Halaman ini memberikan ringkasan alur kerja untuk pelatihan dan penggunaan model machine learning (ML) Anda sendiri di Agent Platform. Agent Platform menawarkan berbagai metode pelatihan yang dirancang untuk memenuhi kebutuhan Anda, mulai dari yang sepenuhnya otomatis hingga yang sepenuhnya kustom.
- AutoML: Bangun model berkualitas tinggi dengan sedikit upaya teknis dengan memanfaatkan kemampuan ML otomatis Google.
- Pelatihan serverless Gemini Enterprise Agent Platform: Jalankan kode pelatihan kustom Anda di lingkungan sesuai permintaan yang terkelola sepenuhnya tanpa perlu khawatir tentang infrastruktur.
- Cluster pelatihan Gemini Enterprise Agent Platform: Jalankan tugas pelatihan skala besar dan berperforma tinggi di cluster akselerator khusus yang disediakan untuk penggunaan eksklusif Anda.
- Ray di Agent Platform: Skalakan aplikasi Python dan workload ML menggunakan framework Ray open source di layanan terkelola.
Untuk mendapatkan bantuan dalam memutuskan metode mana yang akan digunakan, lihat Memilih metode pelatihan.
AutoML
AutoML di Gemini Enterprise Agent Platform memungkinkan Anda membuat model ML bebas kode berdasarkan data pelatihan yang Anda berikan. AutoML dapat mengotomatiskan tugas seperti persiapan data, pemilihan model, penyesuaian hyperparameter, dan deployment untuk berbagai jenis data dan tugas prediksi, yang dapat membuat ML lebih mudah diakses oleh berbagai pengguna.
Jenis model yang dapat dibuat menggunakan AutoML
Jenis model yang dapat dibuat bergantung pada jenis data yang Anda miliki. Gemini Enterprise Agent Platform menawarkan solusi AutoML untuk jenis data dan tujuan model berikut:
| Jenis data | Tujuan yang didukung |
|---|---|
| Data gambar | Klasifikasi, deteksi objek. |
| Data tabulasi | Klasifikasi/regresi, perkiraan. |
Untuk mempelajari AutoML lebih lanjut, lihat Ringkasan pelatihan AutoML.
Menjalankan kode pelatihan kustom di Agent Platform
Jika AutoML tidak memenuhi kebutuhan Anda, Anda dapat menyediakan kode pelatihan sendiri dan menjalankannya di infrastruktur terkelola Agent Platform. Hal ini memberi Anda kontrol dan fleksibilitas penuh atas arsitektur dan logika pelatihan model, sehingga Anda dapat menggunakan framework ML apa pun yang Anda pilih.
Agent Platform menyediakan dua mode utama untuk menjalankan kode pelatihan kustom Anda: lingkungan serverless sesuai permintaan, atau cluster khusus yang disediakan.
Pelatihan serverless Gemini Enterprise Agent Platform
Pelatihan serverless adalah layanan terkelola sepenuhnya yang memungkinkan Anda menjalankan aplikasi pelatihan kustom tanpa menyediakan atau mengelola infrastruktur apa pun.
Anda mengemas kode dalam container, menentukan spesifikasi mesin (termasuk CPU dan GPU), lalu mengirimkannya sebagai CustomJob.
Agent Platform akan menangani sisanya:
- Menyediakan resource komputasi selama durasi tugas Anda.
- Menjalankan kode pelatihan Anda.
- Menghapus resource setelah tugas selesai.
Model sesuai permintaan dan bayar sesuai penggunaan ini ideal untuk eksperimen, pembuatan prototipe cepat, dan untuk tugas produksi yang tidak memerlukan kapasitas instan yang terjamin.
Untuk mempelajari lebih lanjut, lihat Membuat tugas kustom pelatihan serverless
Cluster pelatihan Gemini Enterprise Agent Platform
Untuk pelatihan skala besar, berperforma tinggi, dan penting, Anda dapat menyediakan cluster akselerator khusus. Hal ini memberikan kapasitas yang terjamin dan menghilangkan antrean, sehingga tugas Anda akan segera dimulai.
Meskipun Anda memiliki penggunaan eksklusif atas resource ini, Agent Platform tetap menangani overhead operasional pengelolaan cluster, termasuk pemeliharaan hardware dan penerapan patch OS. Pendekatan "serverful terkelola" ini memberi Anda kemampuan cluster khusus tanpa kompleksitas pengelolaan.
Ray di Vertex AI
Ray di Vertex AI adalah layanan yang memungkinkan Anda menggunakan framework Ray open source untuk menskalakan aplikasi AI dan Python langsung dalam platform Agent Platform. Ray dirancang untuk menyediakan infrastruktur komputasi terdistribusi dan pemrosesan paralel untuk alur kerja ML Anda.
Ray di Vertex AI menyediakan lingkungan terkelola untuk menjalankan aplikasi terdistribusi menggunakan framework Ray, yang menawarkan skalabilitas dan integrasi dengan Google Cloud layanan.
Untuk mempelajari Ray di Vertex AI lebih lanjut, lihat Ringkasan Ray di Vertex AI.