Google Vertex AI ist Googles unified Machine Learning Platform, die das gesamte ML-Lifecycle abdeckt - von der Datenaufbereitung über das Training bis zum Deployment. Im Grunde ist es das Gegenstück zu Azure Machine Learning, das du wahrscheinlich kennst.
Was Vertex AI im Kern ist:
Es ist eine zentrale Plattform, die verschiedene Google ML-Services vereint (früher gab es separate Services wie AI Platform Training, AI Platform Prediction, AutoML). Damit kannst du ML-Modelle entwickeln, trainieren, tunen und produktiv einsetzen, alles in einer integrierten Umgebung.
Key Features:
Die wichtigsten Funktionen sind: Unified Workflows für den kompletten ML-Lifecycle, AutoML für automatisiertes Model Training ohne tiefe ML-Kenntnisse, Custom Training für eigene Trainings-Jobs mit verschiedenen Frameworks (TensorFlow, PyTorch, scikit-learn), Model Registry zur Versionierung und Verwaltung, Vertex AI Workbench als managed Jupyter-Umgebung, Feature Store für zentrale Feature-Verwaltung, und ML Pipelines für MLOps-Workflows. Dazu kommen Pre-trained APIs für Vision, NLP und andere Tasks sowie Vertex AI Search für Enterprise-Suche.
Kann ich mit Google Vertex AI services deployen:
Ja, definitiv. Vertex AI Prediction ist genau dafür da. Du kannst trainierte Modelle als REST- oder gRPC-Endpoints deployen, sowohl mit Online Prediction (low latency, Echtzeit) als auch Batch Prediction. Das System übernimmt automatisch das Scaling, Monitoring und die Infrastruktur. Du kannst auch A/B-Tests mit Traffic-Splitting zwischen verschiedenen Model-Versionen machen.