Vertex AI: AutoML против пользовательского обучения моделей

Vertex AI предоставляет два основных метода для обучения и развертывания моделей машинного обучения: AutoML и пользовательское обучение. Это руководство предлагает обзор обоих подходов, выделяя их сильные стороны и сценарии использования. Независимо от того, являетесь ли вы новичком или опытным специалистом по данным, Vertex AI предлагает инструменты для оптимизации вашего рабочего процесса машинного обучения.

AutoML, или Автоматизированное машинное обучение, упрощает процесс создания и обучения моделей машинного обучения. Он требует минимальных технических знаний и усилий, позволяя пользователям создавать модели без написания кода. AutoML использует ваши обучающие данные для обучения прогнозированию на новых, ранее не встречавшихся данных. Это идеальное решение для тех, кто хочет быстро развернуть модели без глубоких технических знаний.

AutoML может использоваться для анализа данных изображений для различных задач, включая классификацию изображений и обнаружение объектов. Модели классификации изображений категоризируют изображения, а модели обнаружения объектов идентифицируют и локализуют объекты на изображениях. Vertex AI поддерживает как онлайн-, так и пакетные прогнозы для моделей на основе изображений, удовлетворяя различные потребности приложений. Онлайн-прогнозирование подходит для приложений реального времени, а пакетное прогнозирование эффективно для обработки больших наборов данных.

Vertex AI позволяет выполнять машинное обучение с табличными данными с помощью оптимизированного процесса. Вы можете создавать модели бинарной классификации (прогнозирование одного из двух исходов), мультиклассовой классификации (прогнозирование категории из нескольких вариантов), регрессионные модели (прогнозирование непрерывных значений) и модели прогнозирования (прогнозирование серии значений). Эти модели полезны для различных приложений, таких как прогнозирование поведения клиентов или прогнозирование спроса на продукцию.

Обратите внимание, что с 15 сентября 2024 года настройка для классификации текста, извлечения сущностей и анализа тональности с использованием моделей Vertex AI AutoML будет прекращена в пользу Vertex AI Gemini. Хотя существующие модели AutoML Text будут продолжать работать до 15 июня 2025 года, новое обучение или обновления поддерживаться не будут. AutoML для текстовых данных позволяет выполнять такие задачи, как классификация текста, извлечение сущностей и анализ тональности. Рассмотрите возможность перехода на Vertex AI Gemini для расширенных возможностей.

AutoML может анализировать видеоданные для распознавания действий, классификации видео и отслеживания объектов. Модели распознавания действий идентифицируют действия в видео, а модели классификации категоризируют видеоконтент. Модели отслеживания объектов обнаруживают и отслеживают объекты на протяжении всего видео. Эти возможности ценны для таких приложений, как спортивная аналитика и видеонаблюдение.

Если AutoML не соответствует вашим конкретным потребностям, Vertex AI позволяет создавать пользовательские приложения для обучения. Этот подход обеспечивает большую гибкость, позволяя использовать любой фреймворк машинного обучения и настраивать вычислительные ресурсы, включая типы виртуальных машин, GPU и TPU. Пользовательское обучение идеально подходит для сложных моделей и специализированных требований.

Выбор между AutoML и пользовательским обучением зависит от требований вашего проекта и уровня ваших технических знаний. AutoML подходит для быстрого развертывания и для пользователей с ограниченным опытом программирования. Пользовательское обучение предлагает больший контроль и гибкость для сложных проектов и опытных специалистов по данным. При принятии решения учитывайте сложность вашей модели, необходимость настройки и доступные ресурсы. Vertex AI предоставляет исчерпывающую документацию и учебные пособия, которые помогут вам в обоих подходах.