Vertex AI Workbench ist seit 2021 ein neues Instrument von Google, das Einzelpersonen oder Organisationen dabei hilft, die Bereitstellung und Wartung von Modellen der künstlichen Intelligenz (KI) zu beschleunigen.
Das Tolle an Vertex AI Workbench ist die Möglichkeit, an maschinellen Lernprojekten zusammenzuarbeiten. Damit können Sie auf alle möglichen Instruments zugreifen und diese auf der Plattform ausführen. Sie können damit Modelle erstellen, Ihre Trainingsdaten verwalten und organisieren und sogar Ihre Modelle auf der Plattform bereitstellen.
Die Zugänglichkeit ist ein weiterer großer Vorteil. Vom Vertex AI Workbench Jupyter Pocket book aus ist die Interaktion mit verschiedenen GCP-Diensten wie BigQuery, AI Platform, Mannequin Registry und Cloud Storage nur ein paar Codezeilen entfernt (ich habe vor, für jedes Aspect einen separaten Beitrag zu schreiben).
Da Sie innerhalb der Google Cloud Platform auf verschiedene Dienste zugreifen und sich mit ihnen verbinden können, sind Ihnen in Vertex AI Workbench keine Grenzen gesetzt. Hier sind einige Beispiele seiner Anwendungsfälle:
- Nachdem Sie eine Reihe von Bildern in Cloud Storage geladen haben, können Sie Bilder aus Cloud Storage in Vertex AI Workbench übertragen, jedes Bild mit Labels klassifizieren und die Ergebnisse in BigQuery speichern. Die Interaktivität mit Cloud Storage und BigQuery ermöglicht eine einfache Datenaufnahme und Abfrage vorverarbeiteter Bilddaten. Dies ist praktisch für Anwendungen wie das Erkennen von Objekten in Bildern oder das Identifizieren von Gesichtern oder Sehenswürdigkeiten.
- Ein weiterer Anwendungsfall ist die Verarbeitung natürlicher Sprache. Mit GCP Vertex AI Workbench können Sie benutzerdefinierte Modelle für Stimmungsanalysen, Sprachübersetzungen und mehr erstellen und trainieren. Die Integration von AI Platform und Mannequin Registry ermöglicht Ihnen das einfache Speichern von Modellen und deren bedarfsgerechte Bereitstellung für Echtzeitvorhersagen. Darüber hinaus ermöglicht die Integration mit Cloud Storage eine nahtlose Datenverwaltung während des Trainingsprozesses.
- Ein dritter Anwendungsfall ist die Anomalieerkennung. GCP Vertex AI Workbench kann Muster in Daten erkennen und etwaige Inkonsistenzen oder Anomalien kennzeichnen. Dies kann bei der Betrugserkennung, der Cybersicherheitsüberwachung oder jeder anderen Anwendung nützlich sein, bei der ungewöhnliches Verhalten identifiziert werden muss. Die Interaktivität mit BigQuery und Cloud Storage ermöglicht eine einfache Datenabfrage und -speicherung.
Insgesamt ermöglicht die Interaktivität von GCP Vertex AI Workbench mit BigQuery, AI Platform, Mannequin Registry und Cloud Storage eine effiziente Datenbearbeitung und Modellbereitstellung im großen Maßstab, was letztendlich den Wert für Unternehmen und Organisationen steigert.
Die entsprechenden Lösungspakete sind auch in anderen Cloud-Lösungen wie AWS oder Microsoft Azure verfügbar. GCP bietet jedoch eine einfachere Schnittstelle und einfachere Verwaltung, was es zu einer großartigen Choice für kleinere Unternehmen oder Unternehmen mit weniger technischem Fachwissen macht.
Kommen wir nun zum echten Geschäft. Für jeden meiner Artikel möchte ich einen praktischen Leitfaden vorschlagen, der leicht zu befolgen ist und meinen Lesern als Belohnung für die Zeit, die sie sich mit dem Lesen meiner Artikel beschäftigen, mindestens eine wichtige Erkenntnis bieten.
- Gehen Sie zu Vertex AI
- Wählen Sie Workbench
- Klicken Sie unter „Benutzerverwaltete Notizbücher“ auf „Notizbuch erstellen“.
- Anpassen
5. Geben Sie einen korrekten Vorfallnamen an und wählen Sie die Area aus
6. Wählen Sie das Betriebssystem und die Umgebung (Für diese Übung habe ich in einem Dropdown-Menü das grundlegende Python 3 (mit Intel MKL) ausgewählt. In zukünftigen Beiträgen werde ich auch das Erstellen benutzerdefinierter Container in Artifact Registry besprechen.)
7. Wählen Sie den Maschinentyp.
Die Wahl des Maschinentyps hängt ganz davon ab, zu welchem Zweck Sie die Werkbank erstellen möchten. Google hat mehr als genug Auswahlmöglichkeiten zur Verfügung gestellt, um Ihren Anforderungen gerecht zu werden, aber Ihre monatlichen Rechnungen könnten bei großen Geräten sehr schnell in die Höhe schnellen.
8. Wählen Sie den Netzwerktyp
9. IAM und Sicherheit
Sie haben die Wahl zwischen Dienstkonto oder Einzelbenutzerzugriff. Da ich der Einzige sein werde, der diese Workbench nutzt, habe ich mich für den Einzelbenutzerzugriff entschieden. Die Auswahl des Dienstkontos ist preferrred, wenn Sie als Group zusammenarbeiten oder anderen Personen Zugriff auf dieses Konto gewähren möchten.
10. Klicken Sie nun einfach unten auf die Schaltfläche „Erstellen“, um die Einrichtung abzuschließen.
Die Einrichtung ist so einfach wie das Befolgen der oben genannten Schritte. Diese Anleitung richtet sich an Anfänger von GCP Vertex AI Notebooks, die verschiedene Fähigkeiten und Funktionen dieses Produkts erkunden und ihren ersten Schritt zum Erstellen einer Finish-to-Finish-Pipeline für maschinelles Lernen unternehmen möchten .
Meine Gesamterfahrung mit der Google Cloud Platform battle insgesamt nur angenehm. Die intuitiven Namenskonventionen und die einfache Benutzeroberfläche haben einen Großteil der Einstiegshürden beseitigt, die für einen Datenwissenschaftler bestehen könnten, der in der Vergangenheit noch nicht in einer Cloud-Umgebung gearbeitet hat.
Versuchen Sie, in den Bereich Information Science einzusteigen? Möchten Sie ein ML-Projekt abschließen, um Ihr Portfolio zu präsentieren? Suchen Sie nach einer kostengünstigen Lösung für die Verwaltung Ihrer Datenbank dort, wo Sie KI anwenden möchten?
Die Vertex AI Workbench der Google Cloud Platform ist Ihre Lösung.
Hinterlassen Sie bei Fragen einen Kommentar und ich stehe Ihnen gerne zur Verfügung.
