online gambling singapore online gambling singapore online slot malaysia online slot malaysia mega888 malaysia slot gacor live casino malaysia online betting malaysia mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 Google 全新代管式機器學習平台 Vertex AI,幫助 AI 模型開發的程式碼量減少了 80%!

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。

 


images/code.png

▲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

0
  • 找不到回應