Gemini Enterprise Agent Platform은 머신러닝 (ML) 모델을 대규모로 빌드, 학습, 관리하는 데 도움이 되는 포괄적인 도구 모음을 제공합니다. AutoML을 사용하여 고품질 모델을 빠르게 만들거나 TensorFlow 및 PyTorch와 같은 인기 프레임워크로 맞춤 모델을 만드는 경우에도 Agent Platform은 전체 ML 수명 주기를 운영합니다.
데이터 준비
모델을 학습시키기 전에 데이터를 준비해야 합니다. Agent Platform은 이 프로세스를 간소화하기 위해 관리형 데이터 세트를 제공합니다.
관리형 데이터 세트를 사용하면 모델 학습을 위한 소스 데이터를 제공할 수 있습니다. AutoML에는 필수이지만 커스텀 학습에는 선택사항입니다. 이미지 및 표 형식 데이터를 비롯한 다양한 데이터 유형의 데이터 세트를 만들 수 있습니다.
자세한 내용은 Gemini Enterprise Agent Platform에서 관리 데이터 세트 만들기 개요를 참고하세요.
모델 학습
Agent Platform은 대규모 모델 학습을 운영할 수 있게 해주는 관리형 학습 서비스를 제공합니다.
Google Cloud인프라에서 모든 ML 프레임워크를 기반으로 학습 애플리케이션을 실행할 수 있습니다. Agent Platform은 PyTorch, TensorFlow, scikit-learn, XGBoost와 같은 널리 사용되는 프레임워크에 대한 통합 지원도 제공합니다.
서버리스 학습의 주요 이점은 다음과 같습니다.
- 완전 관리형 컴퓨팅 인프라: 서버를 프로비저닝하거나 관리하지 않고 모델을 학습시킵니다.
- 고성능: 더 빠른 성능을 제공할 수 있는 최적화된 학습 작업
- 분산 학습: 시간과 비용을 절감하기 위한 다중 노드 분산 학습 지원
- 하이퍼파라미터 최적화: 모델의 최적값을 자동으로 검색합니다.
자세한 내용은 서버리스 학습 개요를 참고하세요.
모델 관리
모델을 학습시킨 후 Model Registry에서 모델을 관리할 수 있습니다.
Model Registry는 ML 모델의 수명 주기를 관리할 수 있는 중앙 저장소입니다. 이를 통해 모델 버전을 추적하고, 모델 품질을 평가하고, 추론을 제공하기 위해 모델을 배포할 수 있습니다.
자세한 내용은 Model Registry 소개를 참고하세요.