Warum wurden AutoML Tables eingestellt und was kommt als Nächstes?
AutoML Tables von Google Cloud war ein Dienst, der es Benutzern ermöglichen sollte, automatisch Modelle für maschinelles Lernen auf strukturierten Daten zu erstellen und bereitzustellen.
AutoML Tables wurde nicht im herkömmlichen Sinne eingestellt, ihre Funktionen wurden vollständig in Vertex AI integriert.
Dieser Dienst war Teil der umfassenderen AutoML-Suite von Google, deren Ziel darin bestand, den Zugang zum maschinellen Lernen zu demokratisieren, indem der Prozess der Modellerstellung vereinfacht wurde, insbesondere für Benutzer, die möglicherweise nicht über umfassende Erfahrung in den Bereichen Datenwissenschaft oder maschinelles Lernen verfügen.
Vor Kurzem hat Google seine AutoML Tables-Funktionen auf Vertex AI umgestellt, eine umfassendere und integriertere Plattform für maschinelles Lernen in der Google Cloud. Dieser Übergang spiegelt einen breiteren Trend in der Branche hin zu einheitlicheren Plattformen wider, die eine nahtlose Erfahrung für die Entwicklung, Bereitstellung und Verwaltung von Modellen für maschinelles Lernen bieten.
Vertex AI bietet eine End-to-End-Plattform mit Tools für Datenaufbereitung, Modelltraining, Auswertung, Bereitstellung und Überwachung. Es integriert die Funktionen, die zuvor in AutoML Tables verfügbar waren, sowie zusätzliche Funktionen, die die Flexibilität und Skalierbarkeit von Machine-Learning-Workflows verbessern. Dazu gehört die Möglichkeit, benutzerdefinierte Modelle zu verwenden, in andere Google Cloud-Dienste zu integrieren und erweiterte Funktionen wie Hyperparameter-Tuning und Feature-Engineering zu nutzen.
Der Übergang von AutoML Tables zu Vertex AI spiegelt den Bedarf an einem stärker integrierten Ansatz wider, der ein breiteres Spektrum an Anwendungsfällen abdecken und der wachsenden Komplexität von Machine-Learning-Projekten gerecht werden kann. Durch die Integration von AutoML-Funktionen in Vertex AI möchte Google eine einheitlichere Erfahrung bieten, die die Anforderungen von Unternehmen und Entwicklern, die mit Machine Learning arbeiten, besser unterstützen kann.
Für Benutzer, die zuvor AutoML Tables verwendet haben, bedeutet dieser Übergang, dass sie Zugriff auf einen leistungsstärkeren Satz von Tools und Funktionen innerhalb der Vertex AI-Plattform haben. Dazu gehört die Möglichkeit, mit einer größeren Vielfalt von Datentypen zu arbeiten, komplexere Modelle zu erstellen und diese Modelle in großem Maßstab einzusetzen. Darüber hinaus bietet Vertex AI eine verbesserte Integration mit anderen Google Cloud-Diensten, was die allgemeine Effizienz und Effektivität von Machine-Learning-Workflows verbessern kann.
Ein Beispiel dafür, wie Vertex AI die bisher von AutoML Tables gebotenen Funktionen erweitert, ist die Unterstützung für benutzerdefiniertes Training. Während AutoML Tables in erster Linie auf die Automatisierung des Prozesses der Modellerstellung aus strukturierten Daten ausgerichtet war, können Benutzer mit Vertex AI ihre eigenen Modelle und Trainingsskripte verwenden. Dies bietet mehr Flexibilität für Datenwissenschaftler und Ingenieure, die bestimmte Algorithmen oder Techniken integrieren möchten, die von den automatisierten Prozessen nicht abgedeckt werden.
Darüber hinaus umfasst Vertex AI Tools zur Verwaltung des gesamten Lebenszyklus des maschinellen Lernens, von der Datenaufbereitung bis zur Modellüberwachung. Dazu gehören Funktionen wie Vertex AI Pipelines, mit denen Benutzer reproduzierbare und skalierbare Workflows für maschinelles Lernen erstellen können. Diese Pipelines können viele der Aufgaben automatisieren, die mit dem Erstellen und Bereitstellen von Modellen verbunden sind, wie z. B. die Datenvorverarbeitung, das Modelltraining und die Auswertung, wodurch der Zeit- und Arbeitsaufwand, der erforderlich ist, um Lösungen für maschinelles Lernen in die Produktion zu bringen, erheblich reduziert werden kann.
Ein weiteres wichtiges Merkmal von Vertex AI ist die Unterstützung von MLOps, also der Anwendung von DevOps-Prinzipien auf maschinelles Lernen. Dazu gehören Funktionen zur Versionierung von Datensätzen und Modellen, zur Verfolgung von Experimenten und zur Überwachung der Modellleistung in der Produktion. Diese Funktionen sind für Unternehmen, die Modelle für maschinelles Lernen in großem Maßstab einsetzen, von entscheidender Bedeutung, da sie dazu beitragen, dass die Modelle zuverlässig, reproduzierbar und im Laufe der Zeit wartbar sind.
Der Übergang zu Vertex AI spiegelt auch einen breiteren Trend in der Branche hin zu stärker integrierten und umfassenderen Plattformen für maschinelles Lernen wider. Da maschinelles Lernen für eine Vielzahl von Anwendungen immer wichtiger wird, besteht ein wachsender Bedarf an Plattformen, die den gesamten Lebenszyklus von Projekten für maschinelles Lernen unterstützen können, von der Datenaufbereitung bis hin zur Bereitstellung und Überwachung. Durch die Bereitstellung einer einheitlichen Plattform, die diese Funktionen integriert, möchte Vertex AI die Anforderungen moderner Unternehmen und Entwickler erfüllen.
In Bezug auf die praktischen Auswirkungen müssen Benutzer, die zuvor AutoML Tables verwendet haben, ihre Arbeitsabläufe auf Vertex AI umstellen. Dies kann die Migration vorhandener Modelle und Daten auf die neue Plattform sowie das Kennenlernen der neuen Tools und Funktionen von Vertex AI umfassen. Google stellt Dokumentation und Support bereit, um Benutzer bei diesem Übergang zu unterstützen, darunter Anleitungen zum Migrieren von Modellen und Daten sowie Tutorials zur Verwendung der neuen Funktionen von Vertex AI.
Während AutoML Tables als eigenständiger Dienst eingestellt wurde, wurden seine Funktionen vollständig in die umfassendere Vertex AI-Plattform integriert. Dieser Übergang spiegelt eine Verschiebung hin zu integrierteren und umfassenderen Plattformen für maschinelles Lernen wider, die die Anforderungen moderner Unternehmen und Entwickler besser unterstützen können. Durch die Bereitstellung einer einheitlichen Plattform, die Tools für Datenaufbereitung, Modelltraining, Bereitstellung und Überwachung umfasst, zielt Vertex AI darauf ab, Benutzern, die mit maschinellem Lernen in Google Cloud arbeiten, ein einheitlicheres und leistungsfähigeres Erlebnis zu bieten.
Weitere aktuelle Fragen und Antworten zu AutoML-Tabellen:
- Wie kann man zwischen Vertex AI- und AutoML-Tabellen wechseln?
- Wie können Benutzer ihr Modell bereitstellen und Vorhersagen in AutoML Tables erhalten?
- Welche Optionen stehen zum Festlegen eines Trainingsbudgets in AutoML Tables zur Verfügung?
- Welche Informationen bietet die Registerkarte „Analysieren“ in AutoML-Tabellen?
- Wie können Benutzer ihre Trainingsdaten in AutoML Tables importieren?
- Welche unterschiedlichen Datentypen können AutoML Tables verarbeiten?