Gunakan halaman ini untuk memahami perbedaan antara Gemini Enterprise Agent Platform dan BigQuery serta mempelajari cara mengintegrasikan Gemini Enterprise Agent Platform dengan alur kerja BigQuery yang ada. Gemini Enterprise Agent Platform dan BigQuery bekerja sama untuk memenuhi kasus penggunaan machine learning dan MLOps Anda.
Untuk mempelajari lebih lanjut perbedaan pelatihan model antara Gemini Enterprise Agent Platform dan BigQuery, baca Memilih metode pelatihan.
Perbedaan antara Gemini Enterprise Agent Platform dan BigQuery
Bagian ini membahas layanan Gemini Enterprise Agent Platform, BigQuery, dan BigQuery ML.
Gemini Enterprise Agent Platform: Platform AI/ML end-to-end
Agent Platform adalah platform AI/ML untuk pengembangan dan tata kelola model. Kasus penggunaan umum mencakup:
- Tugas machine learning, seperti perkiraan, prediksi, rekomendasi, dan deteksi anomali
Tugas AI generatif, seperti:
- Pembuatan, klasifikasi, peringkasan, dan ekstraksi teks
- Pembuatan dan penyelesaian kode
- Pembuatan gambar
- Pembuatan embedding
Anda dapat menggunakan BigQuery untuk menyiapkan data pelatihan bagi model Agent Platform, yang dapat Anda sediakan sebagai fitur di Agent Platform Feature Store.
Anda dapat melatih model di Agent Platform dengan tiga cara:
- AutoML: Melatih model pada set data gambar, tabel, dan video tanpa perlu menulis kode.
- Pelatihan Kustom: Menjalankan kode pelatihan kustom yang disesuaikan dengan kasus penggunaan tertentu.
- Ray di Agent Platform: Menggunakan Ray untuk menskalakan aplikasi AI dan Python seperti machine learning.
Anda juga dapat mengimpor model yang dilatih di platform lain seperti BigQuery ML atau XGBoost.
Anda dapat mendaftarkan model yang dilatih khusus ke Model Registry. Anda juga dapat mengimpor model yang dilatih di luar Gemini Enterprise Agent Platform dan mendaftarkannya ke Model Registry. Anda tidak perlu mendaftarkan model AutoML; model tersebut akan otomatis terdaftar saat pembuatan.
Dari registry, Anda dapat mengelola versi model, men-deploy ke endpoint untuk prediksi online, melakukan evaluasi model, memantau deployment dengan Gemini Enterprise Agent Platform Model Monitoring, serta menggunakan Vertex Explainable AI.
Bahasa yang tersedia:
- Vertex AI SDK mendukung Python, Java, Node.js, dan Go.
BigQuery: Data warehouse perusahaan multicloud serverless
BigQuery adalah data warehouse perusahaan yang terkelola sepenuhnya yang membantu Anda mengelola dan menganalisis data dengan fitur bawaan seperti machine learning, analisis geospasial, dan business intelligence. Tabel BigQuery dapat dikueri oleh SQL, dan data scientist yang terutama menggunakan SQL dapat menjalankan kueri berukuran besar hanya dengan beberapa baris kode.
Anda juga dapat menggunakan BigQuery sebagai penyimpanan data yang dijadikan referensi saat membuat model tabulasi dan kustom di Agent Platform. Untuk mempelajari lebih lanjut cara menggunakan BigQuery sebagai penyimpanan data, lihat Ringkasan penyimpanan BigQuery.
Bahasa yang tersedia:
- SDK untuk BigQuery. Untuk mempelajari lebih lanjut, lihat Library Klien BigQuery API.
- GoogleSQL
- Legacy SQL
Untuk mempelajari lebih lanjut, baca dialek SQL BigQuery.
BigQuery ML: Machine learning langsung di BigQuery
BigQuery ML memungkinkan Anda mengembangkan dan memanggil model di BigQuery. Dengan BigQuery ML, Anda dapat menggunakan SQL untuk melatih model ML langsung di BigQuery tanpa perlu memindahkan data atau mengkhawatirkan infrastruktur pelatihan yang mendasarinya. Anda dapat membuat prediksi batch untuk model BigQuery ML guna mendapatkan insight dari data BigQuery.
Anda juga dapat mengakses model Agent Platform menggunakan BigQuery ML. Anda dapat membuat model jarak jauh BigQuery ML di atas model bawaan Agent Platform seperti Gemini, atau di atas model kustom Agent Platform. Anda berinteraksi dengan model jarak jauh menggunakan SQL di BigQuery, seperti model BigQuery ML lainnya, tetapi semua pelatihan dan inferensi untuk model jarak jauh diproses di Agent Platform.
Bahasa yang tersedia:
- GoogleSQL
- Library klien BigQuery
Untuk mempelajari lebih lanjut keuntungan menggunakan BigQuery ML, lihat Pengantar AI dan ML di BigQuery.
Manfaat mengelola model BigQuery ML di Agent Platform
Anda dapat mendaftarkan model BigQuery ML ke Model Registry untuk mengelola model di Agent Platform. Mengelola model BigQuery ML di Agent Platform memberikan dua manfaat utama:
Penyaluran model online: BigQuery ML hanya mendukung prediksi batch untuk model Anda. Untuk mendapatkan prediksi online, Anda dapat melatih model Anda di BigQuery ML dan men-deploy-nya ke endpoint Agent Platform melalui Model Registry.
Kemampuan MLOps: Model paling bermanfaat jika terus diperbarui melalui pelatihan berkelanjutan. Agent Platform menawarkan alat MLOps yang mengotomatiskan pemantauan dan pelatihan ulang model untuk mempertahankan akurasi prediksi dari waktu ke waktu. Dengan Agent Platform Pipelines, Anda dapat menggunakan operator BigQuery untuk memasukkan tugas BigQuery apa pun (termasuk BigQuery ML) ke dalam pipeline ML. Dengan Gemini Enterprise Agent Platform Model Monitoring, Anda dapat memantau prediksi BigQuery ML dari waktu ke waktu.
Untuk mempelajari cara mendaftarkan model BigQuery ML ke Model Registry, lihat Mengelola model BigQuery ML dengan Agent Platform.
Tutorial notebook terkait
| Apa yang ingin Anda lakukan? | Resource |
|---|---|
| Menggunakan BigQuery ML untuk menganalisis gambar dan teks menggunakan Gemini di Agent Platform | Menganalisis poster film di BigQuery dengan Gemini 2.0 Flash |
| Menggunakan BigQuery ML untuk membuat teks di tabel BigQuery atau data tidak terstruktur dengan model dasar di Agent Platform | Membuat teks menggunakan BigQuery ML dan model dasar di Agent Platform |
| Membuat embedding vektor dengan BigQuery ML melalui teks dan gambar | Memanggil endpoint embedding multimodal di Agent Platform dari BigQuery ML untuk membuat embedding untuk penelusuran semantik |
| Menggunakan dua pipeline Agent Platform Tabular Workflows untuk melatih model AutoML menggunakan konfigurasi yang berbeda. | Alur Kerja Tabular: Pipeline Tabular AutoML |
| Menggunakan Agent Platform SDK untuk Python guna melatih model AutoML untuk regresi tabel dan mendapatkan prediksi batch dari model tersebut. | Agent Platform SDK untuk Python: Model regresi tabel pelatihan AutoML untuk prediksi batch menggunakan BigQuery |
| Melatih dan mengevaluasi model kecenderungan di BigQuery ML untuk memprediksi retensi pengguna di game seluler. | Prediksi churn untuk developer game yang menggunakan Google Analytics 4 dan BigQuery ML |
| Menggunakan BigQuery ML untuk melakukan pengoptimalan harga pada data harga CDM. | Analisis pengoptimalan harga pada data harga CDM |
Langkah berikutnya
- Untuk mulai menggunakan Gemini Enterprise Agent Platform, lihat: