Gemini Enterprise Agent Platform은 머신러닝 (ML) 모델을 대규모로 빌드, 학습, 관리하는 데 도움이 되는 포괄적인 도구 모음을 제공합니다. AutoML을 사용하여 고품질 모델을 빠르게 만들거나 TensorFlow, PyTorch와 같은 인기 있는 프레임워크로 맞춤 모델을 만드는 경우에도 Agent Platform은 전체 ML 수명 주기를 운영합니다.
데이터 준비
모델을 학습시키기 전에 데이터를 준비해야 합니다. Agent Platform은 이 프로세스를 간소화하기 위해 관리형 데이터 세트를 제공합니다.
관리형 데이터 세트를 사용하면 모델 학습을 위한 소스 데이터를 제공할 수 있습니다. AutoML에는 필수이며 커스텀 학습에는 선택사항입니다. 이미지 및 표 형식 데이터를 비롯한 다양한 데이터 유형의 데이터 세트를 만들 수 있습니다.
자세한 내용은 Gemini Enterprise Agent Platform에서 관리형 데이터 세트 만들기 개요를 참고하세요.
모델 학습
Agent Platform은 대규모 모델 학습을 운영할 수 있게 해주는 관리형 학습 서비스를 제공합니다.
인프라에서 모든 ML 프레임워크를 기반으로 학습 애플리케이션을 실행할 수 있습니다. Google Cloud Agent Platform은 PyTorch, TensorFlow, scikit-learn, XGBoost와 같은 인기 있는 프레임워크에 대한 통합 지원도 제공합니다.
서버리스 학습의 주요 이점은 다음과 같습니다.
- 완전 관리형 컴퓨팅 인프라: 서버를 프로비저닝하거나 관리하지 않고 모델을 학습시킵니다.
- 고성능: 더 빠른 성능을 제공할 수 있는 최적화된 학습 작업입니다.
- 분산 학습: 시간과 비용을 절감하기 위한 다중 노드 분산 학습을 지원합니다.
- 초매개변수 최적화: 모델의 최적값을 자동으로 검색합니다.
자세한 내용은 서버리스 학습 개요를 참고하세요.
모델 관리
모델을 학습시킨 후에는 Model Registry에서 모델을 관리할 수 있습니다.
Model Registry는 ML 모델의 수명 주기를 관리할 수 있는 중앙 저장소입니다. 모델 버전을 추적하고, 모델 품질을 평가하고, 추론을 제공하기 위해 모델을 배포할 수 있습니다.
자세한 내용은 Model Registry 소개를 참고하세요.