Vertex AI에 BigQuery ML 모델을 통합할 때의 이점

BigQuery ML 모델을 Vertex AI에 통합하면 다음과 같은 두 가지 주요 이점이 있습니다.

• 온라인 모델 제공: BigQuery ML은 모델에 대한 일괄 예측만 지원합니다. 온라인 예측을 수행하려면 BigQuery ML에서 모델을 학습시키고 Vertex AI Model Registry를 통해 Vertex AI 엔드포인트에 배포할 수 있습니다.
• MLOps 기능: 모델은 지속적 학습을 통해 최신 상태로 유지되는 경우에 가장 유용합니다. Vertex AI는 시간 경과에 따른 예측의 정확성을 유지하기 위해 모델의 모니터링 및 재학습을 자동화하는 MLOps 도구를 제공합니다. Vertex AI Pipelines를 사용하면 BigQuery 연산자를 사용하여 모든 BigQuery 작업(BigQuery ML 포함)을 ML 파이프라인에 연결할 수 있습니다. Vertex AI Model Monitoring을 사용하면 시간 경과에 따른 BigQuery ML 예측을 모니터링할 수 있습니다.

Vertex AI에서 BigQuery ML 모델 관리  |  Google Cloud

Vertex AI에서 BigQuery ML 모델 관리

Vertex AI 모델 레지스트리에 BigQuery ML 모델을 등록하면 모델을 내보낼 필요 없이 다른 ML 모델과 함께 관리할 수 있습니다. 모델을 Vertex AI 모델 레지스트리와 통합하면 서빙 컨테이너가 없어도 단일 인터페이스를 사용하여 온라인 예측용 모델을 버전 관리, 평가, 배포할 수 있습니다.

page2

포괄적인 ML  |  Google Cloud

1. 편리

이전에 머신러닝을 경험한 적이 없어도 사용이 가능한 코드 없는 간편한 사용자 환경을 제공

AutoML은 전이 학습 및 Learning to Learn과 같은 알고리즘 기법을 통해 조직이 일반적으로 요구되는 것보다 작은 데이터 세트를 사용하여 커스텀 모델을 빌드할 수 있도록 만들어 진입 문턱을 낮춥니다

1. ML 및 AutoML의 공정성

모델 1의 문제

카테고리별로 예시를 균등하게 배분하기

각 카테고리에 대체로 비슷한 개수의 학습 예시를 수집하는 것이 중요합니다. 한 라벨에 많은 양의 데이터가 있더라도 각 라벨에 균등하게 배분하는 것이 가장 좋습니다.