Google Cloud kondigt de algemene beschikbaarheid aan van Vertex AI, een managed machine learning platform waarmee bedrijven de inzet en het onderhoud van artificial intelligence modellen kunnen versnellen. Vertex AI vereist bijna 80 procent minder regels code om een model te trainen in vergelijking met concurrerende platforms, waardoor data scientists en ML-engineers op alle expertiseniveaus de mogelijkheid hebben om Machine Learning Operations (MLOps) te implementeren.
Data scientists worstelen met de uitdaging om Machine Learning oplossingen handmatig samen te stellen, waardoor er een vertraging ontstaat in de ontwikkeling van modellen en experimenten en minder modellen in productie worden genomen. Om deze uitdagingen aan te pakken, brengt Vertex AI de Google Cloud-diensten voor het bouwen van ML samen onder één uniforme UI en API, om het proces van het bouwen, trainen en implementeren van machine learning-modellen op schaal te vereenvoudigen. In deze ene omgeving kunnen klanten modellen sneller van experiment naar productie brengen, efficiënter patronen en anomalieën ontdekken, betere voorspellingen en beslissingen maken en in het algemeen flexibeler inspelen op de veranderende marktdynamiek.
Door decennia van innovatie en strategische investeringen in AI bij Google heeft het bedrijf belangrijke lessen geleerd over hoe Machine Learning-modellen in productie moeten worden gebouwd, ingezet en onderhouden. Deze inzichten en engineering zijn verwerkt in de basis en het ontwerp van Vertex AI, en zullen voortdurend worden verrijkt door bevindingen uit Google Research. Met Vertex AI kunnen data science- en ML-engineeringteams nu voor het eerst:
- Toegang krijgen tot de AI-toolkit die intern wordt gebruikt bij Google en die computervisie, taal, conversatie en gestructureerde data omvat.
- Meer bruikbare AI-toepassingen sneller implementeren met MLOps-functies zoals Vertex Vizier, de volledig beheerde Vertex Feature Store waarmee beoefenaars ML-functies kunnen aanbieden, delen en hergebruiken, en Vertex Experiments om modellen sneller in productie te nemen met snellere modelselectie.
- Modellen beheren met vertrouwen door de complexiteit van self-service modelonderhoud en herhaalbaarheid weg te nemen met MLOps-tools zoals Vertex Continuous Monitoring en Vertex Pipelines om de end-to-end ML-workflow te stroomlijnen.
30 november 2023 (online cursus van 1 ochtend) Workshop met BPM-specialist Christian Gijsels over business analyse, modelleren en simuleren met de nieuwste release van Sparx Systems' Enterprise Architect, versie 16.Intensieve cursus waarin de belangr...
28 maart 2024 (halve dag)Praktische workshop met Alec Sharp [Halve dag] Deze workshop door Alec Sharp introduceert conceptmodellering vanuit een non-technisch perspectief. Alec geeft tips en richtlijnen voor de analist, en verkent datamodellering op ...
28 maart 2023 Dit seminar met Mike Ferguson gaat dieper in op de ontwikkeling van dataproducten en ook hoe je een datamarktplaats kunt gebruiken om het delen van dataproducten in de hele organisatie te regelen en te delen om de time-to-value t...
16 april 2024 Praktisch en interactief seminar met Nigel Turner Data-gedreven worden lukt niet door alleen nieuwe technologie en tools aan te schaffen. Het vereist een transformatie van bestaande business modellen, met cultuurverandering, een herontw...
29 - 31 mei 2024Praktische driedaagse workshop met internationaal gerenommeerde spreker Alec Sharp over herkennen, beschrijven en ontwerpen van business processen. De workshop wordt ondersteund met praktijkvoorbeelden en duidelijke, herbruikbare rich...
10 t/m 12 juni 2024 Praktische workshop Data Management Fundamentals door Chris Bradley - CDMP-examinatie optioneel De DAMA DMBoK2 beschrijft 11 disciplines van Data Management, waarbij Data Governance centraal staat. De Certified Data Managem...
Deel dit bericht