Google Vertex AI es una plataforma de machine learning totalmente gestionada, diseñada para científicos de datos, ingenieros de ML y desarrolladores que necesitan construir, entrenar y desplegar modelos a gran escala. Está orientada a organizaciones de todos los tamaños, especialmente aquellas que buscan automatizar sus flujos de trabajo ML e incorporar prácticas de MLOps. Entre sus funciones principales se incluyen el soporte para modelos AutoML y personalizados, un registro centralizado de modelos y herramientas para la gestión y el monitoreo del ciclo de vida del modelo. Vertex AI simplifica el desarrollo y la operación de modelos ML de extremo a extremo.

¿Cuáles son las funciones principales de Google Vertex AI?

Entorno de desarrollo integrado con Vertex AI Workbench

Vertex AI Workbench proporciona un entorno basado en Jupyter que se integra con los servicios de Google Cloud. Permite explorar datos, entrenar modelos y desplegarlos desde una sola interfaz.

• Acceso directo a BigQuery, Cloud Storage y otros servicios de Google Cloud.

• Compatibilidad con frameworks como TensorFlow, PyTorch y scikit-learn.

• Control de versiones y seguimiento de experimentos incorporados.

AutoML para modelos automatizados

Las capacidades AutoML de Vertex AI permiten entrenar modelos de alta calidad sin necesidad de conocimientos avanzados en ML, automatizando el proceso completo de selección y entrenamiento.

• Compatible con datos tabulares, imágenes, texto y video.

• Procesamiento previo, ingeniería de características y selección del modelo automatizados.

• Métricas de evaluación y explicaciones de predicciones incluidas.

Entrenamiento y despliegue de modelos personalizados

Vertex AI también permite entrenar modelos personalizados usando código propio y frameworks preferidos, sobre infraestructura gestionada por Google.

• Soporte para entrenamiento distribuido y ajuste de hiperparámetros.

• Despliegue en endpoints escalables para predicciones en línea.

• Integración con pipelines CI/CD para flujos de trabajo automatizados.

Registro de modelos de Vertex AI

El registro de modelos funciona como un repositorio centralizado para gestionar modelos a lo largo de su ciclo de vida, incluyendo versión, despliegue y gobernanza.

• Registro con metadatos y etiquetas personalizadas.

• Seguimiento de versiones y del historial de despliegue.

• Integración con Vertex AI Pipelines para automatizar flujos de trabajo.

Herramientas MLOps para la gestión del ciclo de vida

Vertex AI incluye una suite completa de herramientas MLOps para automatizar, supervisar y mantener modelos en producción.

• Vertex AI Pipelines: Orquestación automatizada de flujos ML con Kubeflow Pipelines.

• Vertex AI Feature Store: Gestión de features para entrenamiento e inferencia.

• Vertex AI Model Monitoring: Monitoreo continuo de desviaciones de datos y rendimiento del modelo.

¿Por qué elegir Google Vertex AI?

• Plataforma unificada: integra ingeniería de datos, desarrollo de modelos y operaciones ML.

• Alta escalabilidad: adecuada para pruebas experimentales y despliegues en producción.

• Flexibilidad: permite combinar AutoML con modelos personalizados y diversos frameworks.

• Integración con Google Cloud: interoperable con BigQuery, Cloud Storage, Dataflow y más.

• Eficiencia operativa: herramientas integradas para versionado, monitoreo y automatización de flujos ML.