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。イメージ 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 には、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 サービスが用意されています。
インフラストラクチャで、あらゆる 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の追跡、モデルの品質の評価、推論の提供のためのモデルのデプロイを行うことができます。
詳細については、Model Registry の概要をご覧ください。