Vertex AI
Schnelle Erstellung, Bereitstellung und Skalierung von ML-Modellen mit vortrainierten und benutzerdefinierten Tools auf einer einheitlichen Plattform für künstliche Intelligenz.
-
Bauen Sie mit den bahnbrechenden ML-Tools von Google Research, die Google selbst verwendet
-
Stellen Sie mehr Modelle schneller bereit und verwenden Sie 80 % weniger Zeilencode für die benutzerdefinierte Modellierung
-
Verwenden Sie MLOps-Tools, um Ihre Daten und Modelle einfach zu verwalten und in großem Maßstab zu wiederholen
Vorteile
Modelle ohne Code trainieren, nur minimale Kenntnisse erforderlich
Mit AutoML Modelle in kürzerer Zeit erstellen. Vertex AI umfasst hochmoderne vortrainierte APIs für maschinelles Sehen, Sprache, strukturierte Daten und Unterhaltungen.
Erweiterte ML-Modelle mit benutzerdefinierten Tools erstellen
Die benutzerdefinierten Modelltools von Vertex AI unterstützen die erweiterte ML-Codierung. Dafür sind fast 80 % weniger Codezeilen erforderlich, um ein Modell mit benutzerdefinierten Bibliotheken zu trainieren als bei Konkurrenzplattformen (Codelab ansehen).
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
Eine einheitliche Benutzeroberfläche für den gesamten ML-Workflow
Vertex AI fasst die Google Cloud-Dienste zum Erstellen von ML unter einer einzigen einheitlichen Benutzeroberfläche und API zusammen. In Vertex AI können Sie Modelle mit AutoML oder benutzerdefiniertem Codetraining jetzt ganz einfach trainieren und vergleichen. Alle Ihre Modelle werden in einem zentralen Modell-Repository gespeichert. Diese Modelle können jetzt auf denselben Endpunkten in Vertex AI bereitgestellt werden.
Vortrainierte APIs für Vision, Video, Natural Language und mehr
Binden Sie Vision, Video, Übersetzung und Natural Language ML ganz einfach in bestehende Anwendungen ein oder erstellen Sie komplett neue intelligente Anwendungen für eine Vielzahl von Anwendungsfällen, einschließlich Übersetzung und Spracherkennung. Mit AutoML können Entwickler hochwertige, für ihre Geschäftsanforderungen spezifische Modelle trainieren – mit minimalem ML-Fachwissen und minimalem Aufwand. Geboten wird weiter ein zentral verwaltetes Registry für alle Datasets aller Datentypen (Vision, Natural Language und Tabellenkalkulation).
End-to-End-Integration für Daten und KI
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. Verwenden Sie Vertex Data Labeling, um hochpräzise Labels für Ihre Datenerfassung zu generieren.
Unterstützung aller Open-Source-Frameworks
Vertex AI lässt sich in weit verbreitete Open-Source-Frameworks wie TensorFlow, PyTorch und scikit-learn einbinden und unterstützt alle ML-Frameworks und KI-Zweige über benutzerdefinierte Container für Training und Vorhersage.
Kunden
Erfolgreiche Kunden, die bahnbrechende künstliche Intelligenz auf Basis von Vertex AI nutzen
„Mit Vertex Pipelines können wir schneller von ML-Prototypen auf Produktionsmodelle umstellen. Dabei wissen wir, dass unsere ML-Infrastruktur mit unserem Transaktionsvolumen Schritt halten wird, während wir skalieren.“
Hannes Hapke, ML Engineer, Digits Financial, Inc
Fallstudie lesenDas ist neu
Workshops zum Programmierung mit Vertex AI
Melden Sie sich für die Google Cloud-Newsletter an. So werden Sie regelmäßig über Neuigkeiten zu Produkten, Veranstaltungen, Sonderangebote und weitere aktuelle Themen informiert.
Dokumentation
Ressourcen und Dokumentation für Vertex AI
Videoreihe: AI Simplified
Erfahren Sie, wie Sie mit Vertex AI Datasets verwalten, Modelle mit AutoML erstellen und trainieren oder benutzerdefinierte Modelle von Grund auf erstellen und Vertex Pipelines aufbauen können.
Praxisleitfaden für MLOps
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.
Leitfaden für Vertex AI Best Practices
Empfehlungen zur Verwendung von Vertex AI für häufige Anwendungsfälle
Vertex Data Labeling
Mit Vertex Data Labeling können Sie von menschlichen Labelerstellern hochpräzise Labels für Datensammlungen erstellen lassen, die Sie in Modellen für maschinelles Lernen verwenden können.
Tabellarische Vertex AI-Workflows
Eine Glassbox und eine verwaltete AutoML-Pipeline, mit der Sie die einzelnen Schritte im ML-Erstellungs- und Bereitstellungsprozess sehen und interpretieren können.
Vertex AI SDK für Python
Mit dem Python SDK können Sie Modelle in Vertex AI trainieren, bewerten und bereitstellen.
Anwendungsfälle
Gängige Möglichkeiten zur Nutzung von Vertex AI
Vertex AI unterstützt Sie bei der Datenvorbereitung. Sie können Daten aus BigQuery und Cloud Storage aufnehmen und Vertex AI Data Labeling nutzen, um qualitativ hochwertige Trainingsdaten mit Annotationen zu versehen und die Vorhersagegenauigkeit zu verbessern.
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
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.
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.
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.
Vertex AI Edge Manager (in der experimentellen Phase) ermöglicht eine nahtlose Bereitstellung und das Monitoring von Edge-Inferenzen und automatisierten Prozessen mit flexiblen APIs, sodass Sie KI auf private und öffentliche Cloudinfrastruktur, lokale Rechenzentren und Edge-Geräte verteilen können.
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.
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
| 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 Daten Labeling | Erhalten Sie Labels mit hoher Genauigkeit von menschlichen Labelerstellern, um ML-Modelle zu optimieren. |
| Vertex AI Deep Learning Container | Erstellen Sie schnell Modelle und stellen Sie sie in portierbaren und konsistenten Umgebungen für alle KI-Anwendungen bereit. |
| Vertex AI Edge Manager | Edge-Inferenzen und automatisierte Prozesse nahtlos mit flexiblen APIs bereitstellen und überwachen. |
| 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.
Einige auf dieser Seite erwähnte Produkte oder Features befinden sich in der Vorschau. Weitere Informationen zu Markteinführungsphasen.