摘要: Google 在今年的開發者大會 Google I/O 上發布了 Vertex AI,這是一個全新的代管式機器學習平台,將 AutoML、AI Platform 整合到統一的 API、客戶端庫和用戶介面中。
▲圖片標題(來源: Shuttetstock)
Vertex AI,可視為 Google 對現有人工智慧平台的品牌重塑,也會涵蓋到 MLOps 服務來簡化機器學習開發流程,目的是幫助開發人員利用 Google 的 AI 工具,更快部署、維護 AI 模型,等同於亞馬遜 SageMaker 等市場既有服務的競爭對手。
現有機器學習服務,減少 AI 模型中 80% 的程式碼量
Vertex AI 的推出,是 Google Cloud 團隊經過大量反覆省思迭代的結果,Craig Wiley ,Google Cloud AI 平台產品管理總監表示:「在我看來,企業的機器學習正處於危機之中」。 他認為,市場對於機器學習的認知和使用方式,必須有所改變,否則最後都會走入死胡同。曾任職於 AWS SageMaker AI 服務總經理的他也強調,這次推出 Vertex AI 的一大目標是縮短這些企業實現投資回報的時間,確保模型建構的效率跟價值。
具備不同知識和技能水平的開發人員、資料科學家,可以透過 Vertex 這一平台快速訓練模型。 據 Google 所述,和一些競爭對手相比,訓練模型所需的程式行數減少了約 80%,並且全面導入 MLOps 來管理這些模型的完整生命週期。 為了給各式各樣的開發人員正確的切入點,Vertex 服務提供了三個介面:拖拉工具、進階用戶 Notebook 開發環境,以及 BigQuery ML — Google 旗下使用標準 SQL 查詢,以便在自家 BigQuery 資料倉儲建立並執行機器學習模式的工具。 平台服務還整合了 Google 的 AI 優化器 Vizier,可以自動調整機器學習模型中的超參數,這有助減少調整模型所需的時間,讓工程師更有效運行更多測試實驗。 「特徵存儲」(Feature Store)的功能,可讓開發人員使用、共享和重複利用機器學習特徵和實驗,以幫助他們加快選擇模型的流程,並部署到生產環境中。
具體來說,Vertex AI 有什麼特徵呢?
特徵 1:支持開源框架
Vertex AI 支援許多開源框架,包含 TensorFlow、PyTorch 和 Scikit-Learn,透過用於訓練和預測的自定義容器支持眾多機器學習框架。
特徵 2:貫穿 ML 工作流程的 UI
在整合性的 UI 和 API 之下,串聯 Google Cloud 服務用於機器學習構建 ,開發人員可以使用 AutoML 或自定義程式碼來訓練或比較模型,而中央模型存儲庫,將不同場域蒐集回來的演算法模型整合,部署到待解決的新問題端點。
特徵 3:預訓練 API
Vertex AI 擁有用於視覺、自然語言、影片的預訓練 API,可以合併到現有的應用程式中,也能跨不同應用場景構建新應用程式,例如 Translation 和 Speech to Text。 AutoML 讓開發人員根據專案需求訓練高品質模型,例如,開發人員可以提供給 Vertex 一個預算,系統就會在該預算範圍內訓練出最好的模型。
特徵 4:數據匯整
開發人員可以利用 BigQuery ML 在現有工具和表格上使用標準 SQL 查詢來創建和執行機器學習模型。或者,可以將數據集從 BigQuery 導出到 Vertex AI,有利於在數據到整個 AI 生命週期進行一體化整合。
一系列的 MLOps 工具,Vertex AI 全面簡化 AI 模型開發工作
據 Google 所述,Vertex AI 平台相較於競品,只需要約 20% 程式碼就可訓練模型,且 就算使用者沒有經過正式的 ML 培訓,缺乏專業知識,依然可以使用此平台,因為其中提供了機器學習所需的相關 MLOps 工具 ,從管理資料、開發雛形、進行實驗、部署模型、解釋模型,到進行監控,都可以相對簡易上手。 「在構建 Vertex AI 時,我們有兩個目的:讓資料科學家和工程師擺脫 Coding 的繁冗,再創造產業的轉變,讓每個人都能從 AI 從前期測試的煉獄中順利跳轉到全面生產。」Google 雲端人工智慧和產業解決方案副總裁 Andrew Moore 說,「我們對於這個平台感到非常有信心,因為它可以為新一代人工智慧進行認真的部署,這將賦予資料科學家和工程師能力,去執行有成就感、創造性的工作。」
轉貼自: TechOrange
若喜歡本文,請關注我們的臉書 Please Like our Facebook Page: Big Data In Finance
留下你的回應
以訪客張貼回應