Descripción general de la clase del SDK de Vertex AI

Los científicos de datos y los desarrolladores de aprendizaje automático (AA) usan el SDK de Vertex AI para Python a fin de compilar, entrenar e implementar modelos en un flujo de trabajo de AA personalizado. Esto incluye crear conjuntos de datos y subir datos, entrenar un modelo de AA, subir y almacenar tu modelo, implementar tu modelo, ejecutar trabajos de predicción por lotes y administrar tus modelos y extremos.

El SDK de Vertex AI también incluye clases para crear soluciones de IA generativa con modelos de base de texto, código, chat y incorporación de texto. Puedes usar estas clases para generar texto, crear un chatbot de texto o código, ajustar un modelo de base y crear un embedding de texto. Un embedding de texto es texto en forma de un vector que se usa para buscar elementos. Para obtener más información, consulta Introducción a las clases de modelo de lenguaje en el SDK de Vertex AI.

Puedes usar el SDK de Vertex AI para Python en notebooks alojados de JupyterLab dentro de Gemini Enterprise Agent Platform para escribir y ejecutar tu código. Los notebooks incluyen frameworks de AA preinstalados, como TensorFlow y PyTorch. También puedes usar otros notebooks, como notebooks de Colab, o usar un entorno de desarrollador que elijas que sea compatible con Python.

Si quieres intentar usar el SDK de Vertex AI para Python en este momento, consulta los siguientes recursos:

El SDK de Vertex AI incluye muchas clases para ayudarte a automatizar la transferencia de datos, entrenar modelos y obtener predicciones. También incluye clases para ayudarte a supervisar, evaluar y optimizar tu flujo de trabajo de aprendizaje automático (AA). Las clases se pueden agrupar de manera flexible en las siguientes categorías:

  • Las clases de datos incluyen clases que funcionan con datos estructurados, datos no estructurados y Vertex AI Feature Store.
  • Las clases de entrenamiento incluyen clases que funcionan con el entrenamiento de AutoML para datos estructurados y no estructurados, el entrenamiento personalizado, el entrenamiento de hiperparámetros y el entrenamiento de canalización.
  • Las clases de modelos funcionan con modelos y evaluaciones de modelos.
  • Las clases de predicción funcionan con predicciones por lotes, predicciones en línea y predicciones de Vector Search.
  • Las clases de seguimiento funcionan con Vertex ML Metadata, Vertex AI Experiments y Vertex AI TensorBoard.