Willkommen bei Vertex AI, der neuen einheitlichen ML-Plattform von Google Cloud. Legacy-Nutzer von AI Platform können weiterhin auf unsere AI Platform-Dokumentation zugreifen. 

Weiter zu

Vertex AI

Mit vortrainierten und benutzerdefinierten Tools auf einer einheitlichen AI-Plattform können Sie ML-Modelle schneller erstellen, bereitstellen und skalieren. 

  • action/check_circle_24px Erstellt mit Sketch.

    Bauen Sie mit den bahnbrechenden ML-Tools von Google Research, die Google selbst verwendet

  • action/check_circle_24px Erstellt mit Sketch.

    Stellen Sie mehr Modelle schneller bereit und verwenden Sie 80 % weniger Zeilencode für die benutzerdefinierte Modellierung

  • action/check_circle_24px Erstellt mit Sketch.

    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 beseitigen die Komplexität der Self-Service-Modell-Wartung, wie zum Beispiel Vertex Pipelines, das die Ausführung von ML-Pipelines vereinfacht, und Vertex Feature Store zum Bereitstellen, Teilen und Verwenden von 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 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 oder minimalem Aufwand. Mit zentral verwalteter Registry für alle Datasets in allen Datentypen (Vision, Natural Language und Tabellenkalkulation)

End-to-End-Integration für Daten und KI

Sie können BigQuery ML verwenden, um Modelle für maschinelles Lernen in BigQuery mithilfe von Standard-SQL-Abfragen auf vorhandenen Business Intelligence-Tools und Tabellen zu erstellen und auszuführen, oder Sie können Datasets aus BigQuery direkt in Vertex AI exportieren, um eine nahtlose Integration über den Lebenszyklus von Daten zu KI hinweg. Verwenden Sie Vertex Data Labeling, um hochpräzise Labels für Ihre Datenerfassung zu generieren.

Unterstützung aller Open-Source-Frameworks

Vertex AI lässt sich mit gängigen Open-Source-Frameworks wie TensorFlow, PyTorch und scikit-learn. Außerdem werden alle ML-Frameworks über benutzerdefinierte Container für Training und Vorhersage unterstützt.

Alle Features ansehen

Kunden

„Vertex-Pipelines ermöglichen uns einen schnelleren Wechsel von ML-Prototypen zu Produktionsmodellen. Außerdem sind wir zuversichtlich, dass unsere ML-Infrastruktur mit unserem Transaktionsvolumen Schritt halten kann.“

Hannes Hapke ML Engineer, Digits Financial, Inc
Fallstudie lesen

Neuerungen

Workshops für die Arbeit 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

Google Cloud Basics
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.

Whitepaper
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.

Best Practice
Leitfaden für Vertex AI Best Practices

Empfehlungen zur Verwendung von Vertex AI für häufige Anwendungsfälle

Google Cloud Basics
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.

Architektur
Dialogorientierte KI entdecken

Mit der von KI unterstützten Text-to-Speech-Funktion können Sie Text in natürlich klingende Sprache konvertieren oder mit Dialogflow eine KI für Unterhaltungen entwickeln.

Anwendungsfälle

Gängige Möglichkeiten zur Nutzung von Vertex AI

Anwendungsfall
Datenbereitschaft

Vertex AI unterstützt Sie bei der Datenvorbereitung. Sie können Daten aus BigQuery und Cloud Storage aufnehmen und Vertex Data Labeling nutzen, um qualitativ hochwertige Trainingsdaten mit Annotationen zu versehen und die Vorhersagegenauigkeit zu verbessern.

Anwendungsfall
Feature Engineering

Verwenden Sie den Vertex Feature Store, ein vollständig verwaltetes Repository für umfangreiche Funktionen, um ML-Funktionen bereitzustellen, zu teilen und wiederzuverwenden; Vertex Experiments, um ML-Experimente für eine schnellere Modellauswahl zu verfolgen, zu analysieren und zu entdecken; Vertex TensorBoard, um ML-Experimente zu visualisieren; und Vertex 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 Training bietet vollständig verwaltete Trainingsdienste und Vertex Vizier optimierte Hyperparameter für maximale Vorhersagegenauigkeit.

Anwendungsfall
Modellbereitstellung

Vertex 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 Prediction bereitstellen. Dabei stehen integrierte Tools zur Verfügung, mit denen Sie die Leistung Ihrer Modelle verfolgen können.

Anwendungsfall
Modell abstimmen und verstehen

Mit Explainable AI können Sie detaillierte Messwerte für die Modellbewertung und Feature-Attributionen abrufen. Explainable AI zeigt Ihnen, wie wichtig die einzelnen Eingabefeatures für Ihre Vorhersage sind. Sofort verfügbar in AutoML Tables, Vertex Prediction und Notebooks.

Anwendungsfall
Edge

Vertex ML 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.

Anwendungsfall
Modellmonitoring

Kontinuierliches Monitoring ermöglicht eine einfache und proaktive Überwachung der Modellleistung für Modelle, die im Vertex 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

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.
Notebooks Erstellen, Verwalten und Verbinden mit VMs mit JupyterLab, der Standard-Workbench für Data Scientists. VMs enthalten vorinstallierte Deep-Learning-Frameworks und Bibliotheken.
Vertex Matching Engine Hochgradig skalierbarer, latenzarmer und kosteneffizienter Dienst zum Abgleich von Vektorähnlichkeiten.
Vertex Data Labeling Erhalten Sie Labels mit hoher Genauigkeit von menschlichen Labelerstellern, um ML-Modelle zu optimieren.
Vertex Deep Learning Container Erstellen Sie schnell Modelle und stellen Sie sie in portierbaren und konsistenten Umgebungen für alle KI-Anwendungen bereit.
Vertex 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 Prediction, AutoML-Tabellen und Notebooks integriert sind.
Vertex 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 Model Monitoring Automatische Benachrichtigungen bei Datenabweichung, Konzeptabweichung oder andere Vorfälle bei der Modellleistung, die eine Überwachung erfordern können.
Vertex Neural Architecture Search 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 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 Prediction Modelle mit der Onlinebereitstellung über HTTP oder Batchvorhersagen für die Massenbewertung einfacher in die Produktion bereitstellen. Vertex Prediction bietet ein einheitliches Framework für die Bereitstellung benutzerdefinierter Modelle, die mit TensorFlow, scikit oder XGB trainiert wurden, sowie für BQML- und AutoML-Modelle auf einer Vielzahl von Maschinentypen und GPUs.
Vertex Tensorboard Dieses Visualisierungs- und Tracking-Tool für ML-Tests umfasst Modelldiagramme, in denen Bilder, Text und Audiodaten angezeigt werden.
Vertex Training Vertex Training bietet eine Reihe vordefinierter Algorithmen, mit denen Nutzer ihren eigenen Code zum Trainieren von Modellen verwenden können. 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 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.