Vertex AI 是 Google Cloud 推出的一个全面的机器学习平台，为机器学习模型和 AI 应用程序的创建、部署和定制提供了一套包罗万象的工具和资源。该平台融合了数据工程、数据科学和机器学习工程工作流，从而使用 Google Cloud 强大的基础架构促进团队协作和应用扩展。
Vertex AI 的主要功能之一是 AutoML，它允许用户训练各种数据类型，而无需编写任何代码或准备数据拆分。对于那些可能对机器学习没有深入了解但希望利用其功能的人来说，此功能特别有用。该平台还支持自定义训练，使用户能够完全控制训练过程，这对于喜欢微调模型的经验丰富的数据科学家和机器学习工程师来说至关重要。
除了训练模型外，Vertex AI 还提供了一个模型花园。这是一个存储库，用户可以在其中发现、测试、自定义和部署 Vertex AI 和开源软件模型。此功能大大简化了模型部署过程，并加快了整个开发生命周期。
生成式 AI
生成式 AI 是 Vertex AI 的另一个重要功能，它提供了对 Google 的大型生成式 AI 模型的访问，适用于多种模式。此功能允许用户生成模仿输入数据的新数据，从而开发更具创造性和创新性的 AI 应用程序。
为了在整个机器学习生命周期中管理和扩展项目，Vertex AI 提供了 MLOps 工具。这些工具可以自动执行机器学习工作流程中涉及的许多重复性任务，从而使用户能够更多地关注其项目的战略方面。
什么是 Vertex AI？
Vertex AI 提供构建和使用生成式 AI 所需的一切 – 从 AI 解决方案到搜索和对话，再到 100+ 基础模型，再到统一的 AI 平台。
Vertex AI SDK for Python 是另一个关键功能，允许用户在 Vertex AI Workbench 中运行整个机器学习工作流程。这个基于 Jupyter 笔记本的开发环境为数据科学家和机器学习工程师提供了一个熟悉且直观的界面。
数据准备是 Vertex AI 中机器学习工作流程不可或缺的一部分。它涉及提取和清理数据集、执行探索性数据分析、应用数据转换和特征工程，以及将数据拆分为训练集、验证集和测试集。
AI模型训练
数据准备完成后，用户可以继续进行模型训练。他们可以选择训练方法，调整模型的性能，并在 Vertex AI 模型注册表中注册经过训练的模型。模型训练完成后，用户可以对训练好的模型进行评估，根据评估指标进行调整，并对模型进行迭代以提高其性能。
模型经过训练和评估后，可以使用 Vertex AI 的模型服务功能将其部署到生产环境中。用户可以根据自己的具体需求获得实时在线预测或异步批量预测。
最后，Vertex AI 中的模型监控涉及跟踪已部署模型的性能，并使用传入的预测数据重新训练它们以提高性能。这种持续的监控和改进周期可确保模型保持有效和准确，即使基础数据随时间变化也是如此。
Google Cloud 的 Vertex AI 是一个全面的机器学习平台，为训练、部署和自定义机器学习模型和 AI 应用程序提供了广泛的工具和资源。其功能（例如 AutoML、自定义训练、模型花园、生成式 AI、MLOps 工具和适用于 Python 的 Vertex AI SDK）使其成为机器学习和 AI 领域的初学者和经验丰富的从业者的强大且多功能的平台。
