Ներածություն
Մեքենայական ուսուցման (ML) հավելվածները պարզապես գաղափար լինելուց վերածել լիարժեք արտադրանքի վերածելու, որն օգտագործվում էր տվյալների գիտնականների տիրույթը: Google Cloud-ի Vertex AI-ի նպատակն է ամբողջ գործընթացը հասանելի դարձնել առանց կոդավորման անհրաժեշտության:
Նպատակն է բացել ML ծրագրավորումը օգտվողների ավելի լայն շրջանակի համար, բացի մեքենայական ուսուցման ինժեներներից: Բացի այդ, բարելավված աշխատանքային հոսքը և հեշտ հասանելի օգտատիրոջ միջերեսը նույնպես պետք է արագացնեն տվյալների գիտնականների աշխատանքը: Այս հոդվածում մենք ավելի սերտ ենք նայում:
Կարդացեք նաև. Google-ի Chimera Painter. AI-ի օգտագործումը ֆանտաստիկ արարածներ ստեղծելու համար
Ի՞նչ է Vertex AI-ն:
Vertex AI-ի նպատակն է միավորել մեքենայական ուսուցման գործիքները մեկ հարթակի վրա: Փոխանակ որոնելու և մուտք գործելու Google Cloud հարթակներ տարբեր մեքենայական ուսուցման հարթակներում աշխատանքային հոսքի տարբեր փուլերում, մշակողները ամեն ինչ գտնում են մեկ տեղում:
Տվյալների ընդունումը, մեքենայական ուսուցման մոդելների ուսուցումը և օգտագործողների համար հարմար հավելվածներում ամենահաջող մոդելների տեղակայումը բոլորին կարելի է հասնել մեկ հարթակից: Բացի այդ, Vertex AI-ի մեկ ինտերֆեյսը հեշտացնում է սկսնակ ծրագրավորողների և նրանց համար, ովքեր չունեն լայնածավալ կոդավորման գիտելիքներ՝ զարգացնել իրենց օգտատերերին անհրաժեշտ հավելվածները:
Քանի որ նոր ծրագրավորողները կառուցում են իրենց փորձը Vertex խողովակաշարերի միջոցով, փորձառու մշակողները կարող են քաղել ճկուն և անխափան միջավայրում աշխատելու օգուտները: Երկու դեպքում էլ հավելվածների մշակումն ավելի արագ, հարթ գործընթաց է դառնում:
Մեքենայի ուսուցման միասնական աշխատանքային հոսք
Vertex AI-ի առավելություններն ավելի լավ հասկանալու համար արժե ավելի մոտիկից նայել տիպիկ ML աշխատանքային հոսքին:
Երբ մշակողները ընտրեն առաջադրանք, որի համար նրանք ցանկանում են ստեղծել մեքենայական ուսուցման վրա հիմնված հավելված, նրանք պետք է ընդունեն, վերլուծեն և փոխակերպեն չմշակված տվյալները: Հաջորդը կոնկրետ մոդելի ստեղծումն ու ուսուցումն է՝ տվյալ առաջադրանքը կատարելու համար: Վերապատրաստման մոդելները հաճախ կարող են լինել գործընթացի առավել ժամանակատար մասը:
Դրանից հետո հաջորդում է գնահատման փուլը։ Այստեղ մոդելը կարող է ապացուցվել, որ հուսալի է, բայց այն կարող է նաև խնդիրներ ցույց տալ: Եթե մշակողները գոհ չեն իրենց սկզբնական մոդելից, նրանք կարող են ընտրել մեկ ուրիշը և կրկնել այս երկու փուլերը:
Երբ թիմը գտնի հուսալի մոդել, նրանք կարող են տեղակայել իրենց հավելվածը և կատարել կանխատեսման առաջադրանքներ:
Vertex AI-ն հենց սկզբից պարզեցնում է տվյալների գիտության ամբողջ աշխատանքը: Կառավարվող տվյալների հավաքածուները աջակցում են տվյալների նախնական պատրաստման փուլերին: Տվյալները կարող են նաև պիտակավորվել և ծանոթագրվել հենց հարթակում: Պարզապես կարիք չկա անցնել տարբեր ծառայությունների միջև:
Vertex AI-ի վերապատրաստման փուլում Auto ML-ը հասանելի է պատկերային ֆայլերի, տեսանյութերի, տեքստի վրա հիմնված տվյալների և աղյուսակների մասին հոգալու համար: Եթե ձեր տվյալները պահվում են այս ձևաչափերով, կարիք չկա ստեղծել հատուկ մոդել: Vertex AI-ն պարզապես կընտրի ամենահարմար մոդելը կանխատեսման համար:
Միևնույն ժամանակ, մշակողները կարիք չունեն փոխզիջումների գնալու պատկերացումների հարցում: Vertex ML մետատվյալները թույլ են տալիս նրանց գրանցել փորձի պարամետրերն ու դիտարկումները: Vertex ML մետատվյալները նաև օգնում են հետևել մոդելային արտեֆակտներին: Առանձնահատկությունների վերագրումները թույլ են տալիս օգտվողներին ավելի մանրամասն նայել Vertex AI-ի կանխատեսումներին: Հատկանիշների վերագրումները օգնում են ձեզ տեսնել, թե որ հատկանիշները կամ ուսումնական ծածկագիրը ամենաշատն են նպաստել արդյունքին՝ հիմք հանդիսանալով հետագա առանձնահատկությունների ճարտարագիտության համար:
Այլ հավելվածների համար, կամ եթե մշակողները ցանկանում են ավելի շատ վերահսկողություն, նրանք կարող են օգտագործել հատուկ պատրաստված մոդելներ շրջանակներից և դրանց օպտիմալ մոդելային ճարտարապետությունից՝ նախապես պատրաստված մոդելների փոխարեն: Դա հեշտացնելու համար Vertex-ը տրամադրում է Docker կոնտեյների պատկերներ՝ որպես իր ուսումնական ծառայության մաս:
Vertex բացատրելի AI-ն թույլ է տալիս հասկանալ գնահատման փուլում ձեր մոդելի կանխատեսումների հիմքում ընկած պատճառաբանությունը: Vertex AI-ն այնուհետև լրացնում է տեղակայման համար անհրաժեշտ ծրագրային ապահովման և ապարատային բոլոր պահանջները: Մոդելի տեղակայման փուլից հետո օգտատերերը մոդելի կանխատեսումների հետևում գտնվող մանրամասներին ծանոթանալու մի քանի տարբերակ ունեն:
Արդյունքում, բոլոր մակարդակներում օգտվողները ստանում են զարգացման մեկ միջավայր: Նրանք կարող են մուտք գործել ամբողջ ML աշխատանքային հոսք մեկ կենտրոնական կետից: Այստեղից նրանք կարող են նվազեցնել մոդելների սպասարկման բարդությունը և արագացնել մոդելների արտադրությունը:
Նախապես պատրաստված API-ներ
Vertex AI-ն համալրված է նախապես պատրաստված կիրառական ծրագրավորման ինտերֆեյսներով (API-ներ) առավել տարածված օգտագործման դեպքերի համար: Դրանք ներառում են թարգմանության կամ խոսքի տեքստի հավելվածներ, բայց դրանք նաև շատ լավ են աշխատում պատկերների և տեսանյութերի վրա հիմնված տվյալների հավաքածուների համար:
Եթե ձեր տվյալների շտեմարանները պատկանում են այդ կատեգորիաներից մեկին, դուք կարող եք պատրաստել մոդելներ նվազագույն ML գիտելիքներով:
Տվյալների անխափան ինտեգրում AI-ին
Մենք արդեն նշել ենք Vertex AI աշխատանքային սեղանի անխափանությունը: Պլատֆորմի վահանակի միջոցով օգտվողները կարող են շատ արագ մուտք գործել BigQuery-ի, Dataproc-ի կամ Spark-ի նման: Աշխատանքային սեղանը թույլ է տալիս արտահանել ամբողջ տվյալների հավաքածուներ BigQuery-ից և գործարկել դրանք Vertex AI-ում:
Vertex AI տվյալների պիտակավորման առանձնահատկությունն օգնում է ձեզ ստեղծել ճշգրիտ պիտակներ ձեր տվյալների հավաքագրման համար:
Աջակցություն բոլոր բաց կոդով շրջանակներին
Պլատֆորմը նաև աջակցում է մշակողներին, ովքեր ցանկանում են գրել իրենց մեքենայական ուսուցման մոդելները: Այն հեշտությամբ ինտեգրվում է լայնորեն օգտագործվող բաց կոդով շրջանակների հետ, ինչպիսիք են TensorFlow կամ PyTorch: Բացի այդ, Vertex AI-ն ունի նաև հատուկ բեռնարկղեր՝ կանխատեսումների և մարզումների համար: Ներկառուցված ինտեգրումները թույլ են տալիս ավելի արագ մոդելի ընտրություն և մոդելի մոնիտորինգ:
Vertex AI-ի առավելությունները
Vertex AI-ն ապահովում է երեք հիմնական առանձնահատկություններ և առավելություններ.
- Նվազագույն փորձով մոդելներ պատրաստելու ունակություն՝ շնորհիվ տեսողության, լեզվի, խոսակցության և կառուցվածքային տվյալների համար նախապես պատրաստված API-ների:
- Օպտիմիզացված AI ենթակառուցվածքի միջոցով մոդելների տեղակայումը արագացնելու ունակություն՝ առանց կանխատեսման ճշգրտության կորստի:
- Ձեր բոլոր մոդելները վստահորեն կառավարելու կարողություն այնպիսի գործիքների միջոցով, ինչպիսիք են Google Cloud-ի Vertex AI խողովակաշարերը և Vertex AI գործառույթների խանութը:
Ենթակառուցվածքների արդյունավետության բարձրացում
AI և ML մոդելների ուսուցման համար արդյունավետ միջավայր ստեղծելը կարող է դժվար լինել: Vertex AI-ն հեշտացնում է այն՝ ապահովելով լիովին կառավարվող հարթակ և վերացնելով ֆիզիկական ենթակառուցվածքի կառավարման անհրաժեշտությունը:
Գործնականում դա նշանակում է, որ մշակողները կարող են կառուցել առանց անհանգստանալու սերվերների և իրենց նախագծի հետ կապված ծախսերի մասին: Փոխանակ վերահսկողությունից դուրս եկող ծախսերի հետ գործ ունենալու փոխարեն, մշակողները պարզապես գանձվելու են իրենց օգտագործած ռեսուրսների համար: Օրինակ, Vertex-ը կընտրի ստանդարտ մեքենայի տեսակը: Եթե Ձեզ անհրաժեշտ է ավելի շատ հաշվողական հզորություն, կարող եք տարբեր ռեսուրսներ, ներառյալ վիրտուալ մեքենաները, նվիրել նախագծին: Workbench ամպային պահեստը հասանելի է ձեր կարիքներից ելնելով Google-ի ճկուն ամպային պահեստի միջոցով:
Քանի որ մշակողները կառուցում են կոդերի նմուշների իրենց կենտրոնական պահոցը, նրանք կարիք չունեն անհանգստանալու, որ կարող են սպառվել:
Պլատֆորմը նաև հոգ է տանում հերթերի և գրանցման աշխատանքների, ինչպես նաև մոնիտորինգի մոդելների մասին՝ թույլ տալով ծրագրավորողներին կենտրոնանալ իրենց կառուցած ML-ի վրա՝ առանց շեղումների:
Կատարյալ սկսնակների և փորձագետների համար
Vertex AI-ն այն եզակի հարթակներից է, որը բավարարում է ML սկսնակների կարիքները և առաջարկում է բավական բարդ գործիքներ՝ գրավելու փորձագետ մշակողների հետաքրքրությունը:
Թեև նրանք, ովքեր համեմատաբար նոր են ML-ում, կարող են օգտվել նախապես պատրաստված API-ներից ամենասովորական ML առաջադրանքների համար, ավելի փորձառու մշակողները կգտնեն, որ հարթակը համատեղելի է բաց կոդով շրջանակների հետ: Ճկունության այս մակարդակը տեղավորում է այնքան մաքսային կոդ, որքան ծրագրավորողը ցանկանում է գրել՝ առանց այն անհասանելի դարձնելու ավելի քիչ փորձ ունեցողների համար:
Նույնիսկ եթե մշակողները պետք է որոշ ժամանակով հեռանան իրենց մոդելներից, Vertex AI մոդելի ռեեստրը թույլ է տալիս նրանց պահել ընթացիկ մոդելները և վերապատրաստման աշխատանքները՝ հետագայում վերադառնալու համար: Ավելի փորձառու ծրագրավորողների համար Vertex AI TensorBoard-ն առաջարկում է TensorBoard-ի ձեռնարկությունների համար պատրաստ, կառավարվող տարբերակը:
Օգնում է լուծել ավելի ու ավելի բարդ առաջադրանքներ
Vertex AI-ն կառավարում է այն, ինչի դեմ պայքարում էին նախորդ հարթակները: Այն կառավարում է բարդ խնդիրներ, ինչպիսիք են միլիարդավոր կրկնություններ մոդելի լավագույն ալգորիթմը որոշելու համար:
Google-ը կարծում է, որ ML մշակման իր միասնական մոտեցումը թույլ է տալիս օգտվողներին արագացնել ML-ի մշակումն ու փորձարկումները 5%-ով։ Բացի այդ, այն կրճատում է 80%-ով գրելու կարիք ունեցող կոդի տողերը:
Բացի այդ, նրա ամենամեծ ձեռքբերումներից մեկն այս բարդ առաջադրանքները ավելի շատ մարդկանց հասանելի դարձնելն է: Պլատֆորմն օգտագործելու համար օգտատերերը չպետք է լինեն տվյալների գիտնականներ: Ըստ Google-ի՝ այս դեմոկրատական մոտեցումն արդեն իսկ արդյունքներ է ցույց տալիս 2,5 անգամ ավելի Vertex AI կանխատեսումներով առաջացել է 2021 թվականին, քան 2020 թվականին։
Կարդացեք նաև. Ինչպես սկսել մեքենայական ուսուցումը Ջուլիայում
Նվազեցնում է արտադրության տեղակայման ռիսկը
ՓԼ նախագծերին, արտադրության մոդելներին և վերապատրաստման համար օգտագործվող տվյալների չարտոնված մուտքի կանխումը շատ օգտատերերի առաջնահերթությունների ցանկում է: Vertex AI աշխատանքային սեղանը հագեցած է օգտատերերի կողմից կառավարվող նոթատետրերի օրինակներով, որոնք պաշտպանված են Google Cloud թույլտվությամբ և իսկորոշմամբ:
Այս կառավարվող նոթատետրերի օրինակները նախապես փաթեթավորված են և ստեղծվել Jupyter-ի նոութբուքի վրա հիմնված աշխատանքային միջավայրում: Յուպիտերի նոութբուքերը աջակցում են GPU արագացուցիչներին և կհամաժամեցվեն նաև GitHub-ի տվյալների պահեստների հետ:
Նոութբուքի միջավայրը կարող է հարմարեցվել՝ օգտագործելու ներկառուցված ինտեգրացիաներ, կամ կարող եք ընտրել նոթատետրերի բջիջները կառավարել օգտատիրոջ կողմից կառավարվող նոթատետրերի տարբերակի միջոցով: Երկու տարբերակներն էլ, ներառյալ օգտագործողի կողմից կառավարվող նոթատետրերի օրինակը, նախապես ծրագրավորված են, ինչը թույլ է տալիս ծրագրավորողներին ընտրել իրենց նախընտրած նոութբուքի կատարումը:
Սկսեք օգտագործել Google Vertex AI-ն
Պատրա՞ստ եք օպտիմալացնել ձեր AI և ML տեղակայումը: Google-ի թիմը տեսավ 25% աճ 2022 թվականի առաջին վեց ամիսների ընթացքում Vertex AI օգտագործող ակտիվ հաճախորդների մոտ, և միտումը, կարծես, շարունակվելու է:
Օգտագործման պատյաններն ընդգրկում են մանրածախ առևտուրը, վճարումների մշակումը և արտադրությունը, ընդ որում հայտնի ապրանքանիշերը, ինչպիսիք են Coca-Cola-ն, օգտվում են տեխնոլոգիայից: Ֆինանսական ծառայություններ մատուցող Cash App ընկերությանը հաջողվել է 66%-ով արագացնել ML մշակման իր որոշ հիմնական աշխատանքային հոսքերի ավարտի ժամանակը:
Vertex AI-ի հետ սկսելը պարզ է: Երբ օգտատերը որոշի, թե որ վերապատրաստման մեթոդն է ցանկանում կիրառել առցանց կանխատեսումների նախագծի համար, այն ամենը, ինչ պահանջվում է, ռեսուրսներն ու հավելվածները տեղափոխելն է Vertex AI նախքան նախագիծը ստեղծելը:
Հղումներ Vertex AI-ի վերաբերյալ
Քանի որ Vertex AI-ն ուղղված է ոչ փորձագետ օգտատերերին, ինչպես նաև փորձագետներին, Google-ը տրամադրում է լայն շրջանակ գրավոր ուղեցույցներ և տեսանյութերի վրա հիմնված ներածություններ և հրահանգներ։
Source: YouTube
Փաստաթղթերը հեշտացնում են ոչ մասնագետների համար սկսելը և հասկանալ յուրաքանչյուր առանձին քայլի կարևորությունը: Քանի որ աջակցության տեղեկատվությունը աստիճանաբար ավելի կոնկրետ է դառնում, փորձագետ օգտվողները կգտնեն իրենց փնտրած տեղեկատվությունը:
Կարդացեք նաև՝ Siri-ն ընդդեմ Alexa-ի ընդդեմ Cortana-ի՝ վիրտուալ անձնական օգնականների համեմատություն
Եզրակացություն
Google-ը որոշ ժամանակ է, ինչ ստանդարտներ է սահմանում ML-ի մշակման համար: Թեև նրա Google Colab պլատֆորմը ուղղված է տվյալների գիտնականներին և մշակողներին, Vertex AI-ի կանխատեսումները հասանելի են ոլորտի հիմնական գիտելիքներ ունեցող յուրաքանչյուրին: Մոդելի արտադրության արագացումը միայն մեկ առավելություն է: Vertex AI-ի կանխատեսումը նաև հավելվածների մշակումն ավելի հասանելի է դարձրել տվյալների գիտությունից դուրս մարդկանց համար, ինչը ողջունվել է մշակողների պաշտպանների կողմից:
Հղումներ
“Սկսել.” Google Cloud, https://cloud.google.com/vertex-ai/docs/start: Մուտք գործվել է 2023 թվականի մարտի 18-ին։
Mahendra, Sanksshep. «Արհեստական բանականության ժողովրդավարացում». Արհեստական ինտելեկտ +, 28 փետրվարի 2023թ., https://www.aiplusinfo.com/blog/democratizing-artificial-intelligence/: Մուտք գործվել է 2023 թվականի մարտի 18-ին։
Տապեն, Հենրի: «Ինչպես են բիզնեսներն օգտագործում Google Cloud VertexAI-ն»: Google Cloud, 2022 թվականի հունիսի 9, https://cloud.google.com/blog/products/ai-machine-learning/how-businesses-use-google-cloud-vertex-ai: Մուտք գործվել է 2023 թվականի մարտի 18-ին։
Tech, Google Cloud. «Ի՞նչ է Vertex AI-ն»: YouTube, Տեսանյութ, 22 մայիսի 2021թ., https://www.youtube.com/watch?v=gT4qqHMiEpA։ Մուտք գործվել է 2023 թվականի մարտի 18-ին։