בדף הזה מופיעה סקירה כללית של Vertex AI ב-Google Distributed Cloud (GDC) עם בידוד פיזי. הסקירה כוללת את התכונות הזמינות והיתרונות העיקריים, כדי לעזור לכם להבין איך תכונות למידת המכונה יכולות לשפר את האפליקציות שלכם עם בידוד פיזי.
הדף הזה מיועד למפתחי אפליקציות שעובדים בקבוצות של מפעילים של אפליקציות, ומחפשים דרכים לשלב תכונות מבוססות-AI באפליקציות ובזרימות העבודה שלהם שפועלות בסביבה מבודדת. מידע נוסף זמין במאמר בנושא קהלים ב-GDC עם air gap.
Vertex AI לסביבות מאובטחות מקומיות
Vertex AI ב-Distributed Cloud מאפשר לכם להשתמש ביכולות של פלטפורמת למידת מכונה ומודלים של AI גנרטיבי בסביבות מאובטחות מקומיות. הפתרון הזה מיועד לארגונים עם דרישות מחמירות לגבי ריבונות נתונים, אבטחה והדרישות בנושא פרטיות. שירותי Vertex AI מאפשרים לכם לחדש באמצעות תכונות AI, תוך שמירה על שליטה מלאה באותה תשתית מבודדת.
תכונות עיקריות
Vertex AI on Distributed Cloud מציע את התכונות הבאות:
- פריסה עם בידוד פיזי: אפשר להריץ את שירותי Vertex AI באופן מלא במרכז הנתונים שלכם, וכך להבטיח את ריבונות הנתונים ועמידה בדרישות התאימות.
- חוויית שימוש מוכרת ב-Vertex AI: תוכלו להשתמש באותם כלים, ממשקי API ומודלים מ-Vertex AI ב- Google Cloud, וכך לפשט את תהליך הפיתוח והניהול.
- מודלים ואלגוריתמים מוכנים מראש: גישה למגוון מודלים מתקדמים למשימות נפוצות של למידת מכונה ו-AI, כדי לקצר את הזמן עד להפקת ערך.
- אימון מודלים בהתאמה אישית: אימון מודלים של AI ולמידת מכונה באמצעות נתונים שלכם, כדי להתאים את הפתרונות לצרכים הספציפיים שלכם.
- יכולות MLOps: ייעול תהליכי העבודה של למידת מכונה באמצעות כלים לפריסה, למעקב ולניהול של מודלים.
השירותים הזמינים
Vertex AI on Distributed Cloud מציע את השירותים הבאים:
- AI גנרטיבי: פיתוח אפליקציות שמבוססות על מודלים המתקדמים ביותר של AI גנרטיבי ליצירת נתונים.
- Online Prediction: (Preview) Deploy and make requests to your prediction models.
- זיהוי תווים אופטי (OCR): שליפת טקסט מתמונות וממסמכים.
- Speech-to-Text: המרת שפה מדוברת לטקסט כתוב.
- Vertex AI Translation: תרגום טקסט בין כמה שפות.
- Vertex AI Workbench: יצירת סביבת notebook מנוהלת של JupyterLab לפיתוח למידת מכונה
יתרונות
ל-Vertex AI ב-Distributed Cloud יש את היתרונות הבאים:
- חוויית פיתוח חלקה: אפשר להשתמש באותם כלים, ממשקי API, מודלים ותהליכי עבודה של Vertex AI ב- Google Cloud, וכך הפיתוח והניהול הופכים לאינטואיטיביים ויעילים.
- אבטחה ופרטיות משופרות: שמירה על שליטה מלאה בנתונים ועמידה בדרישות הרגולטוריות.
- גמישות משופרת: פיתוח ופריסה של מודלים של AI ולמידת מכונה בסביבה מבודדת.
- קיצור הזמן להפקת ערך: אפשר להשתמש במודלים שעברו אימון מראש למשימות נפוצות של למידת מכונה, או לאמן מודלים בהתאמה אישית באמצעות מערכי נתונים ייחודיים.
- MLOps יעיל: תוכלו ליהנות מיכולות חזקות של פעולות למידת מכונה (MLOps) לפריסה, למעקב ולניהול חלקים של מודלים בסביבה עם פער אוויר.
קדימה, מתחילים
כדי להתחיל להשתמש ב-Vertex AI ב-Distributed Cloud, צריך לבצע את הפעולות הבאות:
- מידע על תפקידים והרשאות חיוניים לשירותים הזמינים
- הגדרת פרויקט לתהליכי עבודה של AI ולמידת מכונה.
- הקצאת מעבדי GPU והפעלת שירותי Vertex AI.
- התקנה של ספריות הלקוח של Vertex AI
אחרי כן, תוכלו להתחיל ליצור ולפרוס את מודלי ה-AI והלמידה של המכונה.