Привет, я Наоки Комото (河本 直起), работаю инженером по машинному обучению в AnyMind. В AnyMind мы разрабатываем среду MLOps, и в предыдущей статье мы представили инфраструктуру данных для машинного обучения с использованием BigQuery View Table. В нашей предыдущей статье об инфраструктуре пакетного прогнозирования Vertex AI мы представили архитектуру, использующую Vertex AI во время ее введения. С тех пор мы внесли некоторые улучшения в ходе работы, поэтому мы хотели бы представить..

Мое открытие в Model Registry продолжается… Реестр моделей — это центральный репозиторий в Google Cloud Platform, который управляет жизненным циклом машинного обучения путем хранения, управления версиями и развертывания моделей машинного обучения в рабочей среде. Загруженные модели в реестр моделей доступны пользователям для загрузки в блокнот или конвейер для служб прогнозирования. Если у вас есть версия модели, которую вы хотите развернуть, вы можете легко назначить модели..

Несколько лет назад, в 2019 году, я сделал хобби-проект , в котором использовались API-интерфейсы обнаружения объектов TensorFlow для автоматического считывания значений из серии изображений весов, которые можно использовать для построения графика веса с течением времени. С тех пор эта область продвинулась семимильными шагами. Теперь, в 2022 году, этот проект можно сделать намного проще, используя Google Cloud Vertex AI и Cloud Vision API . Вот как. Краткое изложение шагов..

В большинстве случаев хранилище функций является излишним Похоже, что каждая опытная команда машинного обучения создала хранилище функций для своей платформы машинного обучения. Uber построил Палитру . Airbnb построила Зиплайн . Netflix построил Путешествие во времени . Google Cloud работал с нашим клиентом GoJek над созданием Feast . К счастью, вам больше не нужно создавать или управлять своими собственными. Google Cloud Vertex AI предлагает полностью управляемый магазин..

Vertex AI — это унифицированная платформа для управления и организации рабочих процессов машинного обучения (ML) с комплексным набором инструментов и сервисов, упрощающих создание, обучение и развертывание моделей ML в любом масштабе. В этой статье мы собираемся использовать предварительно обученную Vertex AI модель большого языка PaLM 2 для текста (также известную как текстовый бизон ) для создания плана научного эссе с использованием введенной вами темы и предопределенной подсказки...

Простой способ обойти ограниченные возможности отладки и ведения журнала. Задания Vertex AI Batch Prediction не регистрируют ошибки в журнале Cloud Logging. В основном это связано с выполнением пакетного задания в проекте, управляемом Google. Это может быть большой проблемой, если что-то работает не так, как ожидалось. Без регистрации мы работаем почти вслепую. Пакетные прогнозы в производстве так же важны, как и любые другие прогнозы в производстве. Нам нужно иметь возможность..