AutoML Text から Gemini に移行する | Vertex AI | Google Cloud Documentation

メインコンテンツにスキップ

ドキュメント

開始する

Google Cloud を使ってみる
商品リスト
Cloud カスタマーケア

注目のプロダクト

Agent Platform
Apigee API 管理
BigQuery
Compute Engine
Cloud CDN
Cloud Run
Cloud Storage
Cloud SQL
Gemini Enterprise
Google Kubernetes Engine
Looker

プロダクト横断型のツール

アクセスとリソースの管理
費用と使用量の管理
Infrastructure as code
SDK、言語、フレームワーク、ツール

テクノロジー分野

AI と ML
アプリケーション開発
アプリケーションのホスティング
コンピューティング
データ分析とパイプライン
データベース
分散型クラウド、ハイブリッドクラウド、マルチクラウド
業種別ソリューション
移行
ネットワーキング
オブザーバビリティとモニタリング
セキュリティ
Storage

/

コンソール

English
Deutsch
Español
Español – América Latina
Français
Indonesia
Italiano
Português
Português – Brasil
עברית
中文 – 简体
中文 – 繁體
日本語
한국어

Vertex AI

無料で利用開始

ガイドリファレンスサンプルサポートリソース

ドキュメント
- その他
コンソール

Discover
概要
Vertex AI の概要
Vertex AI での MLOps
Vertex AI のインターフェース
Vertex AI 初心者向けガイド
- AutoML モデルをトレーニングする
- カスタムモデルのトレーニング
- カスタムモデルから推論を取得する
- Vertex AI と Python SDK を使用してモデルをトレーニングする
統合された ML フレームワーク
- PyTorch
- TensorFlow
BigQuery ユーザー用の Vertex AI
用語集
使ってみる
プロジェクトと開発環境を設定する
Vertex AI SDK for Python をインストールする
トレーニング方法を選択する
チュートリアルを試す
- チュートリアルの概要
- AutoML のチュートリアル
  - Hello 画像データ
    概要
    プロジェクトと環境を設定する
    データセットを作成して画像をインポートする
    AutoML 画像分類モデルをトレーニングする
    モデルのパフォーマンスを評価して分析する
    エンドポイントにモデルをデプロイして推論を行う
    プロジェクトをクリーンアップする
  - Hello 表形式データ
    概要
    プロジェクトと環境を設定する
    データセットを作成して AutoML 分類モデルをトレーニングする
    モデルをデプロイして推論をリクエストする
    プロジェクトをクリーンアップする
- カスタムトレーニングチュートリアル
  - カスタム表形式モデルをトレーニングする
  - TensorFlow Keras 画像分類モデルをトレーニングする、
    概要
    プロジェクトと環境を設定する
    カスタム画像分類モデルをトレーニングする
    カスタム画像分類モデルから取得した予測情報の提供
    プロジェクトをクリーンアップする
  - カスタムデータを使用して画像分類モデルを微調整する
- カスタムトレーニングノートブックのチュートリアル
生成 AI と LLM を使用する
生成 AI について
Vertex AI 開発ツールを使用する
開発ツールの概要
Vertex AI SDK を使用する
- 概要
- Vertex AI SDK for Python の概要
- Vertex AI SDK for Python のクラス
Vertex AI の Terraform サポート
Vertex AI Training
概要
Vertex AI サーバーレストレーニング
- Vertex AI のサーバーレストレーニングの概要
- データの読み込みと準備を行う
- トレーニングアプリケーションを準備する
  - サーバーレストレーニングサービスについて
  - トレーニングコードを準備する
  - ビルド済みのコンテナを使用する
    ビルド済みコンテナ用の Python トレーニングアプリケーションを作成する
    サーバーレストレーニング用のビルド済みコンテナ
  - カスタムコンテナを使用する
    サーバーレストレーニング用のカスタムコンテナ
    カスタムコンテナを作成する
    トレーニングコードをコンテナ化してローカルで実行する
- 永続リソースでトレーニングする
- トレーニングジョブを構成
- トレーニングジョブを送信する
- モニタリングとデバッグ
  - インタラクティブシェルを使用したトレーニングのモニタリングとデバッグを行う
  - モデルのトレーニングパフォーマンスのプロファイリングを行う
- 推論を取得する
- チュートリアル: 継続的なトレーニング用のパイプラインを構築する
- カスタムの組織のポリシー制約を作成する
Vertex AI Training クラスタ
- 概要
- トレーニングクラスタを使ってみる
- デプロイに関する考慮事項
- クラスタの作成と管理
- クラスタの復元力
- 機能ガイド
  - Slurm クラスタで Flex Start VM を使用する
- クラスタでワークロードを実行する
  - 事前構築済みのワークロードを実行する
  - TensorBoard を使用したジョブの可視化
Ray on Agent Platform
ニューラルアーキテクチャ検索を実行する
Vertex AI Vizier を使用して最適化する
AutoML モデルの開発
- AutoML トレーニングの概要
- 画像データ
- 表形式データ
  - 概要
  - 表形式データの概要