有那麼多的人工智慧 (AI) 工具，很難確定自己真正需要哪一個。 我們可以通過向您介紹 Vertex AI，來幫助您更輕鬆地做出這個決定，這是 Google 自家的基於雲的 AI 平台。 

最近人工智慧模型和技術的蓬勃發展重塑了許多企業的運作方式；唯一的問題是，有太多解決方案可供選擇。 但是我們可以幫助您。 

為了使構建機器學習 (ML) 模型更容易，Google 創建了 Vertex AI，這是一個使所有 Google 雲端服務可在單一實體中使用的平台。

但是，Vertex AI 本質上是什麼？ 它值得您關注嗎，還是只是無用的東西？ 在本指南中找出答案，我們將探討 Vertex AI 為什麼對企業如此重要，以及其他許多事情。

敬請持續關注！

什麼是 Vertex AI？

Vertex AI 是 Google Cloud 創建的集中化平台，旨在訓練 ML 模型和 AI 應用並進行大規模部署。 此外，您可以自定義大型語言模型 (LLMs) 以用於您的人工智慧應用程序。 

透過自定義模型訓練、AutoML 和其他先進功能，您可以大幅度地 提高生產力 及可擴展性。 

此外，Vertex AI 將所有 Google 的雲服務整合在一個工具中，幫助您管理資料、部署模型等。 總而言之，Vertex AI 是為了簡化您的機器學習工作流程和簡化您的數據集生命週期而設。 

這是一個理想的解決方案，適合所有開發者和機器學習工程師，尤其是因為它對入門者友好。 

但是，這個工具對於企業而言為何如此重要？ 

為什麼 Vertex AI 重要？

生成式 AI 市場不斷增長。 例如，在 Vertex AI 上的活躍生成 AI 項目 增長了超過 7 倍；但究竟是什麼讓 Vertex 這麼重要？

好吧，讓我們看看它的功能： 

• 簡化開發： 這個 AI 解決方案 自動化了整個開發過程。 因此，無論其經驗如何，任何人都可以部署高品質的模型。 
• 更高的速度： 通過自動化模型開發過程，您可以更快地訓練和部署聊天機器人。 因此，更容易、更快速地創建 AI 應用。 
• 一致性： AI 擅長一件事：保持一致性。 除了提供相同品質的輸出，您還能減少錯誤。
• 可擴展性：您可以使用 Vertex 設計各種人工智慧應用程序，從小型應用到企業級解決方案。 無論您的組織規模如何，它都能滿足每種需求。 

正如您所見，Vertex AI 顯然提供了很多好處，但究竟有哪些 AI 功能使其如此出色？ 

在下一部分中找出答案。 

Google Cloud Vertex AI 的關鍵特性是什麼？

為了了解這個 Google Cloud 平台為什麼在部署和構建 AI 模型方面表現如此出色，讓我們來看看它的特性： 

• AutoML： 這一功能適合那些沒有太多機器學習經驗，但希望構建自己的自定義機器學習模型的開發者。 它支持多種 Google 應用，包括 Vertex AI、AutoML Tabular 和 AutoML Image。 
• Vertex AI 流程： 使用這個方便的功能，您可以自動化、監控和創建整個機器學習工作流程，從而提高效率，並避免重複性任務。 
• 預訓練 API： 使用 Vertex AI，整合視頻、翻譯和自然語言處理變得簡單。 因此，即使工程師和開發者沒有先前的知識，所部署的模型仍將滿足業務要求。 
• 數據和 AI 整合： Vertex AI 與 許多工具 兼容，如 BigQuery ML、Dataproc 或 Dataflow。 因此，您可以通過 Vertex AI 工作台直接構建或匯出來自 BigQuery 的數據。 此外，它還與開源框架如 PyTorch 和 SensorFlow 兼容。 
• 模型版本控制和監控： 失去追蹤版本了嗎？ 使用 Vertex AI，這將不再發生，因為它能輕易追蹤模型的版本。 此外，Vertex AI 還通過有用的評估指標監控它們的效能，以便您能主動識別問題。 

因此，Vertex AI 擁有許多用戶功能；唯一的問題是，您會用它們來做什麼？

這是我們將在接下來的部分中嘗試解答的問題。 

Vertex AI 用於什麼？ 

通常，人們在各個領域中使用人工智慧工具，最受歡迎的是客服 (56%) 和詐騙管理 (51%)。 但是，它還有許多其他用途，如產品推薦、內容產出等。 

按照這種邏輯，Vertex AI 擅長某些事嗎？ 確實如此；以下是它最常見的用例： 

• 改進預測： 使用 Vertex AI 來提高您實時預測的準確性，因為這個工具可以輕易且快速地分析和解釋元數據。 
• 簡化監控： Vertex AI 監控模型的性能，從創建到最終產品，幫助您精簡流程並獲得更好的結果。 
• 共享機器學習特徵： 透過 Vertex AI 特徵商店，您可以管理和重複使用所需的機器學習特徵。 更何況，您不需要深入的機器學習知識就能使用它們。 
• 增強的開發過程： 利用 Vertex AI，簡化、配置和自動化機器學習工作流程十分簡單，從而加快開發進程。 

正如您所見，Vertex AI 具有多個用途，使其成為您企業的完美補充。

在了解如何使用它之前，讓我們來看看與 Vertex AI 兼容的 Google Cloud 服務。 

哪些 Google Cloud 服務與 Vertex AI 協同工作？

Vertex AI 從不獨自運作——它與其他 Google Cloud 服務相協同，這些服務有助於簡化您的機器學習生命週期並提高效率。 但是，Google Cloud 服務是什麼？

本質上，這是一整套雲計算服務，包括數據分析、雲存儲、網絡連接、無伺服器計算、網頁開發工具等。 所有這些解決方案都與 Vertex AI 協同運作，以創建高效的機器學習工作流程。

例如，在 Google 的雲存儲中，您可以存儲所有的原始數據，Vertex 可以在其後取用以進行模型訓練。 BigQuery 是一個類似的工具，可存儲大型數據集，供 Vertex AI 用於套件內訓練。 

正如您所見，所有一切都與 Vertex AI 連接，以幫助您創建和部署最佳的 AI 解決方案。 

剩下的唯一問題是：如何使用 Vertex AI 開始構建？ 

如何使用 Vertex AI 和機器學習 (ML) 工作流程

您對使用 Vertex AI 來簡化您的機器學習工作流程感到好奇——這很好！ 讓我們一步一步展示給您看！ 

1. 數據準備

首先，開始提取和清理您的數據集。 

完成此步驟後，您必須執行探索性數據分析 (EDA) — 一種總結數據集主要特徵的技術。 為什麼？ 以理解機器學習模型所期望的數據. 使用 Vertex AI 工作台可視化和訪問您的數據。 

接下來是什麼？ 對模型應用數據轉換和特徵工程，並將數據劃分為訓練集、驗證集和測試集。 

2. 模型訓練

現在是有趣的部分。 在這裡，數據科學家、開發者和其他人可以根據自己的業務需求選擇訓練方法。 您可以以各種方式訓練您的機器學習模型： 

• 使用 AutoML 概述，無需編寫任何代碼就可以訓練模型。 它支持圖像、文本和表格數據。
• 使用您喜愛的 ML 框架，這意味著編寫自己的代碼並自行訓練模型。
• 使用 Vertex AI 實驗，測試您的模型，使用各種 ML 技術，看看哪一個效果最好。 
• 使用 Vertex AI Vizier 或自定義調整任務，專注於超參數調優，以訓練複雜的自定義機器學習模型。 

3. 模型評估和迭代

第三步需要您評估模型的效能，並根據結果進行調整。 這有助於您積極發現問題並在部署模型之前解決它們。

通過精確度和召回率等指標，您可以比較和衡量模型的性能，看看哪一個表現最好。 

4. 模型提供

在仔細評估並確認模型的性能後，現在是時候進行部署了。 

同樣，您有多種方法可以這樣做： 

• 使用預製或自定義容器 
• 使用 BigQuery ML
• 使用 TensorFlow 執行時 
• 使用 Vertex AI 特徵商店  
• 使用 Vertex 可解釋 AI 

5. 模型監控

您還未完成，因為總是有改進的空間。 模型部署過程的最後一步是監控其性能。% 透過 Vertex AI 模型監控，您可以隨時關注模型，當數據偏離訓練值過遠時，即可通過重新訓練進行改進。 此外，Vertex AI 擁有通知和警報功能，讓您知道何時出現問題，以便您重新訓練模型以符合標準。 

通過這個快速簡單的教程，您已準備好嘗試 Vertex AI。

輪到您了！

借助 Vertex AI，您可以輕鬆管理機器學習工作流程，確保其效率、準確性和一致性。 現在您已了解「什麼是 Vertex AI？」的答案，您距離簡化業務流程又更近一步了。

但是，要達到新的生產力水平，您需要 Guru。

這是一個知識管理工具，可以將所有應用程序和文檔連接到一個地方。 使用 Guru，您可以跨越所有應用程序進行搜索，並立即獲得所有查詢的答案，而無需切換上下文。

通過 今天就註冊，查看 Guru 的力量。