Utilizza questa pagina per comprendere le differenze tra Gemini Enterprise Agent Platform e BigQuery e scoprire come integrare Gemini Enterprise Agent Platform con i flussi di lavoro BigQuery esistenti. Gemini Enterprise Agent Platform e BigQuery funzionano insieme per soddisfare i tuoi casi d'uso di machine learning e MLOps.
Per scoprire di più sulle differenze di addestramento dei modelli tra Gemini Enterprise Agent Platform e BigQuery, consulta Scegliere un metodo di addestramento.
Differenze tra Gemini Enterprise Agent Platform e BigQuery
Questa sezione illustra i servizi Gemini Enterprise Agent Platform, BigQuery e BigQuery ML.
Gemini Enterprise Agent Platform: una piattaforma AI/ML end-to-end
Agent Platform è una piattaforma AI/ML per lo sviluppo e la governance dei modelli. I casi d'uso comuni includono:
- Attività di machine learning, come previsione, raccomandazione e rilevamento di anomalie
Attività di AI generativa, come:
- Generazione, classificazione, riepilogo ed estrazione del testo
- Generazione e completamento del codice
- Generazione di immagini
- Generazione di incorporamenti
Puoi utilizzare BigQuery per preparare i dati di addestramento per i modelli di Agent Platform, che puoi rendere disponibili come funzionalità in Agent Platform Feature Store.
Puoi addestrare i modelli in Agent Platform in tre modi:
- AutoML: addestra i modelli su set di dati di immagini, tabulari e video senza scrivere codice.
- Addestramento personalizzato: esegui codice di addestramento personalizzato adatto al tuo caso d'uso specifico.
- Ray su Agent Platform: utilizza Ray per scalare le applicazioni AI e Python come il machine learning.
Puoi anche importare un modello addestrato su un'altra piattaforma come BigQuery ML o XGBoost.
Puoi registrare i modelli addestrati personalizzati in Model Registry. Puoi anche importare i modelli addestrati all'esterno di Gemini Enterprise Agent Platform e registrarli in Model Registry. Non è necessario registrare i modelli AutoML; vengono registrati automaticamente al momento della creazione.
Dal registro puoi gestire le versioni dei modelli, eseguire il deployment negli endpoint per le previsioni online, eseguire valutazioni dei modelli, monitorare i deployment con Gemini Enterprise Agent Platform Model Monitoring e utilizzare Vertex Explainable AI.
Lingue disponibili:
- L'SDK di Agent Platform supporta Python, Java, Node.js e Go.
BigQuery: un data warehouse aziendale serverless e multi-cloud
BigQuery è un data warehouse aziendale completamente gestito che ti aiuta a gestire e analizzare i tuoi dati con funzionalità integrate come machine learning, analisi geospaziale e business intelligence. È possibile eseguire query sulle tabelle BigQuery tramite SQL e i data scientist che utilizzano principalmente SQL possono eseguire query di grandi dimensioni con poche righe di codice.
Puoi anche utilizzare BigQuery come datastore a cui fare riferimento quando crei modelli tabulari e personalizzati in Agent Platform. Per scoprire di più sull' utilizzo di BigQuery come datastore, consulta Panoramica dello spazio di archiviazione BigQuery.
Lingue disponibili:
- SDK per BigQuery. Per scoprire di più, consulta le librerie client dell'API BigQuery.
- GoogleSQL
- SQL precedente
Per scoprire di più, consulta Dialetti SQL di BigQuery.
BigQuery ML: machine learning direttamente in BigQuery
BigQuery ML consente di sviluppare e richiamare modelli in BigQuery. Con BigQuery ML, puoi utilizzare SQL per addestrare i modelli ML direttamente in BigQuery senza dover spostare i dati o preoccuparti dell'infrastruttura di addestramento sottostante. Puoi creare previsioni batch per i modelli BigQuery ML per ottenere insight dai dati BigQuery.
Puoi anche accedere ai modelli di Agent Platform utilizzando BigQuery ML. Puoi creare un modello remoto BigQuery ML su un modello integrato di Agent Platform come Gemini, o su un modello personalizzato di Agent Platform. Interagisci con il modello remoto utilizzando SQL in BigQuery, proprio come qualsiasi altro modello BigQuery ML, ma tutto l'addestramento e l'inferenza per il modello remoto vengono elaborati in Agent Platform.
Lingua disponibile:
- GoogleSQL
- Librerie client di BigQuery
Per scoprire di più sui vantaggi dell'utilizzo di BigQuery ML, consulta Introduzione all'AI e al ML in BigQuery.
Vantaggi della gestione dei modelli BigQuery ML in Agent Platform
Puoi registrare i tuoi modelli BigQuery ML in Model Registry per gestirli in Agent Platform. La gestione dei modelli BigQuery ML in Agent Platform offre due vantaggi principali:
Erogazione di modelli online: BigQuery ML supporta solo le previsioni batch per i tuoi modelli. Per ottenere previsioni online, puoi addestrare i modelli in BigQuery ML ed eseguirne il deployment negli endpoint di Agent Platform tramite Model Registry.
Funzionalità MLOps: i modelli sono più utili quando vengono aggiornati tramite l'addestramento continuo. Agent Platform offre strumenti MLOps che automatizzano il monitoraggio e il riaddestramento dei modelli per mantenere l'accuratezza delle previsioni nel tempo. Con le pipeline di Agent Platform, puoi utilizzare gli operatori BigQuery per collegare qualsiasi job BigQuery (incluso BigQuery ML) a una pipeline ML. Con Gemini Enterprise Agent Platform Model Monitoring, puoi monitorare le previsioni BigQuery ML nel tempo.
Per scoprire come registrare i tuoi modelli BigQuery ML in Model Registry, consulta Gestire i modelli BigQuery ML con Agent Platform.
Tutorial sui notebook correlati
| Che cosa vuoi fare? | Risorsa |
|---|---|
| Utilizza BigQuery ML per generare testo su tabelle BigQuery o dati non strutturati con modelli di base su Agent Platform | Generare testo utilizzando BigQuery ML e modelli di base in Agent Platform |
| Genera incorporamenti vettoriali con BigQuery ML su testo e immagini | Chiama un endpoint di incorporamento multimodale in Agent Platform da BigQuery ML per generare incorporamenti per la ricerca semantica |
| Utilizza due pipeline dei flussi di lavoro tabulari di Agent Platform per addestrare un modello AutoML utilizzando configurazioni diverse. | Flusso di lavoro tabulare: pipeline tabulare AutoML |
| Utilizza l'SDK di Agent Platform per Python per addestrare un modello AutoML per la regressione tabulare e ottenere previsioni batch dal modello. | SDK di Agent Platform per Python: addestramento AutoML del modello di regressione tabulare per le previsioni in batch con BigQuery |
| Addestra e valuta un modello di propensione in BigQuery ML per prevedere la fidelizzazione degli utenti su un gioco per dispositivi mobili. | Previsione dell'abbandono per gli sviluppatori di giochi utilizzando Google Analytics 4 e BigQuery ML |
| Utilizza BigQuery ML per eseguire l'ottimizzazione dei prezzi sui dati dei prezzi CDM. | Analisi dell'ottimizzazione dei prezzi sui dati dei prezzi CDM |
Passaggi successivi
- Per iniziare a utilizzare Gemini Enterprise Agent Platform, consulta: