Halaman ini memberikan ringkasan alur kerja untuk melatih dan menggunakan 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 upaya teknis minimal dengan memanfaatkan kemampuan ML otomatis Google.
- Pelatihan tanpa server Gemini Enterprise Agent Platform: Jalankan kode pelatihan kustom Anda di lingkungan yang terkelola sepenuhnya dan sesuai permintaan tanpa perlu mengkhawatirkan infrastruktur.
- Cluster pelatihan Gemini Enterprise Agent Platform: Menjalankan tugas pelatihan berskala besar dan berperforma tinggi di cluster akselerator khusus yang dicadangkan untuk penggunaan eksklusif Anda.
- Ray on Agent Platform: Menskalakan aplikasi Python dan beban kerja ML menggunakan framework Ray open source pada 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 penyiapan 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 memberikan kode pelatihan Anda sendiri dan menjalankannya di infrastruktur terkelola Agent Platform. Hal ini memberi Anda kontrol dan fleksibilitas penuh atas arsitektur model dan logika pelatihan, sehingga Anda dapat menggunakan framework ML apa pun yang Anda pilih.
Platform Agen menyediakan dua mode utama untuk menjalankan kode pelatihan kustom Anda: lingkungan serverless on-demand, atau cluster khusus yang dicadangkan.
Pelatihan tanpa server 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 penampung, menentukan spesifikasi mesin
(termasuk CPU dan GPU), lalu mengirimkannya sebagai CustomJob.
Agent Platform akan menangani sisanya:
- Menyediakan resource komputasi selama durasi tugas Anda.
- Mengeksekusi kode pelatihan Anda.
- Menghapus resource setelah tugas selesai.
Model on-demand bayar per 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 berskala besar, berperforma tinggi, dan penting, Anda dapat memesan kluster akselerator khusus. Hal ini memberikan kapasitas yang terjamin dan menghilangkan antrean, sehingga memastikan tugas Anda segera dimulai.
Meskipun Anda memiliki penggunaan eksklusif atas resource ini, Platform Agen tetap menangani overhead operasional pengelolaan cluster, termasuk pemeliharaan hardware dan patching OS. Pendekatan "server penuh terkelola" ini memberi Anda kemampuan cluster khusus tanpa kerumitan pengelolaan.
Ray di Vertex AI
Ray on Vertex AI adalah layanan yang memungkinkan Anda menggunakan framework Ray open source untuk menskalakan aplikasi AI dan Python secara langsung dalam Platform Agen. Ray dirancang untuk menyediakan infrastruktur untuk komputasi terdistribusi dan pemrosesan paralel untuk alur kerja ML Anda.
Ray on Vertex AI menyediakan lingkungan terkelola untuk menjalankan aplikasi terdistribusi menggunakan framework Ray, yang menawarkan skalabilitas dan integrasi dengan layanan Google Cloud. Google Cloud
Untuk mempelajari Ray di Vertex AI lebih lanjut, lihat Ringkasan Ray di Vertex AI.