Mempelajari Vertex AI Workbench

Vertex AI Workbench adalah lingkungan pengembangan berbasis notebook JupyterLab yang tersedia untuk seluruh alur kerja data science Anda. Anda dapat berinteraksi dengan Vertex AI dan layanannya di Google Distributed Cloud (GDC) yang terisolasi dari jaringan publik dari dalam notebook instance JupyterLab yang disediakan Vertex AI Workbench.

Integrasi dan fitur Vertex AI Workbench mempermudah akses ke data machine learning, berbagi dan memproses data lebih cepat, berinteraksi dengan layanan Vertex AI menggunakan bahasa pemrograman Python, dan banyak lagi.

Misalnya, Vertex AI Workbench memungkinkan Anda melakukan hal berikut:

  • Mengakses dan menjelajahi data machine learning Anda dari dalam notebook JupyterLab.
  • Bagikan notebook JupyterLab Anda kepada pengguna lain dalam project Anda.
  • Impor library klien Vertex AI untuk menyederhanakan akses ke API secara terprogram.
  • Berinteraksi dengan layanan Vertex AI, mengautentikasi permintaan API, dan menggunakan fitur Vertex AI dari skrip Python.
  • Buat cadangan dan pulihkan data instance JupyterLab Anda.
  • Gunakan lingkungan pengembangan terintegrasi (IDE) untuk menggunakan integrasi bawaan notebook JupyterLab.
  • Siapkan lingkungan produksi berbasis notebook secara menyeluruh.

Instance JupyterLab

Vertex AI Workbench menawarkan instance JupyterLab dengan integrasi bawaan yang membantu Anda menyiapkan lingkungan produksi berbasis notebook secara menyeluruh. Instance JupyterLab menggabungkan integrasi berorientasi alur kerja dari instance terkelola dengan penyesuaian dan kontrol yang Anda butuhkan atas lingkungan Anda.

Vertex AI Workbench mencakup jenis instance yang telah diinstal sebelumnya dengan JupyterLab dan rangkaian paket deep learning, termasuk dukungan untuk framework TensorFlow dan PyTorch. Bergantung pada kebutuhan Anda, Anda dapat memilih antara instance khusus CPU atau yang mendukung GPU.

Anda dapat memilih image Docker dan cluster untuk lingkungan instance JupyterLab. Docker memungkinkan Anda membuat lingkungan JupyterLab kustom dan membangunnya menjadi image. Image ini memastikan konsistensi dan kemampuan reproduksi di berbagai deployment, termasuk semua paket dan alat yang diperlukan. Anda dapat membagikan lingkungan yang disesuaikan ini kepada orang lain atau menggunakannya sebagai dasar untuk pengembangan di masa mendatang.

Instance JupyterLab dilindungi oleh autentikasi dan otorisasi.

Langkah berikutnya