Coba model Gemini 1.5, model multimodal terbaru di Vertex AI, dan lihat model yang dapat Anda bangun dengan jendela konteks hingga 2 juta token. Coba model Gemini 1.5, model multimodal terbaru di Vertex AI, dan lihat model yang dapat Anda bangun dengan jendela konteks hingga 2 juta token.

Memigrasikan aplikasi Anda ke Vertex AI

Vertex AI menyatukan layanan AI Platform dan AutoML dalam satu UI dan API terpadu untuk menyederhanakan proses pembuatan, pelatihan, dan deployment model machine learning. Dengan Vertex AI, Anda dapat beralih lebih cepat dari eksperimen ke produksi, menemukan pola dan anomali secara efisien, membuat prediksi dan keputusan yang lebih baik, serta tetap sigap dalam menghadapi perubahan prioritas dan kondisi pasar. Halaman ini membantu menentukan perubahan yang perlu Anda lakukan saat memigrasikan aplikasi dari AutoML atau AI Platform ke Vertex AI.

Vertex AI mendukung semua fitur dan model yang tersedia di AutoML dan AI Platform. Namun, library klien tidak mendukung kompatibilitas mundur integrasi klien. Dengan kata lain, Anda harus membuat rencana untuk memigrasikan resource guna mendapatkan manfaat dari fitur Vertex AI.

Halaman ini membandingkan metode API yang digunakan untuk menyelesaikan perjalanan pengguna umum sehingga Anda dapat melihat cara mengupdate aplikasi project Anda untuk menggunakan Vertex AI API.

Perjalanan umum pengguna

Pilih tab untuk produk Anda, lalu klik perjalanan pengguna untuk melihat perbandingan metode Vertex AI API dengan metode API yang digunakan oleh aplikasi Anda yang sudah ada.

AutoML Natural Language

Klik salah satu perjalanan pengguna berikut:

AutoML Natural Language: Melatih dan men-deploy model klasifikasi teks
AutoML Natural Language: Melatih dan men-deploy model ekstraksi entity teks
AutoML Natural Language: Melatih dan men-deploy model sentimen teks

AutoML Natural Language: Melatih dan men-deploy model klasifikasi teks

Baca tentang perbedaan antara AutoML API dan Vertex AI API, serta baca perbedaan antara produk AutoML Natural Language dan Vertex AI, lalu gunakan tabel berikut untuk membantu memigrasikan API Anda.

Langkah	AutoML Natural Language	Vertex AI
Membuat set data	`projects.locations.datasets.create`	`projects.locations.datasets.create`
Membuat set data	`projects.locations.datasets.importData`	`projects.locations.datasets.import`
Melatih model	`projects.locations.models.create`	`projects.locations.trainingPipelines.create`
Melatih model	`projects.locations.models.create`	`projects.locations.trainingPipelines.get`
Mengevaluasi model	`projects.locations.models.modelEvaluations.list`	`projects.locations.models.evaluations.list`
Mengevaluasi model	`projects.locations.models.modelEvaluations.get`	`projects.locations.models.evaluations.get`
Membuat prediksi batch	`projects.locations.models.batchPredict`	`projects.locations.batchPredictionJobs.create`
Membuat prediksi batch	`projects.locations.models.batchPredict`	`projects.locations.batchPredictionJobs.get`
Membuat prediksi online	`projects.locations.models.deploy`	`projects.locations.endpoints.create`
	`projects.locations.models.deploy`	`projects.locations.endpoints.deployModel`
	`projects.locations.models.predict`	`projects.locations.endpoints.predict`

Langkah	AI Platform	Vertex AI
Melatih model	`projects.jobs.create`	`projects.locations.customJobs.create`
Melatih model	`projects.jobs.get`	`projects.locations.customJobs.get`
Men-deploy model	`projects.models.create`	`projects.locations.models.upload`
Men-deploy model	`projects.models.versions.create`	`projects.locations.models.upload`
Buat prediksi batch	Prediksi batch AI Platform tidak didukung untuk XGBoost.	`projects.locations.batchPredictionJobs.create`
Buat prediksi batch	Prediksi batch AI Platform tidak didukung untuk XGBoost.	`projects.locations.batchPredictionJobs.get`
Buat prediksi online	`projects.predict`	`projects.locations.endpoints.create`
		`projects.locations.endpoints.deployModel`
		`projects.locations.endpoints.predict`

Langkah	Layanan Pelabelan Data	Vertex AI
Membuat set data	`projects.datasets.create`	`projects.locations.datasets.create`
	`projects.locations.datasets.importData`	`projects.locations.datasets.import`
	`projects.locations.datasets.importData`	`projects.locations.specialistPools.create`
Membuat tugas pelabelan data	`projects.annotationSpecSets.create`	`projects.locations.dataLabelingJobs.create`
	`projects.instructions.create`
	`projects.datasets.image.label`
	`projects.operations.get`	`projects.locations.dataLabelingJobs.get`
	`projects.operations.cancel`	`projects.locations.dataLabelingJobs.cancel`

Langkah	AI Platform Training	Vertex AI
Melatih model	`projects.jobs.create`	`projects.locations.hyperparameterTuningJobs.create`
Melatih model	`projects.jobs.get`	`projects.locations.hyperparameterTuningJobs.get`

Memigrasikan aplikasi Anda ke Vertex AI

Perjalanan umum pengguna

AutoML Natural Language

AutoML Natural Language: Melatih dan men-deploy model klasifikasi teks

AutoML Natural Language: Melatih dan men-deploy model ekstraksi entity teks

AutoML Natural Language: Melatih dan men-deploy model sentimen teks

AutoML Tables

AutoML Tables: Melatih dan men-deploy model

AutoML Video Intelligence

AutoML Video Intelligence: Melatih dan men-deploy model pelacakan objek

AutoML Video Intelligence: Melatih dan men-deploy model klasifikasi video

AutoML Vision

AutoML Vision: Melatih dan men-deploy model klasifikasi gambar

AutoML Vision: Melatih dan men-deploy model deteksi objek

AI Platform

AI Platform: Melatih dan men-deploy model XGBoost dengan versi runtime yang dihosting

AI Platform: Melatih dan men-deploy model scikit-learn dengan versi runtime yang dihosting

AI Platform: Melatih dan men-deploy model TensorFlow dengan container kustom

AI Platform: Melatih dan men-deploy model TensorFlow dengan versi runtime yang dihosting

Layanan Pelabelan Data AI Platform: Mengirim tugas pelabelan data

Prediksi AI Platform: Mengirimkan tugas prediksi batch untuk model TensorFlow yang dihosting

Pelatihan AI Platform: Mengirim tugas pelatihan penyesuaian hyperparameter dengan TensorFlow

Langkah selanjutnya