Vertex AI
あらゆるユースケースに対応したフルマネージドの機械学習（ML）ツールを使用して、ML モデルの構築、デプロイ、スケーリングを高速化します。
新規のお客様には、Vertex AI で使用できる無料クレジット $300 分を差し上げます。
-
統合データおよび AI Platform と、事前トレーニング済みモデルおよびカスタムモデル用のツールで ML を加速
-
Model Garden および Generative AI Studio でジェネレーティブ AI アプリを迅速かつ責任を持って構築する
-
MLOps 手法を実装して、ML ワークロードを効率的にスケーリング、管理、モニタリング、統制
-
インフラストラクチャを最適化してトレーニング時間と費用を削減
-
詳細については、Vertex AI のドキュメントをご覧ください。
利点
ジェネレーティブ AI で構築する
Model Gardenのデベロッパー向け API を介して、さまざまな基盤モデルに簡単にアクセスできます。 Generative AI Studio を使用して、ニーズに合わせてモデルをカスタマイズ、アップトレーニング、微調整できます。
本番環境への移行を加速するモデル
データ サイエンティストは、機械学習モデルのトレーニング、調整、デプロイに特化したツールで迅速に作業できます。最適化された AI インフラストラクチャでトレーニングの時間と費用を削減します。
自信を持ってモデルを管理
Vertex AI Pipelines などの MLOps ツールにより、モデル メンテナンスの複雑さを解消して、ML パイプラインの実行を合理化します。また、Vertex AI Feature Store では、ML 機能として AI テクノロジーを提供、使用できます。
主な機能
必要な ML ツールをすべて 1 つの AI プラットフォームに統合
ニーズに合ったモデルを選択する
さまざまな API、基盤モデル、オープンソース モデルに 1 か所からアクセスできる Model Garden で MLプロジェクトをジャンプスタートしましょう。モデルを直接使用する、Generative AI Studio でモデルを調整する、データ サイエンス ノートブックにモデルをデプロイするなど、さまざまなワークフローを開始できます。
エンドツーエンド MLOps
Vertex AI には、データ サイエンティストと ML エンジニアが開発ライフサイクル全体を通して ML プロジェクトを効率的かつ責任を持って自動化、標準化、管理するための専用ツールが用意されています。 Vertex AI を使用すると、ML モデルの大規模なトレーニング、テスト、モニタリング、デプロイ、管理を簡単に行えるため、本番環境でのモデルのパフォーマンスを維持するために必要な作業を削減し、データ サイエンティストや ML エンジニアがイノベーションコードに専念できます。
データと AI の統合
Vertex AI Workbench を使用して、Vertex AI は、BigQuery、Dataproc、Spark とネイティブに統合されています。既存のビジネス インテリジェンス ツールやスプレッドシートに対する標準 SQL クエリを使用して、BigQuery の機械学習モデルの作成と実行に BigQuery ML を利用できます。または、データセットを BigQuery から直接 Vertex AI Workbench にエクスポートし、そこからモデルを実行できます。Vertex Data Labeling を使用して、データ収集用の精度の高いラベルを生成します。
ローコード ツールおよびノーコード ツール
Vertex AI は、ローコードのツールとアップトレーニング機能を提供するため、幅広い専門知識を持つ実務担当者が機械学習ワークロードを利用できます。 Generative AI Studio を使用すると、デベロッパーは簡単な UI でユースケースの基盤モデルを調整してデプロイできます。また、既製の API を使用すると、デベロッパーは事前トレーニング済みのモデルを簡単に呼び出して、現実の問題を迅速に解決できます。
オープンで柔軟な AI インフラストラクチャ
Vertex では、ML モデルを簡単にデプロイして、あらゆるユースケースに対して最高の価格性能比で予測（推論とも呼ばれます）を行うことができます。ML インフラストラクチャとモデルのデプロイ オプションを幅広く選択することで、ML 推論のあらゆるニーズに対応できます。これはフルマネージド サービスであり、MLOps ツールと統合されているため、モデルのデプロイのスケーリング、推論コストの削減、本番環境でのモデルのより効果的な管理、運用負荷の軽減が可能です。
導入事例
Vertex AI で構築した革新的な人工知能で成功している導入事例
「Vertex AI Pipelines を使うことで、どのモデルが、いつ、どのトレーニング セットでトレーニングされたのかをさかのぼって調べられます。このおかげで、たとえば誤ってアノテーションを追加されたデータなどを発見できます。MLOps はこうした場面に備えた、いわば生命保険のようなものなのです。」
Digits Financial, Inc、ML エンジニア、Hannes Hapke 氏
導入事例を読む最新情報
Vertex AI を使用して構築を開始する
Google Cloud のニュースレターにご登録いただくと、サービスの最新情報、イベント情報、スペシャル オファーなどを受け取ることができます。
ドキュメント
Vertex AI のリソースとドキュメント
Vertex AI のベスト プラクティス ガイド
一般的なユースケースで Vertex AI を使用する際の推奨事項を確認できます。
機械学習の概要: 職種別・タスク別推奨リソース 25 選以上
データ アナリスト、データ サイエンティスト、ML エンジニア、ソフトウェア エンジニアに推奨されるリソースを使用して、データ サイエンス、ML、AI に関するスキルを築いて、磨きをかけましょう。
Codelab: Vertex AI Workbench の概要
Vertex AI Workbench を使用して、BigQuery のデータで TensorFlow モデルをトレーニングする方法を説明します。
安全でコンプライアンスを遵守したデプロイのための Vertex AI の基盤
Vertex AI プラットフォームのセキュリティを確保し、本番環境ワークロード対応のエンドツーエンドの ML / AI プラットフォームとして活用する
サンプル ノートブック
Vertex AI サービスによってまとめられた公式ノートブックを使用して、すばやく実際に体験できます。
Vertex AI SDK for Python
Python SDK を使用してモデルのトレーニングと評価を行い、Vertex AI にデプロイできます。
MLOps の実践ガイド
このホワイトペーパーでは、機械学習の継続的デリバリーと自動化のフレームワークについて取り上げ、MLOps システムの具体的な詳細情報が掲載されています。
Vertex Data Labeling
Vertex Data Labeling を利用すると、ラベル付け担当者と連携して、機械学習モデルで使用できるデータ収集用の精度の高いラベルを生成できます。
ユースケース
Vertex AI の一般的な活用方法を確認する
Vertex AI を使用すると、ノートブック コードから、クラウドにデプロイされたモデルに移行できます。データからトレーニング、バッチ予測、オンライン予測、調整、スケーリング、テストの追跡まで、Vertex AI には必要なツールがすべて揃っています。
Vertex AI はデータ準備プロセスをサポートします。BigQuery と Cloud Storage からデータを取り込んで、Vertex AI Data Labeling を利用すると、高品質なトレーニング データにアノテーションを付け、予測精度を向上させることができます。
フルマネージドの豊富な特徴リポジトリである Vertex AI Feature Store を使用して、ML 特徴を提供、共有、再利用します。Vertex AI Experiments では、ML テストを追跡、分析、検出して、モデルの選択を高速化できます。Vertex AI TensorBoard では、ML テストを可視化できます。Vertex AI Pipelines では、ML パイプラインの構築と実行を合理化することにより、MLOps プロセスを簡略化できます。
AutoML を使用してコードを使わずに最先端の ML モデルを構築し、画像、表形式、テキスト、動画の予測タスクに最適なモデル アーキテクチャを決定できます。または、Notebooks を使用して、カスタムモデルを構築できます。Vertex AI Training はフルマネージドのトレーニング サービスを提供し、Vertex AI Vizier はハイパーパラメータを最適化して予測精度を最大化します。
Vertex AI Prediction を使用すると、HTTP 経由でのオンライン サービス提供や、一括スコアリングのバッチ予測により、モデルを本番環境により簡単にデプロイできます。任意のフレームワーク（TensorFlow、PyTorch、scikit-x、XGB など）に基づいて構築されたカスタムモデルを、組み込みツールを使って Vertex AI Prediction にデプロイして、モデルのパフォーマンスを追跡できます。
Vertex Explainable AI を活用すると、詳細なモデル評価指標と特徴アトリビューションを取得できます。Vertex Explainable AI は、予測にとっての各入力特徴の重要性を示します。AutoML Forecasting、Vertex AI Prediction、Vertex AI Workbench からすぐに利用できます。
継続的モニタリングでは、Vertex AI Prediction サービスにデプロイされたモデルの経時的なパフォーマンスを簡単かつプロアクティブにモニタリングできます。継続的モニタリングは、モデルの予測パフォーマンスについてシグナルをモニタリングし、シグナルが変化したときにアラートを示し、偏差の原因を診断し、モデル トレーニングのパイプラインをトリガーしたり、関連するトレーニング データを収集したりします。
Vertex ML メタデータを使用すると、ML ワークフローのアーティファクト、リネージ、実行をトラッキングするために Vertex Pipelines 内のすべてのコンポーネントへの入出力が自動的に追跡され、監査とガバナンスが容易になります。コードから直接カスタム メタデータを追跡し、Python SDK を使用してメタデータをクエリします。
すべての機能
統合ワークフロー内の MLOps ツール
| Vertex AI Model Garden | Vertex AI で利用可能な Google や Google パートナーのさまざまな基本モデルを検索、検出、操作できる単一の場所です。詳細 |
| Vertex AI Generative AI Studio | 基盤モデルの操作、調整、本番環境へのデプロイを容易にする Vertex AI のマネージド環境。 詳細 |
| AutoML | トレーニング ルーティンを作成しなくても、高品質のカスタム機械学習モデルを簡単に開発できます。Google の最先端の転移学習とハイパーパラメータ検索テクノロジーが活用されています。 |
| Deep Learning VM Image | ソフトウェアの互換性を心配することなく、人気のある AI フレームワークを備えた VM イメージを Compute Engine インスタンスでインスタンス化できます。 |
| Vertex AI Workbench | Vertex AI Workbench では、データ サイエンティストが ML に関してモデルのテストやデプロイから、管理や監視までのあらゆる作業を 1 つの環境で完了できます。Jupyter をベースとするフルマネージドでスケーラブルな、エンタープライズ対応のコンピューティング インフラストラクチャで、セキュリティ管理やユーザー管理の機能が搭載されています。 |
| Vertex AI Matching Engine | 拡張性が高くレイテンシが低い、費用対効果が高いベクトル類似性のマッチング サービスです。 |
| Vertex AI Data Labeling | 機械学習モデルの品質向上のため、ヒューマン ラベリングの高精度のラベルを取得します。 |
| Vertex AI Deep Learning Containers | すべての AI アプリケーションに対し、移植可能で一貫性のある環境でモデルを迅速に構築してデプロイできます。 |
| Vertex Explainable AI | Vertex AI Prediction、AutoML Tables、Vertex AI に統合された堅実で実用的な説明により、モデル予測を理解し信頼性を築きます。 |
| Vertex AI Feature Store | フルマネージドで機能が豊富なレポジトリで、ML 機能の提供、共有、再利用を可能にします。 |
| Vertex ML Metadata | 使い勝手のいい Python SDK により、ML ワークフローのアーティファクト、リネージ、実行をトラッキングします。 |
| Vertex AI Model Monitoring | 監視が必要な可能性のあるデータのブレ、コンセプトのブレ、その他のモデル パフォーマンスのインシデントに対して自動的にアラートを示します。 |
| Vertex AI Neural Architecture Search | アプリケーション固有のニーズを対象とする新しいモデル アーキテクチャを構築し、Google の先進的な AI 技術を活用した自動化サービスで、既存のモデル アーキテクチャのレイテンシ、メモリ、パワーを最適化します。 |
| Vertex AI Pipelines | TensorFlow Extended と Kubeflow Pipelines を使用してパイプラインを構築し、Google Cloud のマネージド サービスを利用してスケーラブルな実行と従量課金を行います。詳細なメタデータ トラッキング、継続的モデリング、トリガーされたモデルの再トレーニングによって MLOps を合理化します。 |
| Vertex AI Prediction | HTTP 経由でのオンライン サービス提供や、一括スコアリングのバッチ予測により、モデルを本番環境により簡単にデプロイできます。Vertex AI Prediction には、TensorFlow、scikit、XGB でトレーニングされたカスタムモデルおよび BigQuery ML モデルと AutoML モデルを幅広いマシンタイプと GPU 上にデプロイするための統合フレームワークが用意されています。 |
| Vertex AI Tensorboard | この ML テストの可視化とトラッキングのツールには、画像、テキスト、音声データを表示するモデルグラフが含まれています。 |
| Vertex AI Training | Vertex AI Training には一連のビルド済みアルゴリズムが用意されており、ユーザーはカスタムコードを使用してモデルをトレーニングできます。高い柔軟性とカスタマイズを必要とするユーザー向け、またはオンプレミスまたは他のクラウド環境でトレーニングを実施するユーザー向けのフルマネージド トレーニング サービスです。 |
| Vertex AI Vizier | ハイパーパラメータを最適化して、予測の精度を最大限に高めます。 |
このページで紹介しているプロダクトや機能にはプレビュー版のものがあります。プロダクトのリリース ステージの詳細