Vertex AI: AutoML 対 カスタムモデルトレーニング

Vertex AIは、機械学習モデルのトレーニングとデプロイに主に2つの方法を提供します。それがAutoMLとカスタムトレーニングです。このガイドでは、両アプローチの概要と、それぞれの強みおよびユースケースを強調します。初心者の方でも経験豊富なデータサイエンティストの方でも、Vertex AIはMLワークフローを効率化するためのツールを提供します。

AutoML（Automated Machine Learning）は、MLモデルの作成とトレーニングのプロセスを簡素化します。技術的な専門知識と労力を最小限に抑え、ユーザーはコードを書かずにモデルを構築できます。AutoMLは、トレーニングデータを使用して、新しい未知のデータに対する予測方法を学習します。深い技術的知識なしに迅速にモデルをデプロイしたいユーザーに最適なソリューションです。

AutoMLは、画像分類や物体検出など、さまざまなタスクの画像データを分析するために使用できます。画像分類モデルは画像をカテゴリ分けし、物体検出モデルは画像内の物体を識別して位置を特定します。Vertex AIは、画像ベースのモデルに対してオンライン予測とバッチ予測の両方をサポートしており、さまざまなアプリケーションのニーズに対応します。オンライン予測はリアルタイムアプリケーションに適しており、バッチ予測は大量のデータセットの処理に効率的です。

Vertex AIを使用すると、合理化されたプロセスを通じて表形式データで機械学習を実行できます。二項分類モデル（2つの結果のいずれかを予測）、多クラス分類モデル（複数の選択肢からカテゴリを予測）、回帰モデル（連続値を予測）、および予測モデル（一連の値を予測）を作成できます。これらのモデルは、顧客行動の予測や製品需要の予測など、さまざまなアプリケーションに役立ちます。

注意：2024年9月15日現在、Vertex AI AutoMLモデルを使用したテキスト分類、エンティティ抽出、感情分析のカスタマイズは、Vertex AI Geminiへの移行に伴い非推奨となります。既存のAutoML Textモデルは2025年6月15日まで引き続き機能しますが、新規トレーニングや更新はサポートされません。テキストデータ向けのAutoMLは、テキストの分類、エンティティの抽出、感情分析などのタスクを可能にします。強化された機能については、Vertex AI Geminiへの移行を検討してください。

AutoMLは、アクション認識、ビデオ分類、物体追跡のためにビデオデータを分析できます。アクション認識モデルはビデオ内のアクションを識別し、分類モデルはビデオコンテンツをカテゴリ分けします。物体追跡モデルは、ビデオ全体で物体を検出し追跡します。これらの機能は、スポーツ分析やビデオ監視などのアプリケーションに価値があります。

AutoMLが特定のニーズを満たさない場合は、Vertex AIでカスタムトレーニングアプリケーションを作成できます。このアプローチは、より大きな柔軟性を提供し、任意の機械学習フレームワークを使用し、仮想マシンタイプ、GPU、TPUなどのコンピューティングリソースを構成できます。カスタムトレーニングは、複雑なモデルや特殊な要件に最適です。

AutoMLとカスタムトレーニングのどちらを選択するかは、プロジェクトの要件と技術的な専門知識のレベルによって異なります。AutoMLは、迅速なデプロイとコーディング経験の少ないユーザーに適しています。カスタムトレーニングは、複雑なプロジェクトと経験豊富なデータサイエンティストに対して、より多くの制御と柔軟性を提供します。モデルの複雑さ、カスタマイズの必要性、利用可能なリソースを考慮して決定してください。Vertex AIは、両アプローチをガイドするための包括的なドキュメントとチュートリアルを提供しています。