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 geringe Fachkenntnisse erforderlich

Mit AutoML können Sie 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 zuverlässig 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 Translation und Speech-to-Text. 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 über Datentypen hinweg (Bildverarbeitung, natürliche Sprache und Tabellen).

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 Entwicklung 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
Leitfaden zu MLOps

Dieses Whitepaper enthält ein Framework für Continuous Delivery und Automation des maschinellen Lernens und erläutert in der Praxis konkrete Details von MLOps-Systemen.

Best Practice
Best Practice-Leitfaden für Vertex AI

Sehen Sie sich Empfehlungen zur Verwendung von Vertex AI für gängige Anwendungsfälle an.

Google Cloud Basics
Vertex Data Labeling

Vertex Data Labeling ermöglicht Ihnen, mit menschlichen Labelerstellern hochpräzise Labels für eine Sammlung von Daten zu generieren, die Sie in ML-Modellen 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 Methoden 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 hochmoderne ML-Modelle ohne Code, indem Sie mit AutoML die optimale Modellarchitektur für Ihre Bild-, Tabellen-, Text- oder Videovorhersageaufgabe bestimmen oder benutzerdefinierte Modelle mit Notebooks erstellen. Vertex Training bietet vollständig verwaltete Trainingsdienste und Vertex Vizierer optimierte Hyperparameter für maximale Vorhersagegenauigkeit.

Anwendungsfall
Modellbereitstellung

Vertex Prediction erleichtert die Bereitstellung von Modellen in der Produktion, für die Online-Bereitstellung über HTTP oder die Batch-Vorhersage für die Bulk-Bewertung. Sie können benutzerdefinierte Modelle, die mit einem beliebigen Framework (einschließlich TensorFlow, PyTorch, scikit oder XGB) erstellt wurden, in Vertex Prediction bereitstellen. Hierzu stehen Ihnen integrierte Tools zur Verfügung, um die Leistung Ihrer Modelle zu verfolgen.

Anwendungsfall
Modell abstimmen und verstehen

Sie erhalten detaillierte Messwerte für die Modellbewertung und Feature-Attribute, unterstützt von Explainable AI. Explainable AI zeigt Ihnen, wie wichtig die einzelnen Eingabefeatures für Ihre Vorhersage sind. Standardmäßig in AutoML Tables, Vertex Prediction und Notebooks verfügbar.

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. Kontinuierliches Monitoring überwacht Signale für die Vorhersageleistung Ihres Modells und gibt Benachrichtigungen aus, wenn die Signale abweichen, diagnostiziert die Ursache der Abweichung und löst Modell-Retraining-Pipelines aus oder sammelt relevante Trainingsdaten.

Anwendungsfall
Modellverwaltung

Vertex ML Metadata ermöglicht eine einfachere Prüfung und Governance durch automatisches Tracking von Eingaben und Ausgaben an alle Komponenten in Vertex Pipelines für Artefakt-, Lineage- und Ausführungsverfolgung für Ihren ML-Workflow. Verfolgen Sie benutzerdefinierte Metadaten direkt mit Ihrem Code und den Abfrage-Metadaten mit einem Python SDK.

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 Mit zuverlässigen, praxisnahen Erläuterungen, die in Vertex Prediction, AutoML Tables und Notebooks integriert sind, können Sie Ihre Modellvorhersagen verstehen und das Vertrauen darin stärken.
Vertex Feature Store Ein vollständig verwaltetes Repository für umfangreiche Features zum Bereitstellen, Freigeben und Wiederverwenden 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 Mit der Onlinebereitstellung über HTTP oder Batchvorhersagen für die Bulk-Bewertung können Sie Modelle einfacher in der Produktion bereitstellen. Vertex Prediction bietet ein einheitliches Framework zur Bereitstellung benutzerdefinierter Modelle, die in TensorFlow, scikit- oder XGB-, BQML- und AutoML-Modellen sowie auf einer Vielzahl von Maschinentypen und GPUs trainiert wurden.
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 und ermöglicht es Nutzern, ihren benutzerdefinierten Code zum Trainieren von Modellen zu verwenden. Ein vollständig verwalteter Trainingsdienst für Nutzer, die mehr Flexibilität und Anpassungsmöglichkeiten benötigen, oder für Nutzer, die Trainings in lokaler Umgebung oder einer anderen Cloud-Umgebung durchführen.
Vertex Vizier Optimierte Hyperparameter für maximale Vorhersagegenauigkeit

Preise

Preise

Vertex AI stellt Ihnen das Modelltraining, die Vorhersagen und die Nutzung von Google Cloud-Produktressourcen in Rechnung.

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