Google Cloud の新しい統合 ML プラットフォーム、Vertex AI へようこそ。AI Platform を以前からご使用の方は、引き続き AI Platform のドキュメントにアクセスできます。 

ジャンプ先

Vertex AI

統合 AI プラットフォーム内のトレーニング済みのカスタムツールを使用して、ML モデルの構築、デプロイ、スケーリングを高速化。

  • action/check_circle_24px Sketch で作成。

    Google Research が開発した革新的な ML ツールで構築して、Google のサービスを強化する

  • action/check_circle_24px Sketch で作成。

    カスタムモデル化に必要なコードの行数を 80% 削減し、より多くのモデルを高速にデプロイする

  • action/check_circle_24px Sketch で作成。

    MLOps ツールを使用して、データとモデルを高い信頼性で管理し、スケールを拡大してリピートする。

利点

コード不要の最低限の専門知識でモデルをトレーニング

AutoML を活用すると、短時間でモデルを構築できます。Vertex AI は、コンピュータ ビジョン、言語、構造化データ、会話に関する最先端の事前トレーニング済み API に使用できます。

カスタムツールを使用して高度な ML モデルを構築

Vertex AI のカスタム モデル ツールは高度な ML コーディングをサポートしています。競合のプラットフォームと比較して、カスタム ライブラリを使用したモデルのトレーニングに必要なコードの行数を約 80% 削減できます(Codelab を見る)。

モデルを高い信頼性で管理

Vertex AI の MLOps ツールにより、モデル メンテナンスの複雑さを解消できます。たとえば、Vertex AI Pipelines では、ML パイプラインの実行を合理化でき、Vertex AI Feature Store では、ML 特徴の提供、共有、使用が可能になります。

主な機能

必要な ML ツールがすべて揃った一元的な AI プラットフォーム

ML ワークフロー全体を統合した UI

Vertex AI は、Google Cloud サービスをひとつにまとめ、統合した UI と API 下で ML を構築できるようになります。Vertex AI では、AutoML またはカスタム コード トレーニングを使用して、モデルを簡単にトレーニングして比較でき、すべてのモデルが一元化したモデル リポジトリに格納されます。これにより、Vertex AI の同じエンドポイントにデプロイできるようになります。

画像、動画、自然言語などに対応するトレーニング済みの API

ビジョン、動画、翻訳、自然言語の ML を既存のアプリケーションに簡単に導入したり、幅広いユースケース(TranslationSpeech-to-Text など)にわたって、まったく新しいインテリジェント アプリケーションを構築したりできます。AutoML により、デベロッパーは ML に関する最低限の専門知識で、または最小限の労力で、事業のニーズに特化した高品質なモデルをトレーニングできます。一元的に管理されたレジストリで、データ型(ビジョン、自然言語、表形式)におよぶすべてのデータセットに対応できます。

データと AI のエンドツーエンドの統合

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。

オープンソース フレームワークをすべてサポート

Vertex AI は、TensorFlowPyTorchscikit-learn などの広く使用されているオープンソースのフレームワークと統合します。また、トレーニングと予測を行うカスタム コンテナを介した ML フレームワークをすべてサポートしています。

すべての機能を表示

導入事例

Vertex AI で構築した革新的なイノベーションで成功している導入事例

「Vertex Pipelines により ML プロトタイプから本番環境モデルへのより迅速な移行が可能になり、スケールするにつれて ML インフラストラクチャがトランザクション量に歩調が合っていくようになると確信しています。」

Digits Financial, Inc ML エンジニア、Hannes Hapke 氏
導入事例を読む

最新情報

ワークショップを利用して、Vertex AI で構築を始める

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

Google Cloud の基礎
AI Simplified 動画シリーズ

Vertex AI を使用してデータセットを管理する方法、AutoML を使用してモデルを構築してトレーニングする方法、カスタムモデルをゼロから構築する方法、Vertex パイプラインを構築する方法を説明します。

ホワイトペーパー
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。

ベスト プラクティス
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。

Google Cloud の基礎
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。

アーキテクチャ
会話型 AI の詳細

AI を活用した Text-to-Speech を使用して、テキストを自然な音声に変換できます。または、Dialogflow を使用して、会話型 AI を構築できます。

ユースケース

Vertex AI の一般的な活用方法を確認する

ユースケース
データの準備

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。

ML ワークフローの各段階をサポートする Vertex AI の機能を示す図。
ユースケース
特徴量エンジニアリング

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。

ユースケース
トレーニングとハイパーパラメータ調整

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。

ユースケース
モデルの提供

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。

ユースケース
モデルの調整と理解

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。

ユースケース
エッジ

Vertex AI Edge Manager(試験運用版)は、柔軟な API により、エッジ推論と自動処理のシームレスなデプロイとモニタリングを円滑に進めるように設計されています。プライベートおよびパブリックのクラウド インフラストラクチャ、オンプレミスのデータセンター、エッジデバイスにまたがり、AI を分散できるようになります。

ユースケース
モデルのモニタリング

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。

ユースケース
モデルの管理

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

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 AI Edge Manager 柔軟な API により、エッジ推論と自動処理をシームレスにデプロイしてモニタリングできます。
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。

料金

料金

Vertex AI では、モデルのトレーニング、予測、Google Cloud プロダクト リソースの使用に対して課金されます。

正規料金を設定するか、料金計算ツールを使用して費用を見積もることができます。