Google Vertex AI ist eine vollständig verwaltete Machine-Learning-Plattform für Data Scientists, ML-Ingenieure und Entwickler, die Modelle in großem Umfang erstellen, trainieren und bereitstellen möchten. Sie richtet sich an Unternehmen jeder Größe, insbesondere an solche, die ihre ML-Workflows automatisieren und MLOps integrieren wollen. Zu den wichtigsten Funktionen zählen die Unterstützung von AutoML- und benutzerdefinierten Modellen, ein zentrales Modell-Repository sowie Tools zur Überwachung und Verwaltung des gesamten Modelllebenszyklus. Vertex AI vereinfacht den gesamten ML-Prozess – von der Entwicklung bis zur Produktion.

Was sind die Hauptfunktionen von Google Vertex AI?

Integrierte Entwicklungsumgebung mit Vertex AI Workbench

Vertex AI Workbench bietet eine auf Jupyter basierende Entwicklungsumgebung, die direkt mit Google Cloud-Diensten verbunden ist. Sie ermöglicht Datenanalyse, Modelltraining und Deployment an einem Ort.

• Direkter Zugriff auf BigQuery, Cloud Storage und andere Google-Dienste.

• Unterstützung gängiger ML-Frameworks wie TensorFlow, PyTorch und scikit-learn.

• Integriertes Versioning und Experimenten-Tracking.

Automatisiertes Machine Learning (AutoML)

Die AutoML-Funktionen von Vertex AI ermöglichen es, hochwertige Modelle ohne tiefgehende ML-Kenntnisse zu erstellen. Der gesamte Trainingsprozess wird automatisiert.

• Unterstützt tabellarische Daten, Bilder, Texte und Videos.

• Automatische Datenvorverarbeitung, Feature Engineering und Modellauswahl.

• Bewertung des Modells und Erklärungen zu Vorhersagen inklusive.

Training und Deployment benutzerdefinierter Modelle

Vertex AI erlaubt auch die Nutzung eigener Modelle mit individuellem Code und voller Kontrolle über den Trainingsprozess auf verwalteter Infrastruktur.

• Unterstützung für verteiltes Training und Hyperparameter-Optimierung.

• Bereitstellung auf skalierbaren Endpunkten für Online-Inferenz.

• Integration in CI/CD-Pipelines für automatisierte Abläufe.

Modell-Registry von Vertex AI

Die Modell-Registry dient als zentrale Plattform zur Verwaltung des Modell-Lebenszyklus – inklusive Versionierung, Deployment und Governance.

• Registrierung mit Metadaten und Labels.

• Verfolgung von Modellversionen und Bereitstellungshistorie.

• Integration in Vertex AI Pipelines für Workflow-Automatisierung.

MLOps-Tools für das Lebenszyklusmanagement

Vertex AI bietet umfassende MLOps-Werkzeuge zur Automatisierung, Überwachung und Skalierung von ML-Workflows in der Produktion.

• Vertex AI Pipelines: Automatisierung von ML-Workflows mit Kubeflow Pipelines.

• Vertex AI Feature Store: Verwaltung und Bereitstellung von ML-Features für Training und Inferenz.

• Vertex AI Model Monitoring: Permanente Überwachung auf Datenabweichungen und Leistungsverschlechterung.

Warum Google Vertex AI wählen?

• Einheitliche Plattform: Kombination aus Datenverarbeitung, Modellentwicklung und MLOps.

• Skalierbarkeit: Unterstützt Anwendungsfälle von ersten Experimenten bis zur produktiven Nutzung im großen Maßstab.

• Flexibilität: Kombination aus AutoML und benutzerdefinierten Modellen mit verschiedenen Frameworks.

• Nahtlose Integration: Kompatibel mit BigQuery, Cloud Storage, Dataflow und weiteren Google-Diensten.

• Betriebliche Effizienz: Tools für Modellversionierung, Überwachung und Automatisierung sorgen für Zuverlässigkeit und Kontrolle.