Google Cloud Vertex AI, è una nuova piattaforma di machine learning, che ha lo scopo di rendere più facile per gli sviluppatori distribuire e mantenere i propri modelli di AI.
Google Cloud ha annunciato la disponibilità generale di Vertex AI, una piattaforma di machine learning gestita, che dà alle aziende la possibilità di accelerare l’implementazione e la manutenzione dei modelli di intelligenza artificiale.
Vertex AI, richiede quasi l’80% in meno di righe di codice per il training di un modello rispetto ad altre piattaforme. Ciò consente ai data scientist e agli ingegneri di machine learning di tutti i livelli di competenza di implementare le Machine Learning Operations (MLOps) per costruire e gestire in modo efficiente i progetti di intelligenza artificiale durante l’intero ciclo di vita dello sviluppo.
Vertex AI riunisce i servizi di Google Cloud per la costruzione di machine learning sotto un’unica interfaccia utente e API, per semplificare il processo di build, training e deploying di modelli di apprendimento automatico su scala.
L’intero processo di costruzione di un modello di machine learning può essere visibile nella figura riportata qui in seguito.
In questo singolo ambiente di Google Cloud, i clienti possono spostare i modelli dalla sperimentazione alla produzione, più velocemente, scoprire in modo più efficiente pattern e anomalie, fare previsioni e decisioni migliori e in generale essere più agili di fronte alle mutevoli dinamiche del mercato. Con Vertex AI, i team di data science e machine learning possono accedere al toolkit AI utilizzato internamente per potenziare Google, che include computer vision, NLP, ecc. continuamente migliorati da Google Research. Possono inoltre, distribuire più applicazioni di intelligenza artificiale e in maniera più veloce, con le nuove funzionalità MLOps come, ad esempio, Vertex Vizier, che aumenta il tasso di sperimentazione, il Vertex Feature Store completamente gestito, per aiutare i professionisti a fornire, condividere e riutilizzare le funzionalità di machine learning, e Vertex Experiments, per accelerare l’implementazione dei modelli in produzione con la selezione del più veloce. Se i dati devono rimanere sul dispositivo o in loco, è possibile sfruttare Vertex ML Edge Manager (attualmente in fase sperimentale) che è stato progettato per distribuire e monitorare i modelli sull’edge, con processi automatizzati e API flessibili. Google Cloud propone Vertex AI come piattaforma unica che contiene tutti gli strumenti necessari e che consente di gestire i dati, prototipare, sperimentare, distribuire, interpretare modelli e monitorarli in produzione senza richiedere una formazione formale in machine learning. Cioè, Google Cloud sottolinea che i data scientist dell’organizzazione non hanno bisogno di essere ingegneri di machine learning per essere operativi. Con Vertex AI, hanno la possibilità di muoversi velocemente, ma al contempo con una rete di sicurezza che li aiuta nel lanciare il loro lavoro. La piattaforma assiste nell’implementazione responsabile e garantisce un passaggio più rapido dai test e dalla gestione dei modelli alla produzione e, infine, al raggiungimento dei risultati di business.
Con Vertex AI si dispone dei seguenti Strumenti MLOps [22] in un unico flusso di lavoro unificato:
AutoML: Sviluppa facilmente modelli di machine learning personalizzati di alta qualità senza scrivere le routine di addestramento. Basato sulle tecnologie all'avanguardia di ricerca degli iperparametri e di transfer learning di Google.
Deep Learning VM Image: Crea un'istanza di un'immagine VM contenente i framework di AI più popolari su un'istanza Compute Engine senza preoccuparsi della compatibilità del software.
Workbench Vertex AI: Rappresenta un ambiente unico in cui i data scientist possono completare tutto il loro lavoro di ML, dalla sperimentazione al deployment, alla gestione e al monitoraggio dei modelli. Si tratta di un'infrastruttura di computing basata su Jupyter, completamente gestita, scalabile e di livello enterprise, con controlli di sicurezza e funzionalità di gestione degli utenti.
Vertex AI Matching Engine: È un servizio di abbinamento per similarità di vettori a elevata scalabilità, bassa latenza e prezzo conveniente.
Vertex AI Data Labeling: Riceve etichette estremamente accurate da etichettatori umani per modelli di machine learning migliori.
Vertex AI Deep Learning Containers: Crea modelli e ne esegue il deployment in modo rapido in un ambiente portabile e coerente per tutte le tue applicazioni di AI.
Vertex AI Edge Manager: Esegue il deployment e monitora in modo perfettamente integrato le inferenze a livello perimetrale e i processi automatizzati con le API flessibili.
Vertex Explainable AI: Crea previsioni dei propri modelli con spiegazioni solide e strategiche integrate in Vertex AI Prediction, AutoML Tables e Vertex AI Workbench.
Vertex AI Feature Store: Corrisponde ad un ricco repository di features completamente gestito per pubblicare, condividere e riutilizzare le caratteristiche di ML.
Vertex ML Metadata: Esegue il monitoraggio degli artefatti, delle derivazioni e dell'esecuzione per i flussi di lavoro di ML con un SDK Python facile da utilizzare.
Vertex AI Model Monitoring: Crea avvisi automatici per deviazione di dati, deviazione di concetti o altri incidenti relativi alle prestazioni che possono richiedere la supervisione.
Vertex AI Neural Architecture Search: Crea nuove architetture di modelli che hanno come target esigenze specifiche delle applicazioni e ottimizza le architetture di modelli esistenti per latenza, memoria e potenza, grazie a questo servizio automatizzato basato sulla ricerca leader di Google nel campo dell'AI.
Vertex AI Pipelines: Crea pipeline utilizzando TensorFlow Extended e Kubeflow Pipelines e sfrutta i servizi gestiti di Google Cloud per l'esecuzione scalabile e il pagamento per utilizzo. Semplifica MLOps con monitoraggio dei metadati dettagliato, modellazione continua e addestramento dei modelli con trigger.
Vertex AI Prediction: Semplifica il deployment dei modelli in produzione con la pubblicazione online tramite HTTP o la previsione batch per l'assegnazione di un punteggio collettivo. Vertex AI Prediction offre un framework unificato per il deployment di modelli personalizzati addestrati in TensorFlow, scikit o XGB, e modelli BigQuery ML e AutoML e su un'ampia gamma di tipi di macchine e GPU.
Vertex AI Tensorboard: Rappresenta uno strumento di visualizzazione e monitoraggio per la sperimentazione ML, include grafici di modelli che mostrano immagini, testo e dati audio.
Vertex AI Training: Offre un insieme di algoritmi predefiniti e consente agli utenti di inserire il proprio codice personalizzato per addestrare modelli. Un servizio di addestramento completamente gestito per gli utenti che richiedono maggiore flessibilità e personalizzazione o per gli utenti che eseguono attività di addestramento on-premise o in un altro ambiente Cloud.
Vertex AI Vizier: Definisce un insieme di iperparametri ottimizzati per la massima accuratezza delle previsioni.
Comments