Vertex AI: AutoML vs. Treinamento de Modelo Personalizado

O Vertex AI oferece dois métodos principais para treinar e implantar modelos de machine learning: AutoML e treinamento personalizado. Este guia oferece uma visão geral de ambas as abordagens, destacando seus pontos fortes e casos de uso. Seja você um iniciante ou um cientista de dados experiente, o Vertex AI oferece ferramentas para otimizar seu fluxo de trabalho de ML.

AutoML, ou Machine Learning Automatizado, simplifica o processo de criação e treinamento de modelos de ML. Requer conhecimento técnico e esforço mínimos, permitindo que os usuários criem modelos sem escrever código. O AutoML usa seus dados de treinamento para aprender a fazer previsões em dados novos e não vistos. É uma solução ideal para aqueles que desejam implantar modelos rapidamente sem um conhecimento técnico profundo.

O AutoML pode ser usado para analisar dados de imagem para várias tarefas, incluindo classificação de imagens e detecção de objetos. Modelos de classificação de imagens categorizam imagens, enquanto modelos de detecção de objetos identificam e localizam objetos dentro das imagens. O Vertex AI suporta previsões online e em lote para modelos baseados em imagem, atendendo a diferentes necessidades de aplicação. A previsão online é adequada para aplicações em tempo real, enquanto a previsão em lote é eficiente para processar grandes conjuntos de dados.

O Vertex AI permite que você realize machine learning com dados tabulares através de um processo simplificado. Você pode criar modelos de classificação binária (prevendo um de dois resultados), modelos de classificação multiclasse (prevendo uma categoria entre várias opções), modelos de regressão (prevendo valores contínuos) e modelos de previsão (prevendo uma série de valores). Esses modelos são úteis para várias aplicações, como prever o comportamento do cliente ou prever a demanda de produtos.

Observe que, a partir de 15 de setembro de 2024, a personalização para classificação de texto, extração de entidades e análise de sentimento usando modelos AutoML do Vertex AI está sendo descontinuada em favor do Vertex AI Gemini. Embora os modelos de Texto AutoML existentes continuem funcionando até 15 de junho de 2025, novos treinamentos ou atualizações não serão suportados. O AutoML para dados de texto permite tarefas como classificar texto, extrair entidades e analisar sentimento. Considere migrar para o Vertex AI Gemini para capacidades aprimoradas.

O AutoML pode analisar dados de vídeo para reconhecimento de ação, classificação de vídeo e rastreamento de objetos. Modelos de reconhecimento de ação identificam ações em vídeos, enquanto modelos de classificação categorizam o conteúdo do vídeo. Modelos de rastreamento de objetos detectam e rastreiam objetos ao longo do vídeo. Essas capacidades são valiosas para aplicações como análise esportiva e vigilância por vídeo.

Se o AutoML não atender às suas necessidades específicas, o Vertex AI permite que você crie aplicações de treinamento personalizadas. Essa abordagem oferece maior flexibilidade, permitindo que você use qualquer framework de machine learning e configure os recursos de computação, incluindo tipos de máquinas virtuais, GPUs e TPUs. O treinamento personalizado é ideal para modelos complexos e requisitos especializados.

Decidir entre AutoML e treinamento personalizado depende dos requisitos do seu projeto e do seu nível de conhecimento técnico. O AutoML é adequado para implantações rápidas e usuários com pouca experiência em codificação. O treinamento personalizado oferece mais controle e flexibilidade para projetos complexos e cientistas de dados experientes. Considere a complexidade do seu modelo, a necessidade de personalização e seus recursos disponíveis ao tomar sua decisão. O Vertex AI fornece documentação abrangente e tutoriais para guiá-lo em ambas as abordagens.