Почему таблицы AutoML были прекращены и что пришло им на смену?
AutoML Tables от Google Cloud — это сервис, позволяющий пользователям автоматически создавать и развертывать модели машинного обучения на основе структурированных данных.
Таблицы AutoML не были прекращены в традиционном смысле, их возможности были полностью интегрированы в Vertex AI.
Эта служба была частью более широкого пакета AutoML от Google, целью которого было демократизировать доступ к машинному обучению путем упрощения процесса создания моделей, особенно для пользователей, которые могут не иметь большого опыта в области науки о данных или машинного обучения.
Недавно Google перенесла свои возможности AutoML Tables на Vertex AI, более комплексную и интегрированную платформу для машинного обучения в Google Cloud. Этот переход отражает более широкую тенденцию в отрасли к более унифицированным платформам, которые предлагают бесшовный опыт разработки, развертывания и управления моделями машинного обучения.
Vertex AI предоставляет сквозную платформу, которая включает инструменты для подготовки данных, обучения моделей, оценки, развертывания и мониторинга. Она объединяет возможности, которые ранее были доступны в таблицах AutoML, а также дополнительные функции, которые повышают гибкость и масштабируемость рабочих процессов машинного обучения. Это включает возможность использования пользовательских моделей, интеграцию с другими службами Google Cloud и использование расширенных функций, таких как настройка гиперпараметров и проектирование функций.
Переход AutoML Tables на Vertex AI отражает потребность в более интегрированном подходе, который может обслуживать более широкий спектр вариантов использования и учитывать растущую сложность проектов машинного обучения. Интегрируя возможности AutoML в Vertex AI, Google стремится предоставить более целостный опыт, который может лучше поддерживать потребности предприятий и разработчиков, работающих с машинным обучением.
Для пользователей, которые ранее использовали таблицы AutoML, этот переход означает, что они получат доступ к более мощному набору инструментов и функций в платформе Vertex AI. Это включает возможность работать с более широким спектром типов данных, строить более сложные модели и развертывать эти модели в масштабе. Кроме того, Vertex AI предлагает улучшенную интеграцию с другими сервисами Google Cloud, что может повысить общую эффективность и результативность рабочих процессов машинного обучения.
Примером того, как Vertex AI расширяет возможности, ранее предлагаемые AutoML Tables, является поддержка индивидуального обучения. В то время как AutoML Tables в первую очередь был сосредоточен на автоматизации процесса построения моделей из структурированных данных, Vertex AI позволяет пользователям приносить свои собственные модели и сценарии обучения. Это обеспечивает большую гибкость для специалистов по данным и инженеров, желающих внедрить определенные алгоритмы или методы, которые не охватываются автоматизированными процессами.
Кроме того, Vertex AI включает инструменты для управления всем жизненным циклом машинного обучения, от подготовки данных до мониторинга модели. Сюда входят такие функции, как Vertex AI Pipelines, которые позволяют пользователям создавать воспроизводимые и масштабируемые рабочие процессы машинного обучения. Эти конвейеры могут автоматизировать многие задачи, связанные с созданием и развертыванием моделей, такие как предварительная обработка данных, обучение модели и оценка, что может значительно сократить время и усилия, необходимые для внедрения решений машинного обучения в производство.
Еще одной ключевой особенностью Vertex AI является поддержка MLOps, которая представляет собой практику применения принципов DevOps к машинному обучению. Сюда входят возможности управления версиями наборов данных и моделей, отслеживания экспериментов и мониторинга производительности моделей в производстве. Эти функции необходимы для организаций, которые развертывают модели машинного обучения в масштабе, поскольку они помогают гарантировать, что модели надежны, воспроизводимы и поддерживаемы с течением времени.
Переход к Vertex AI также отражает более широкую тенденцию в отрасли к более интегрированным и всеобъемлющим платформам машинного обучения. Поскольку машинное обучение становится все более важным для широкого спектра приложений, растет потребность в платформах, которые могут поддерживать весь жизненный цикл проектов машинного обучения, от подготовки данных до развертывания и мониторинга. Предоставляя унифицированную платформу, которая интегрирует эти возможности, Vertex AI стремится удовлетворить потребности современных предприятий и разработчиков.
С точки зрения практических последствий, пользователям, которые ранее использовали таблицы AutoML, необходимо будет перевести свои рабочие процессы на Vertex AI. Это может включать миграцию существующих моделей и данных на новую платформу, а также ознакомление с новыми инструментами и функциями, доступными в Vertex AI. Google предоставляет документацию и поддержку, чтобы помочь пользователям с этим переходом, включая руководства по миграции моделей и данных, а также учебные пособия по использованию новых функций в Vertex AI.
Хотя AutoML Tables как автономная служба была прекращена, ее возможности были полностью интегрированы в более широкую платформу Vertex AI. Этот переход отражает сдвиг в сторону более интегрированных и всеобъемлющих платформ машинного обучения, которые могут лучше поддерживать потребности современных предприятий и разработчиков. Предоставляя унифицированную платформу, которая включает инструменты для подготовки данных, обучения моделей, развертывания и мониторинга, Vertex AI стремится предоставить более сплоченный и мощный опыт для пользователей, работающих с машинным обучением в Google Cloud.
Другие недавние вопросы и ответы, касающиеся Таблицы AutoML:
- Как можно перейти между таблицами Vertex AI и AutoML?
- Как пользователи могут развернуть свою модель и получить прогнозы в таблицах AutoML?
- Какие параметры доступны для настройки бюджета обучения в таблицах AutoML?
- Какую информацию предоставляет вкладка «Анализ» в таблицах AutoML?
- Как пользователи могут импортировать свои обучающие данные в таблицы AutoML?
- Какие типы данных могут обрабатывать таблицы AutoML?