Witamy w Vegt AI – nowej ujednoliconej platformie ML w Google Cloud. Użytkownicy starszej wersji AI Platform nadal mogą uzyskać dostęp do naszej dokumentacji AI Platform

Przejdź do

Vertex AI

Szybciej twórz, wdrażaj i skaluj modele ML za pomocą wstępnie wytrenowanych i niestandardowych narzędzi w ujednoliconej platformie AI. 

  • action/check_circle_24px Utworzono w Sketch.

    Twórz dzięki przełomowym narzędziom ML opartym na technologii Google, opracowanym przez Google Research

  • action/check_circle_24px Utworzono w Sketch.

    Szybciej wdrażaj więcej modeli dzięki kodowi o 80% części wymagającym niestandardowego modelu

  • action/check_circle_24px Utworzono w Sketch.

    Używaj narzędzi MLOPS, aby łatwo zarządzać danymi i modelami bez obaw i powtarzać je na dużą skalę

Korzyści

Trenuj modele bez kodu, wymagając minimalnej wiedzy

Korzystaj z AutoML, by tworzyć modele w krótszym czasie. Użyj sztucznej inteligencji Vertex z nowoczesnymi, wytrenowanymi interfejsami API do rozpoznawania obrazów, języka, uporządkowanych danych i rozmów.

Tworzenie zaawansowanych modeli ML za pomocą niestandardowych narzędzi

Niestandardowe narzędzia modelowania Vertex AI obsługują zaawansowane kodowanie w systemach ML, przy czym prawie 80% mniej wierszy kodu jest potrzebnych do wytrenowania modelu za pomocą bibliotek niestandardowych niż konkurencyjne platformy (obejrzyj ćwiczenia z programowania ).

Niezawodne zarządzanie modelami

Narzędzia MLOps w ramach Vertex AI usuwają problemy z samoobsługową konserwacją modeli, takie jak Vertex Pipelines, która upraszcza uruchamianie potoków ML, oraz Vertex Feature Sklep do udostępniania, udostępniania i używania funkcji ML. 

Najważniejsze funkcje

Jedna platforma AI i każde potrzebne narzędzie ML

Ujednolicony interfejs użytkownika dla całego przepływu pracy w ML

Vertex AI łączy usługi Google Cloud do tworzenia systemów uczących się w jednym, ujednoliconym interfejsie i interfejsie API. W Vertex AI możesz teraz trenować i porównywać modele za pomocą narzędzia AutoML lub niestandardowego trenowania kodu, a wszystkie Twoje modele są przechowywane w jednym centralnym repozytorium modeli. Te modele mogą być teraz wdrażane w tych samych punktach końcowych w Vertex AI.

Wstępnie wytrenowane interfejsy API do obsługi obrazów, filmów, języka naturalnego i innych funkcji

Łatwo wplataj wizję, film, tłumaczenie i ML do języka naturalnego do istniejących aplikacji lub utwórz zupełnie nowe aplikacje w wielu różnych zastosowaniach (w tym tłumaczeniu). i zamiana mowy na tekst). AutoML pozwala programistom trenować wysokiej jakości modele zgodne z potrzebami biznesowymi przy minimalnym nakładzie pracy lub umiejętności. Dzięki centralnemu zarządzanemu rejestrowi wszystkich zbiorów danych (wizja, język naturalny i tabela)

Kompleksowa integracja danych i sztucznej inteligencji

Za pomocą systemów uczących się BigQuery możesz tworzyć i wykonywać modele systemów uczących się w BigQuery za pomocą standardowych zapytań SQL dotyczących istniejących narzędzi i arkuszy kalkulacyjnych do analityki biznesowej. Możesz też eksportować te dane: 101} z BigQuery bezpośrednio do sztucznej inteligencji Vertex, aby zapewnić bezproblemową integrację w cyklu życia danych do AI. Użyj etykiety danych Vertex, by wygenerować bardzo dokładne etykiety dla gromadzonych danych.

Obsługa wszystkich platform open source

Vertex AI integruje się z popularnymi platformami open source, takimi jak TensorFlow, PyTorch i scikit- Learn, a także obsługiwane platformy ML za pomocą niestandardowych kontenerów do trenowania i prognozowania.

Wyświetl wszystkie funkcje

Klienci

Klienci odnoszą sukcesy dzięki innowacyjnym rozwiązaniom wykorzystującym sztuczną inteligencję Vertex

„Vertex Pipelines umożliwia nam szybsze przejście z prototypów ML na modele produkcyjne i daje nam pewność, że nasza infrastruktura ML będzie w stanie nadążać za liczbą transakcji podczas skalowania”.

Hannes Hapke ML Engineer, Digits Financial, Inc
Przeczytaj studium przypadku

Nowości

Warsztaty mają za zadanie rozpoczęcie budowania przy użyciu Vertex AI

Subskrybuj newslettery Google Cloud, aby otrzymywać aktualizacje produktów, informacje o wydarzeniach, oferty specjalne itp.

Dokumentacja

Zasoby i dokumentacja dla Vertex AI

Podstawy Google Cloud
Seria filmów o technologii AI uproszczonych

Dowiedz się, jak używać Vertex AI do zarządzania zbiorami danych, kompilacji i trenowania modeli za pomocą AutoML, a także do tworzenia własnych modeli od podstaw oraz tworzenia potoków Vertex.

Dokument
Przewodnik po MLOPS

Ten dokument stanowi podstawę do ciągłego dostarczania i automatyzacji systemów uczących się oraz zawiera konkretne szczegóły praktycznego zastosowania systemów MLOPS.

Sprawdzone metody
Przewodnik po sprawdzonych metodach AI Vertex

Zapoznaj się z zaleceniami dotyczącymi stosowania Vertex AI w typowych zastosowaniach.

Podstawy Google Cloud
Etykieta danych Vertex

Etykieta danych Vertex pozwala współpracować z osobami oznaczającymi etykietami, by tworzyć bardzo dokładne etykiety dla zbioru danych, którego można używać w modelach systemów uczących się.

Architektura
Poznaj sztuczną inteligencję konwersacyjną

Konwertuj tekst na mowę, używając funkcji zamiany tekstu na mowę opartej na sztucznej inteligencji, lub twórz rozmowy AI z Dialogflow.

Przykłady zastosowań

Poznaj popularne sposoby wykorzystania Vertex AI

Przykład zastosowania
Gotowość danych

Vertex AI obsługuje proces przygotowywania danych. Możesz przetwarzać dane z BigQuery i Cloud Storage oraz wykorzystywać Vertex Data Labeling, aby adnotować wysokiej jakości dane treningowe i zwiększać dokładność prognoz.

Przykład zastosowania
Inżynieria funkcji

Użyj Vertex Feature Store, w pełni zarządzanego repozytorium funkcji multimedialnych, by udostępniać, udostępniać i ponownie używać funkcji ML; Vertex Experiments umożliwia śledzenie, analizowanie i odkrywanie eksperymentów ML w celu szybszego wyboru modelu. Vertex TensorBoard do wizualizacji eksperymentów ML; i Vertex Pipelines upraszczają proces MLOps, upraszczając tworzenie i uruchamianie potoków ML.

Przykład zastosowania
Trenowanie i dostrajanie hiperparametrów

Twórz najnowocześniejsze modele ML bez kodu za pomocą AutoML, aby określić optymalną architekturę modeli dla zadania graficznego, tabeli, tekstu lub zadania prognozy wideo, albo twórz modele niestandardowe za pomocą notatek. , Vertex Training oferuje w pełni zarządzane usługi szkoleniowe, a Vertex Vizier zapewnia zoptymalizowane hiperparametry, które pozwalają uzyskać maksymalną dokładność prognoz.

Przykład zastosowania
Udostępnianie modelu

Prognoza Vertex ułatwia wdrażanie modeli w środowisku produkcyjnym, umożliwiając ich przesyłanie online za pomocą protokołu HTTP lub prognoz zbiorczych, które służą do zbiorczej oceny. W Vertex Prediction możesz wdrażać niestandardowe modele oparte na dowolnej platformie (w tym TensorFlow, PyTorch, scikit i XGB), a wbudowane narzędzia do śledzenia ich skuteczności.

Przykład zastosowania
Dostosowywanie i rozumienie modelu

Uzyskaj szczegółowe dane oceny modelu i atrybucje funkcji oparte na sztucznej inteligencji możliwego do wyjaśnienia. Wyjaśniana funkcja AI informuje, jak ważna jest każda funkcja wejściowa do prognozy. Dostępne od razu w tabelach AutoML, Vertex Prediction i notatnikach.

Przykład zastosowania
Brzegowy

Vertex ML Edge Manager (w fazie eksperymentalnej) zaprojektowano, by ułatwić płynne wdrażanie i monitorowanie zależności brzegowych oraz zautomatyzowanych procesów za pomocą elastycznych interfejsów API. Dzięki temu możesz rozpowszechniać sztuczną inteligencję pomiędzy prywatnymi i publicznymi infrastrukturę chmury, lokalne centra danych i urządzenia brzegowe.

Przykład zastosowania
Monitorowanie modelu

Ciągłe monitorowanie pozwala łatwo i aktywnie monitorować wydajność modeli w czasie w przypadku modeli wdrożonych w usłudze Vertex Prediction. Monitorowanie ciągłe monitoruje sygnały dla wydajności prognozującej modelu i alerty, gdy sygnały odbiegają od normy, diagnozują przyczynę odchylenia i uruchamiają potoki ponownego trenowania modelu lub gromadzą odpowiednie dane do trenowania.

Przykład zastosowania
Zarządzanie modelami

Metadane Vertex ML ułatwiają kontrolę i zarządzanie przez automatyczne śledzenie danych wejściowych i wyjściowych we wszystkich komponentach potoków Vertex w celu śledzenia artefaktów, linii i wykonywania przepływu pracy ML. Monitoruj niestandardowe metadane bezpośrednio z kodu i metadanych zapytania za pomocą pakietu SDK Pythona.

Wszystkie funkcje

Narzędzie MLOPS w jednym, ujednoliconym przepływie pracy

AutoML Łatwo twórz wysokiej jakości niestandardowe modele systemów uczących się bez konieczności pisania procedur szkoleniowych. Korzysta z najnowocześniejszej technologii uczenia się i technologii wyszukiwania hiperparametrów Google.
Obrazy maszyn wirtualnych do deep learningu Utworzysz wystąpienie maszyny wirtualnej z najpopularniejszymi platformami AI w instancji Compute Engine, nie martwiąc się o zgodność oprogramowania.
Notatniki Tworzenie i zarządzanie maszynami wirtualnymi, zarządzanie nimi za pomocą standardowego środowiska roboczego JupyterLab przeznaczonego dla badaczy danych. Maszyny wirtualne są wstępnie zainstalowane z platformami i bibliotekami deep learning.
Wyszukiwarka Vertex Ogromną skalowalność, małe opóźnienie i niedroga usługa dopasowywania podobieństwa wektorów.
Etykiety danych Vertex Uzyskuj dokładne etykiety od osób oznaczających etykietami, aby tworzyć lepsze modele systemów uczących się.
Kontenery Vertex Deep Learning Szybko twórz i wdrażaj modele w przenośnym i spójnym środowisku dla wszystkich swoich aplikacji AI.
Menedżer Vertex Edge Bezproblemowo wdrażaj i monitoruj zależności brzegowe oraz zautomatyzowane procesy za pomocą elastycznych interfejsów API.
Sztuczna inteligencja Vertex Dzięki wyczerpującym, przydatnym objaśnieniom zintegrowanym z prognozą Vertex, tabelami AutoML i Notatnikami możesz lepiej zrozumieć prognozy budowy i ich zaufanie.
Magazyn funkcji Vertex W pełni zarządzane repozytorium funkcji multimedialnych do udostępniania, udostępniania i ponownego wykorzystywania funkcji ML.
Metadane Vertex ML Śledzenie artefaktów, linii i wykonań dla przepływów pracy ML za pomocą łatwego w obsłudze pakietu SDK Pythona.
Monitorowanie modeli Vertex Automatyczne alerty dryfowania danych, koncepcji dryfu lub innych incydentów związanych z wydajnością modelu, które mogą wymagać nadzoru.
Wyszukiwanie architektur neuronowych Vertex Twórz nowe architektury modeli dostosowane do potrzeb aplikacji i optymalizuj istniejące architektury modeli pod kątem czasu oczekiwania, pamięci i mocy dzięki tej zautomatyzowanej usłudze opartej na czołowych badaniach nad sztuczną inteligencją Google. .
Potok Vertex Utwórz potoki za pomocą TensorFlow Extended i Kubeflow Pipelines oraz wykorzystaj usługi zarządzane Google Cloud, by wykonywać je skalowalnie i płacić za wykorzystanie. Usprawnij tworzenie MLOP, korzystając ze szczegółowego śledzenia metadanych, ciągłego modelowania oraz ponownego trenowania modelu.
Prognoza Vertex Łatwiejsze wdrażanie modeli w środowisku produkcyjnym dzięki wyświetlaniu online za pomocą protokołu HTTP lub prognozy zbiorczej na potrzeby zbiorczej oceny. Prognoza Vertex oferuje ujednoliconą platformę do wdrażania niestandardowych modeli nauczonych w TensorFlow, scikit lub XGB, a także modeli BQML i AutoML oraz w szerokiej gamie typów maszyn i procesorów graficznych.
Vertex Tensorboard To narzędzie do wizualizacji i śledzenia na potrzeby eksperymentów ML zawiera wykresy modeli, które wyświetlają obrazy, tekst i dane dźwiękowe.
Trening Vertex Vertex Training udostępnia zestaw wstępnie przygotowanych algorytmów, dzięki czemu użytkownicy mogą wprowadzać własny kod do trenowania modeli. W pełni zarządzana usługa do szkoleń dla użytkowników, którzy potrzebują większej elastyczności i możliwości dostosowywania, lub dla użytkowników działających lokalnie lub w innym środowisku chmurowym.
Verzex Vizier Zoptymalizowane hiperparametry zapewniające maksymalną dokładność prognoz.

Ceny

Ceny

Vertex AI nalicza opłaty za trenowanie modeli, prognozy oraz wykorzystanie zasobów usługi Google Cloud.

Uzyskaj pełne ceny lub oszacuj koszty, korzystając z naszego kalkulatora cen.