Mengelola model BigQuery ML di Vertex AI

Anda dapat mendaftarkan model BigQuery ML dengan Vertex AI Model Registry untuk mengelolanya bersama model Vertex AI Anda tanpa perlu mengekspornya. Saat mendaftarkan model dengan Model Registry, Anda dapat membuat versi, mengevaluasi, dan men-deploy model untuk prediksi online menggunakan satu antarmuka, dan tanpa memerlukan penampung yang menayangkan. Jika Anda tidak terbiasa dengan Vertex AI dan cara berintegrasi dengan BigQuery ML, lihat Vertex AI untuk pengguna BigQuery.

Untuk mempelajari prediksi Vertex AI lebih lanjut, baca Ringkasan cara mendapatkan prediksi di Vertex AI.

Untuk mempelajari cara mengelola model BigQuery ML dari Vertex AI Model Registry, lihat Pengantar Vertex AI Model Registry.

Sebelum memulai

Enable the Vertex AI API.

Enable the API

Izin yang diperlukan

Untuk mendapatkan izin yang diperlukan untuk mendaftarkan model BigQuery ML ke Model Registry, minta administrator Anda untuk memberi Anda peran IAM Vertex AI Administrator (roles/aiplatform.admin) di project Anda. Untuk mengetahui informasi selengkapnya tentang cara memberikan peran, lihat Mengelola akses ke project, folder, dan organisasi.

Anda mungkin juga bisa mendapatkan izin yang diperlukan melalui peran khusus atau peran bawaan lainnya.

Mendaftarkan model

Saat membuat model BigQuery ML menggunakan pernyataan CREATE MODEL, Anda dapat menggunakan opsi berikut untuk mendaftarkan model ke Model Registry:

  • MODEL_REGISTRY: mendaftarkan model ke Model Registry.
  • VERTEX_AI_MODEL_ID: tentukan ID model yang akan digunakan untuk model di Model Registry. ID model dikaitkan dengan model BigQuery ML Anda, dan dapat dilihat dari Model Registry. Setiap model BigQuery ML hanya dapat didaftarkan ke satu ID model di Model Registry.
  • VERTEX_AI_MODEL_VERSION_ALIASES: tentukan satu atau beberapa alias versi model, yang dapat Anda gunakan untuk menyederhanakan deployment, mengelola model, dan mengaktifkan Vertex Explainable AI pada model.

Jika Anda menetapkan opsi MODEL_REGISTRY saat membuat model, model tersebut akan didaftarkan ke Model Registry, dan otomatis ditampilkan di sana setelah menyelesaikan pelatihan di BigQuery ML. Anda dapat menggunakan kolom Sumber di halaman Model Registry pada konsolGoogle Cloud untuk melihat asal model.

Setelah model BigQuery ML terdaftar, Anda dapat menggunakan kemampuan Model Registry berikut dengan model Anda:

Semua model yang dibuat menggunakan ML BigQuery masih ditampilkan di antarmuka pengguna BigQuery, terlepas dari apakah model tersebut terdaftar di Model Registry atau tidak.

Contoh berikut menunjukkan cara membuat dan mendaftarkan model k-means:

CREATE OR REPLACE MODEL `mydataset.my_kmeans_model`
  MODEL_TYPE = 'KMEANS',
  MODEL_REGISTRY = 'VERTEX_AI',
  VERTEX_AI_MODEL_ID = 'customer_clustering';

Mendaftarkan model BigQuery ML yang ada ke Model Registry

Jika Anda tidak mendaftarkan model ke Vertex AI saat membuatnya, Anda dapat menggunakan SQL, alat command line bq, atau BigQuery API untuk mendaftarkannya setelahnya.

Contoh berikut menunjukkan cara mendaftarkan model yang ada:

SQL

Gunakan pernyataan ALTER MODEL:

ALTER MODEL IF EXISTS mymodel SET OPTIONS (vertex_ai_model_id='my_vertex_ai_model_id');

bq

Gunakan perintah bq update dengan flag --model: 

  bq update --model --vertex_ai_model_id 'my_vertex_ai_model_id' myproject:mydataset.mymodel

API

Gunakan metode models.patch. Teruskan objek Model yang berisi objek trainingRuns dengan kolom vertexAiModelId yang terisi:

{
  "trainingRuns": [
    {
      "vertexAiModelId": my_vertex_ai_model_id
    }
}

Mendaftarkan beberapa versi model BigQuery ML

Model BigQuery ML pertama yang Anda daftarkan dengan ID model tertentu akan ditampilkan sebagai versi 1 model tersebut di Model Registry. Anda dapat mendaftarkan model BigQuery ML tambahan sebagai versi berbeda dari model terdaftar tersebut dengan menentukan ID model Vertex AI yang sama saat membuat atau mengubah model BigQuery ML tersebut.

Misalnya, Anda dapat membuat model1 di BigQuery ML dan mendaftarkannya di Model Registry sebagai regression_model. model1 ditampilkan sebagai versi 1 dari regression_model di Model Registry. Jika Anda kemudian membuat model2 di BigQuery ML dan mendaftarkannya di Model Registry sebagai regression_model. model2 ditampilkan sebagai versi 2 dari regression_model di Model Registry.

Jika Anda membuat atau mengganti model ML BigQuery dan menggunakan nama model ML BigQuery yang sudah dikaitkan dengan model di Model Registry, versi model Model Registry yang ada akan dihapus dan diganti dengan model baru. Melanjutkan contoh sebelumnya, jika Anda membuat atau mengganti model2 di BigQuery ML dengan menggunakan pernyataan CREATE OR REPLACE MODEL dengan opsi MODEL_REGISTRY dan VERTEX_AI_MODEL_ID, versi 2 regression_model di Model Registry akan diganti, dan Model Registry akan menampilkan model regression_model versi 1 dan versi 3.

Mengubah ID model dari model BigQuery ML terdaftar

Setelah model BigQuery ML didaftarkan ke Model Registry, Anda tidak dapat mengubah nilai VERTEX_AI_MODEL_ID. Untuk mendaftarkan model dengan VERTEX_AI_MODEL_ID baru, gunakan salah satu opsi berikut:

  • Hapus model dan buat ulang, dengan menentukan nilai baru untuk opsi VERTEX_AI_MODEL_ID. Pendekatan ini menimbulkan biaya pelatihan ulang.

  • Salin model, lalu gunakan pernyataan ALTER MODEL untuk mendaftarkan model baru dengan nilai VERTEX_AI_MODEL_ID baru.

Pertimbangan lokasi

Jika Anda mendaftarkan model BigQuery ML multi-region ke Model Registry, model tersebut akan menjadi model regional di Vertex AI. Model multi-region BigQuery ML US disinkronkan ke Vertex AI (us-central1) dan model multi-region BigQuery ML EU disinkronkan ke Vertex AI (europe-west4). Untuk model region tunggal, tidak ada perubahan.

Untuk mengetahui informasi tentang cara memperbarui lokasi model, lihat Memilih lokasi Anda.

Men-deploy model di Vertex AI

Anda dapat menggunakan berbagai metode untuk men-deploy model ke endpoint di Vertex AI. Untuk mengetahui informasi selengkapnya, lihat Men-deploy model ke endpoint.

Menghapus model BigQuery ML dari Model Registry

Untuk menghapus model BigQuery ML dari Model Registry, hapus model di BigQuery ML. Model akan otomatis dihapus dari Model Registry.

Ada beberapa cara untuk menghapus model BigQuery ML. Untuk mengetahui informasi selengkapnya, lihat Menghapus model.

Jika ingin menghapus model di BigQuery ML yang telah didaftarkan di Model Registry dan di-deploy ke endpoint, Anda harus menggunakan Model Registry terlebih dahulu untuk membatalkan deployment model. Kemudian, Anda dapat kembali ke BigQuery ML dan menghapus model. Untuk mengetahui informasi selengkapnya tentang cara membatalkan deployment model, lihat Menghapus endpoint.

Batasan