeigt werden.
Vertex AI Training Vertex AI Training bietet eine Reihe vordefinierter Algorithmen und ermöglicht es Nutzern, benutzerdefinierten Code zum Trainieren von Modellen zu verwenden. Ein vollständig verwalteter Trainingsdienst für Nutzer, die eine höhere Flexibilität und Anpassung benötigen, oder für Nutzer, die Schulungen lokal oder in einer anderen Cloud-Umgebung ausführen.
Vertex AI Vizier Optimierte Hyperparameter für maximale Vorhersagegenauigkeit.

Preise

Preise

Vertex AI berechnet Ihnen Modelltraining, Vorhersagen und Nutzung von Google Cloud-Produktressourcen.

Mithilfe unseres Preisrechners können Sie die vollständigen Preise abrufen und Kosten schätzen.