歡迎使用 Google Cloud 全新的整合式機器學習平台 Vertex AI。舊版 AI 平台使用者仍可存取 AI 平台說明文件。 

跳至

Vertex AI

使用整合式 AI 平台中的預先訓練和自訂工具,加快建構、部署及擴充機器學習模型。

  • action/check_circle_24px Created with Sketch.

    運用 Google 研究開發的創新機器學習工具進行建構

  • action/check_circle_24px Created with Sketch.

    更快地部署更多模型,自訂建模所需的程式碼行數減少 80%

  • action/check_circle_24px Created with Sketch.

    使用 MLOps 工具輕鬆自信地管理資料和模型並大規模重複

優點

不必編寫程式碼也能訓練模型,所需的專業知識極少

可運用 AutoML 快速建立模型。您可以搭配使用 Vertex AI 與最先進的預先訓練 API,以便處理電腦視覺、語言、結構化資料和對話工作。

使用自訂工具建立先進的機器學習模型

Vertex AI 的自訂模型工具支援進階機器學習編碼,與競爭平台相比,使用自訂程式庫訓練模型所需的程式碼行數減少了近 80% (觀看程式碼研究室)。

能自行管理模型

Vertex AI 的 MLOps 工具可以簡化模型維護作業,例如 Vertex AI 管道可簡化執行機器學習管道的程序,以及 Vertex AI 特徵儲存庫可提供、分享及使用機器學習功能。

主要功能與特色

單一平台即可提供您需要的各種機器學習工具

為整個機器學習工作流程提供統一介面

Vertex AI 將 Google Cloud 服務整合到一個統一的介面和 API 中。在 Vertex AI 中,您現在可以使用 AutoML 或自訂程式碼訓練功能輕鬆訓練和比較模型,所有模型都儲存在一個中央模型存放區中。這些模型現在可以部署到 Vertex AI 上的相同端點。

預先訓練的 API,適用於視覺、影片、自然語言等領域

輕鬆將視覺、影片、翻譯和自然語言機器學習融入現有應用程式,或在多種用途中 (包括翻譯語音轉文字) 中構建全新的智慧應用程式。AutoML 可讓開發人員以最少的機器學習專業知識或工作量,訓練出符合自身業務需求的高品質模型。集中代管橫跨各種資料類型 (視覺、自然語言和表格) 所有資料集的註冊資料庫。

資料與 AI 的端對端整合

Vertex AI 可透過 Vertex AI Workbench 以原生方式整合 BigQuery、Dataproc 和 Spark。您可以使用 BigQuery ML,透過現有商業智慧工具和試算表中的標準 SQL 查詢,在 BigQuery 中建立及執行機器學習模型,或是將資料集從 BigQuery 直接匯入 Vertex AI Workbench,並在其中執行模型。使用 Vertex 資料標籤為您的資料收集產生高度準確的標籤。

支援所有開放原始碼架構

Vertex AI 與許多常見的開放原始碼架構 (例如 TensorFlowPyTorchscikit-learn 整合,並透過自訂容器支援所有機器學習架構,以利訓練和預測。

查看所有功能與特色

客戶

客戶透過採用 Vertex AI 打造的顛覆性創新技術蓬勃發展

「Vertex 管道讓我們能夠更快從機器學習原型遷移至生產模型,且確信我們的機器學習基礎架構能隨著我們擴大規模與交易量保持同步。」

Digits Financial, Inc. 機器學習工程師 Hannes Hapke
閱讀個案研究

最新資訊

開始使用 Vertex AI 構建內容的研討會

訂閱 Google Cloud 電子報,掌握產品動態、活動資訊和特價優惠等消息。

說明文件

Vertex AI 的資源和說明文件

Google Cloud 基本資訊
AI 簡化影片系列

瞭解如何使用 Vertex AI 管理資料集、使用 AutoML 建構及訓練模型,或從頭開始建構自訂模型,以及建構 Vertex 管道。

白皮書
機器學習運作從業人員指南

這份白皮書提供機器學習持續推送軟體更新及自動化作業的架構,並涵蓋機器學習運作系統的實際運用細節。

最佳做法
Vertex AI 最佳做法指南

探索 Vertex AI 常見用途的建議。

Google Cloud 基本資訊
Vertex 資料標籤

Vertex 資料標籤可讓您與標籤人員合作,針對可用於機器學習模型的資料集合產生高度準確的標籤。

架構
探索對話式 AI

使用 AI 技術的文字轉語音功能可將文字轉換為自然語言語音,或使用 Dialogflow 建構對話式 AI。

用途

探索利用 Vertex AI 的常見方式

用途
資料準備

Vertex AI 支援您的資料準備程序。您可以從 BigQuery 和 Cloud Storage 擷取資料,並利用 Vertex AI 資料標籤功能為高品質訓練資料加上註解,並改善預測準確率。

顯示 Vertex AI 功能支援機器學習工作流程各個階段的圖表。
用途
特徵工程

使用 Vertex AI 特徵儲存庫 (一個全代管的特徵存放區) 來提供、共用及重複使用機器學習特徵;Vertex AI 實驗追蹤、分析及探索機器學習實驗,以加快模型選擇作業;Vertex AI TensorBoard 以視覺化方式呈現機器學習實驗;以及 Vertex AI Pipelines 簡化機器學習管道的建置和運行,進而簡化機器學習運作程序。

用途
訓練和超參數調整

使用 AutoML 找出圖片、表格、文字或影片預測工作的最佳模型架構,或是使用 Notebooks 建構自訂模型,無需程式碼即可構建最先進的 ML 模型。Vertex AI 訓練提供全代管的訓練服務,而 Vertex AI Vizier 提供經過最佳化的超參數,可提供最準確的預測結果。

用途
提供模型

Vertex AI 預測功能可讓您輕鬆地將模型部署到實際工作環境,並透過 HTTP 進行線上服務或透過批次預測進行大量計分。您可以將使用任何架構 (包括 TensorFlow、PyTorch、scikit 或 XGB) 構建的自訂模型部署至 Vertex AI 預測中,並使用內建工具追蹤模型效能。

用途
模型調整和瞭解

取得採用 Vertex Explainable AI 技術的詳細模型評估指標和特徵歸因。Vertex Explainable AI 會顯示各項輸入特徵對預測的重要性。這項功能在 AutoML 預測、Vertex AI 預測和 Vertex AI Workbench 立即可用。

用途
邊緣

Vertex AI Edge Manager (仍處於實驗階段) 經過特別設計,可透過彈性 API 順暢部署和監控邊緣推論和自動化程序,方便您在私人和公開雲端基礎架構、地端部署資料中心和邊緣裝置之間散發 AI。

用途
監控模型

持續監控功能會針對在 Vertex AI 預測服務中部署的模型,輕鬆監控模型在一段時間內的效能。持續監控功能會監控模型的預測效能和信號,在信號偏離情況時發出快訊、診斷原因,並觸發模型重新訓練管道或收集相關的訓練資料。

用途
模型管理

Vertex 機器學習中繼資料可自動追蹤 Vertex Pipelines 中所有元件的輸入和輸出,為您的機器學習工作流程進行構件、歷程和執行追蹤,進而更輕鬆地稽核和管理資料。這項服務使用 Python SDK 直接從程式碼追蹤自訂中繼資料和查詢中繼資料。

所有功能與特色

在單一整合工作流程中提供機器學習運作工具

AutoML 輕鬆開發高品質自訂機器學習模型,而且無須編寫訓練處理常式。採用 Google 最先進的遷移學習與超參數搜尋技術。
深度學習 VM 映像檔 在 Compute Engine 執行個體中將含有最常見 AI 架構的 VM 映像檔執行個體化,而且不必擔心軟體是否相容。
Vertex AI Workbench Vertex AI Workbench 是數據資料學家可用來完成所有機器學習工作 (從實驗、部署至管理與監控模型) 的單一環境。此平台以 Jupyter 為基礎,是全代管且可擴充的企業級運算基礎架構,提供安全性控管機制和使用者管理功能。
Vertex AI Matching Engine 具備大規模擴充性、低延遲的特性,以及符合成本效益的向量相似性比對服務。
Vertex AI 資料標籤 取得標籤人員提供的高精確度標籤,藉此提高機器學習模型的品質。
Vertex AI 深度學習容器 在可遷移的一致環境中迅速建立及部署模型,以便用於所有 AI 應用程式。
Vertex AI Edge Manager 透過靈活的 API,順暢部署及監控邊緣推論和自動化程序。
Vertex Explainable AI 透過整合到 Vertex AI Prediction、AutoML Tables 和 Vertex AI Workbench 中的穩健且實用的說明,瞭解並建立對模型預測的信任。
Vertex AI 特徵儲存庫 這個功能豐富的全代管存放區可以提供、分享及重複使用機器學習功能。
Vertex 機器學習中繼資料 透過易於使用的 Python SDK,建立機器學習工作流程的構件、歷程和執行追蹤功能。
Vertex AI 模型監控 有關資料偏移、概念偏移或其他可能需要監管的模型效能突發事件的自動快訊。
Vertex AI 類神經架構搜尋 透過由 Google 領先業界的 AI 研究技術提供的自動化服務,建構能滿足應用程式特定需求的新模型架構,並最佳化現有模型架構,以改善延遲、記憶體和效能。
Vertex AI 管道 使用 TensorFlow Extended 和 Kubeflow Pipelines 來建構管道,並利用 Google Cloud 的代管服務以彈性擴充方式執行,並按使用付費。透過詳細的中繼資料追蹤、持續模型及觸發模型重新訓練,簡化機器學習運作。
Vertex AI 預測 透過 HTTP 或批次預測,以更簡便的方式將模型部署至實際工作環境來進行大量計分作業。Vertex AI Prediction 提供整合架構,用於部署透過 TensorFlow、scikit 或 XGB 訓練的的自訂模型,以及 BigQuery ML、AutoML 模型,並可採用各種機器類型和 GPU。
Vertex AI TensorBoard 機器學習實驗的視覺化和追蹤工具含有模型圖,其中顯示圖片、文字和音訊資料。
Vertex AI 訓練 Vertex AI 訓練提供一組預先建構的演算法,讓使用者得以將自訂程式碼導入訓練模型中。這種全代管的訓練服務,適用於需要彈性且自訂功能,或是需要在地端部署或其他雲端環境執行訓練的使用者。
Vertex AI Vizier 最佳化超參數,實現最高預測準確率。

定價

定價

Vertex AI 會針對模型訓練、預測和 Google Cloud 產品資源用量向收取相關費用。

您可以使用總價費率計算費用,或是使用 Pricing Calculator 估算費用。