Usa esta página para comprender las diferencias entre Gemini Enterprise Agent Platform y BigQuery, y aprender cómo integrar Gemini Enterprise Agent Platform en tus flujos de trabajo existentes de BigQuery. Gemini Enterprise Agent Platform y BigQuery trabajan en conjunto para satisfacer tus casos de uso de aprendizaje automático y de MLOps.
Para obtener más información sobre las diferencias de entrenamiento de modelos entre Gemini Enterprise Agent Platform y BigQuery, consulta Elige un método de entrenamiento.
Diferencias entre Gemini Enterprise Agent Platform y BigQuery
En esta sección, se abarcan los servicios de Gemini Enterprise Agent Platform, BigQuery y BigQuery ML.
Gemini Enterprise Agent Platform: Una plataforma de IA/AA de extremo a extremo
Agent Platform es una plataforma de IA/AA para el desarrollo y la administración de modelos. Los siguientes son algunos de los casos de uso comunes:
- Tareas de aprendizaje automático, como la previsión, la predicción, la recomendación y la detección de anomalías
Tareas de IA generativa, como las siguientes:
- Generación, clasificación, resumen y extracción de textos
- Generación y finalización de código
- Generación de imágenes
- Generación de embeddings
Puedes usar BigQuery para preparar datos de entrenamiento para los modelos de Agent Platform, que puedes poner a disposición como atributos en Agent Platform Feature Store.
Puedes entrenar modelos en Agent Platform de tres maneras:
- AutoML: Entrena modelos en conjuntos de datos de imágenes, tabulares y de video sin escribir código.
- Entrenamiento personalizado: Ejecuta un código de entrenamiento personalizado adaptado a tu caso de uso específico.
- Ray en Agent Platform: Usa Ray para escalar aplicaciones de IA y Python, como el aprendizaje automático.
También puedes importar un modelo entrenado en otra plataforma, como BigQuery ML o XGBoost.
Puedes registrar modelos entrenados personalizados en Model Registry. También puedes importar modelos entrenados fuera de Gemini Enterprise Agent Platform y registrarlos en Model Registry. No es necesario que registres los modelos de AutoML, ya que se registran automáticamente en el momento de su creación.
Desde el registro, puedes administrar las versiones de los modelos, implementar en extremos de predicción en línea, realizar evaluaciones de modelos, supervisar las implementaciones con Gemini Enterprise Agent Platform Model Monitoring y usar Vertex Explainable AI.
Idiomas disponibles:
- El SDK de Vertex AI es compatible con Python, Java, Node.js y Go.
BigQuery: Un almacén de datos empresarial sin servidores y en múltiples nubes
BigQuery es un almacén de datos empresarial completamente administrado que te ayuda a administrar y analizar tus datos con funciones integradas como el aprendizaje automático, el análisis geoespacial y la inteligencia empresarial. SQL puede consultar las tablas de BigQuery, y los científicos de datos que usan SQL pueden ejecutar consultas grandes con solo unas pocas líneas de código.
También puedes usar BigQuery como un almacén de datos al que hagas referencia cuando compiles modelos tabulares y personalizados en Agent Platform. Para obtener más información sobre cómo usar BigQuery como un almacén de datos, consulta Descripción general del almacenamiento de BigQuery.
Idiomas disponibles:
- SDK para BigQuery. Para obtener más información, consulta las bibliotecas cliente de la API de BigQuery.
- GoogleSQL
- SQL heredado
Para obtener más información, consulta Dialectos de BigQuery SQL.
BigQuery ML: Aprendizaje automático directamente en BigQuery
BigQuery ML te permite desarrollar e invocar modelos en BigQuery. Con BigQuery ML, puedes usar SQL para entrenar modelos de AA directamente en BigQuery sin necesidad de mover datos ni preocuparte por la infraestructura de entrenamiento subyacente. Puedes crear predicciones por lotes para modelos de BigQuery ML a fin de obtener estadísticas a partir de tus datos de BigQuery.
También puedes acceder a los modelos de Agent Platform con BigQuery ML. Puedes crear un modelo remoto de BigQuery ML en un modelo integrado de Agent Platform, como Gemini, o en un modelo personalizado de Agent Platform. Interactúas con el modelo remoto con SQL en BigQuery, al igual que con cualquier otro modelo de BigQuery ML, pero todo el entrenamiento y la inferencia del modelo remoto se procesan en Agent Platform.
Lenguaje disponible:
- GoogleSQL
- Bibliotecas cliente de BigQuery
Para obtener más información sobre las ventajas de usar BigQuery ML, consulta Introducción a la IA y el aprendizaje automático en BigQuery.
Beneficios de administrar los modelos de BigQuery ML en Agent Platform
Puedes registrar tus modelos de BigQuery ML en Model Registry para administrarlos en Agent Platform. La administración de modelos de BigQuery ML en Agent Platform proporciona dos beneficios principales:
Entrega de modelos en línea: BigQuery ML solo admite predicciones por lotes para tus modelos. Para obtener predicciones en línea, puedes entrenar tus modelos en BigQuery ML y, luego, implementarlos en los extremos de Agent Platform a través de Model Registry.
Funciones de MLOps: los modelos son más beneficiosos cuando se mantienen actualizados mediante el entrenamiento continuo. Agent Platform ofrece herramientas de MLOps que automatizan la supervisión y el reentrenamiento de modelos para mantener la exactitud de las predicciones a lo largo del tiempo. Con Agent Platform Pipelines, puedes usar operadores de BigQuery para conectar cualquier trabajo de BigQuery (incluido BigQuery ML) a una canalización de AA. Con Gemini Enterprise Agent Platform Model Monitoring, puedes supervisar tus predicciones de BigQuery ML a lo largo del tiempo.
Para obtener información sobre cómo registrar tus modelos de BigQuery ML en Model Registry, consulta Administra modelos de BigQuery ML con Agent Platform.
Instructivos de notebooks relacionados
| ¿Qué desea hacer? | Recurso |
|---|---|
| Usa BigQuery ML para analizar imágenes y texto con Gemini en Agent Platform | Cómo analizar pósteres de películas en BigQuery con Gemini 2.0 Flash |
| Usa BigQuery ML para generar texto en tablas de BigQuery o datos no estructurados con modelos de base en Agent Platform | Genera texto con BigQuery ML y modelos de base en Agent Platform |
| Genera incorporaciones vectoriales con BigQuery ML en texto e imágenes | Llama a un extremo de incorporación multimodal en Agent Platform desde BigQuery ML para generar incorporaciones para la búsqueda semántica |
| Usa dos canalizaciones de los flujos de trabajo tabulares de Agent Platform para entrenar un modelo de AutoML con diferentes configuraciones. | Flujo de trabajo tabular: canalización tabular de AutoML |
| Usa el SDK de Agent Platform para Python para entrenar un modelo de AutoML para la regresión tabular y obtener predicciones por lotes del modelo. | SDK de Agent Platform para Python: modelo de regresión tabular de entrenamiento de AutoML para la predicción por lotes con BigQuery |
| Entrena y evalúa un modelo de propensión en BigQuery ML para predecir la retención de usuarios en un juego para dispositivos móviles. | Predicción de deserción para desarrolladores de videojuegos mediante Google Analytics 4 y BigQuery ML |
| Usa BigQuery ML para optimizar los precios de los datos de precios de CDM. | Análisis de optimización de precios en datos de precios de CDM |
¿Qué sigue?
- Para comenzar a usar Gemini Enterprise Agent Platform, consulta los siguientes recursos: