Google Cloud lanceert Vertex AI

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.