Google Vertex AI est une plateforme de machine learning entièrement gérée, conçue pour les data scientists, ingénieurs ML et développeurs souhaitant créer, entraîner et déployer des modèles à l’échelle. Elle s’adresse à des organisations de toutes tailles, en particulier celles qui cherchent à automatiser leurs workflows ML et à intégrer des pratiques MLOps. Ses fonctionnalités clés incluent le support des modèles AutoML et personnalisés, un registre centralisé de modèles, et des outils pour le suivi et la gestion du cycle de vie des modèles. Vertex AI simplifie les étapes du développement jusqu’au déploiement.

Quelles sont les fonctionnalités principales de Google Vertex AI ?

Environnement de développement intégré avec Vertex AI Workbench

Vertex AI Workbench fournit un environnement Jupyter intégré aux services Google Cloud, permettant d’explorer les données, entraîner des modèles et les déployer dans une seule interface.

• Accès direct à BigQuery, Cloud Storage et d’autres services Google Cloud.

• Compatible avec TensorFlow, PyTorch, scikit-learn, entre autres frameworks ML.

• Gestion des versions et suivi d’expériences intégrés.

AutoML pour la création automatique de modèles

La fonction AutoML de Vertex AI permet de générer des modèles de qualité sans expertise approfondie en ML, en automatisant les étapes de traitement, de sélection de modèle et d’évaluation.

• Prise en charge de données tabulaires, images, texte et vidéo.

• Prétraitement des données, ingénierie de features et choix du modèle automatisés.

• Génération de métriques de performance et explications sur les prédictions.

Entraînement et déploiement de modèles personnalisés

Vertex AI permet aussi l'entraînement de modèles personnalisés avec du code sur mesure et l’infrastructure gérée de Google Cloud.

• Support du calcul distribué et de l’optimisation d’hyperparamètres.

• Déploiement sur des endpoints scalables pour la prédiction en ligne.

• Intégration avec les pipelines CI/CD pour automatiser les mises en production.

Registre de modèles Vertex AI

Le registre est un référentiel centralisé pour organiser, versionner et suivre les modèles sur tout leur cycle de vie.

• Enregistrement des modèles avec métadonnées et étiquettes.

• Suivi des versions et de l’historique de déploiement.

• Intégration avec Vertex AI Pipelines pour des workflows automatisés.

Outils MLOps pour la gestion du cycle de vie

Vertex AI comprend une suite complète d’outils MLOps pour automatiser, superviser et maintenir les workflows ML en production.

• Vertex AI Pipelines : orchestration automatisée de workflows ML avec Kubeflow Pipelines.

• Vertex AI Feature Store : gestion centralisée des features pour l'entraînement et l’inférence.

• Vertex AI Model Monitoring : surveillance continue des modèles (dérive des données, dégradation des performances).

Pourquoi choisir Google Vertex AI ?

• Plateforme unifiée : réunit l’ingénierie des données, le développement ML et le MLOps dans une seule interface.

• Haute évolutivité : adaptée aussi bien à l’expérimentation qu’au déploiement en production.

• Souplesse : permet l’utilisation conjointe de modèles AutoML et personnalisés.

• Intégration native : fonctionne avec BigQuery, Cloud Storage, Dataflow et d’autres services Google Cloud.

• Efficacité opérationnelle : offre des outils de versioning, surveillance et automatisation pour fiabiliser les processus ML.