Gemini Enterprise Agent Platform は、ML モデルの構築、トレーニング、管理を大規模に行うための包括的なツールスイートを提供します。AutoML を使用して高品質のモデルを迅速に作成する場合でも、TensorFlow や PyTorch などの一般的なフレームワークを使用してカスタムモデルを作成する場合でも、Agent Platform は ML ライフサイクル全体を運用化します。
データの準備
モデルをトレーニングするには、その前に、データを準備する必要があります。Agent Platform には、このプロセスを簡素化するためのマネージド データセットが用意されています。
マネージド データセットを使用すると、モデルのトレーニング用のソースデータを提供できます。AutoML では必須ですが、カスタム トレーニングでは任意です。画像データや表形式データなど、さまざまなデータタイプのデータセットを作成できます。
詳細については、Gemini Enterprise Agent Platform でマネージド データセットを作成するの概要をご覧ください。
モデルのトレーニング
Agent Platform は、大規模なモデル トレーニングの運用を支援するマネージド トレーニング サービスを提供します。
インフラストラクチャで、任意の ML フレームワークに基づくトレーニング アプリケーションを実行できます。 Google CloudAgent Platform は、PyTorch、TensorFlow、scikit-learn、XGBoost などの一般的なフレームワークの統合サポートも提供しています。
サーバーレス トレーニングの主なメリットは次のとおりです。
- フルマネージドのコンピューティング インフラストラクチャ: サーバーのプロビジョニングや 管理を行わずにモデルをトレーニングできます。
- 高パフォーマンス: パフォーマンスを向上させることができる最適化されたトレーニング ジョブ。
- 分散トレーニング: 時間と費用を 削減するためのマルチノード分散トレーニングのサポート。
- ハイパーパラメータの最適化: モデルの最適な値を自動的に検出します。
詳細については、サーバーレス トレーニングの概要をご覧ください。
モデル管理
モデルのトレーニングが完了したら、Model Registry で管理できます。
Model Registry は、ML モデルのライフサイクルを管理できる中央リポジトリです。モデルのバージョンを追跡し、モデルの品質を評価し、推論を提供するためにモデルをデプロイできます。
詳細については、Model Registry の概要をご覧ください。