BigQuery ML è un servizio Google Cloud che ti consente di creare ed eseguire modelli di machine learning in BigQuery ML utilizzando query SQL standard. Con Vertex AI, puoi utilizzare strumenti preaddestrati e personalizzati, il tutto in una piattaforma unificata. Quando registri i tuoi modelli BigQuery ML in Model Registry, puoi gestirli insieme agli altri modelli ML per eseguire facilmente le versioni, la valutazione e il deployment per la previsione.
Con questa integrazione, puoi scegliere quali modelli BigQuery ML registrare nel Model Registry. Dopo la registrazione, puoi eseguire il deployment del modello BigQuery ML in un endpoint per la previsione online.
Da BigQuery ML puoi registrare:
- Modelli integrati BigQuery ML
- Modelli TensorFlow di BigQuery ML
Sebbene i modelli BigQuery ML XGboost e ARIMA_PLUS possano essere registrati in Vertex AI Model Registry, non è possibile eseguirne il deployment.
Per scoprire come integrare i tuoi modelli BigQuery ML con Vertex AI Model Registry, consulta BigQuery ML e Vertex AI Model Registry.
Blocco note per Vertex AI Model Registry e BigQuery ML
Questo blocco note descrive come utilizzare Model Registry e BigQuery ML per eseguire il deployment e fare previsioni sui modelli.
Questo tutorial utilizza i seguenti servizi e risorse Google Cloud:
- Modello Vertex AI
- Risorse Vertex AI Model Registry
- Risorse
endpointdi Vertex AI - Vertex AI Explainable AI
- Previsione Vertex AI
- BigQuery ML
I passaggi eseguiti includono:
- Addestra un nuovo modello utilizzando BigQuery ML
- Registra il modello in Vertex AI Model Registry
- Crea una risorsa
endpointdi Vertex AI - Esegui il deployment della risorsa
modelnella risorsaendpointe abilita XAI - Invia richieste di previsione al modello
endpoint