Vertex AI — это облачная платформа компании Google, предназначенная для разработки, обучения, развертывания и мониторинга моделей машинного обучения и генеративного искусственного интеллекта. Платформа объединяет ранее отдельные сервисы и инструменты, предоставляя единый набор сервисов для подготовки данных, обучения моделей как с нуля, так и с использованием предобученных компонентов, а также для управления экспериментами, развертывания моделей в продакшн и отслеживания их производительности.
Платформа ориентирована на интеграцию с прочей экосистемой облачных сервисов: хранением данных, вычислительными ресурсами и средствами оркестрации. Vertex AI поддерживает как автоматизированные подходы (AutoML-пайплайны), так и гибкие конвейеры для специалистов по данным и инженеров ML, включая возможности работы с контейнерами, масштабируемыми кластерами и аппаратным ускорением. В платформе реализованы механизмы версионирования, контроля доступа и инструментов для наблюдаемости моделей в эксплуатации.
- Интегрированная среда разработки: средства подготовки данных, визуализации, управления экспериментами и конвейеры для повторяемой подготовки и обучения моделей.
- AutoML и пользовательские модели: поддержка автоматизированного обучения для пользователей без глубоких знаний ML и загрузки/обучения пользовательских моделей с гибкой настройкой.
- Предобученные и генеративные модели: доступ к предобученным моделям и инструментам для дообучения и развертывания генеративных моделей в приложениях.
- Управляемое развертывание: функции развертывания моделей как RESTful-сервисов с автоскейлингом, A/B-тестированием и управлением версиями.
- Мониторинг и наблюдаемость: сбор метрик производительности, отслеживание дрейфа данных и модели, логирование и оповещения о деградации качества.
- Пайплайны и оркестрация: поддержка создания повторяемых конвейеров для ETL, обучения и валидации с возможностью интеграции CI/CD процессов.
- Управление данными и метаданными: каталогизация наборов данных, разметки, артефактов обучения и метаданных экспериментов для обеспечения воспроизводимости.
- Безопасность и управление доступом: интеграция с механиками управления идентификацией и доступом, шифрование данных и разграничение ролей для рабочих пространств и проектов.
- Масштабируемость и экономия ресурсов: возможности использования распределённого обучения, аппаратного ускорения и гибкого назначения вычислительных ресурсов.
- Интеграция с экосистемой: взаимодействие с хранилищем данных, аналитическими инструментами и другими облачными сервисами для создания сквозных решений.