Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
Nesta página, descrevemos as interfaces que podem ser usadas para interagir com a
Vertex AI e quando usá-las. É possível usar essas interfaces com uma das soluções de notebook da Vertex AI.
Algumas operações da Vertex AI estão disponíveis apenas por meio de interfaces
específicas. Portanto, talvez seja necessário alternar entre as interfaces durante seu fluxo de trabalho.
Por exemplo, nos experimentos da Vertex AI, é necessário usar a API para registrar dados
em uma execução do experimento, mas é possível acessar os resultados no console.
Console
O console do Google Cloud é uma interface gráfica do usuário que pode ser usada para trabalhar com seus recursos de machine learning.
No console do Google Cloud, é possível gerenciar conjuntos de dados gerenciados, modelos, endpoints e jobs. Também é possível acessar outros serviços do Google Cloud,
como o Cloud Storage e o BigQuery, por meio do console.
Use o console do Cloud se preferir acessar e gerenciar os
recursos e visualizações da Vertex AI por meio de uma interface gráfica
do usuário.
Para mais informações, consulte a página Painel da seção "Vertex AI":
O Terraform é uma ferramenta de infraestrutura como código (IaC, na sigla em inglês) que pode ser usada para
provisionar a infraestrutura, como recursos e permissões, para vários
serviços do Google Cloud, incluindo a Vertex AI.
É possível definir os recursos e as permissões da Vertex AI para seu projeto do Google Cloud em um arquivo de configuração do Terraform. É possível usar o Terraform para aplicar
a configuração ao seu projeto criando novos recursos e atualizando
os atuais.
Use o Terraform se quiser padronizar a infraestrutura para os recursos da Vertex AI
no seu projeto do Google Cloud e atualizar a infraestrutura atual do projeto, além de atender às dependências do recurso.
O SDK da Vertex AI para Python é semelhante à
biblioteca de cliente Python da Vertex AI, mas o SDK é de nível superior e menos
granular. Para acessar mais informações, consulte
Entenda as diferenças entre o SDK e a biblioteca de cliente.
As bibliotecas de cliente usam as convenções naturais de cada linguagem compatível para chamar a
API Vertex AI e reduzir o código boilerplate que você precisa escrever.
As seguintes linguagens são compatíveis com a Vertex AI:
Python. A biblioteca de cliente Python da Vertex AI é instalada quando você
instala o SDK da Vertex AI para Python.
A API REST da Vertex AI fornece serviços RESTful para gerenciar jobs,
modelos e endpoints, e para fazer previsões com modelos hospedados no Google Cloud.
Use a API REST se precisar usar suas próprias bibliotecas para chamar a
API Vertex AI do seu aplicativo.
[[["Fácil de entender","easyToUnderstand","thumb-up"],["Meu problema foi resolvido","solvedMyProblem","thumb-up"],["Outro","otherUp","thumb-up"]],[["Difícil de entender","hardToUnderstand","thumb-down"],["Informações incorretas ou exemplo de código","incorrectInformationOrSampleCode","thumb-down"],["Não contém as informações/amostras de que eu preciso","missingTheInformationSamplesINeed","thumb-down"],["Problema na tradução","translationIssue","thumb-down"],["Outro","otherDown","thumb-down"]],["Última atualização 2025-08-07 UTC."],[],[],null,["# Interfaces for Vertex AI\n\nThis page describes the interfaces that you can use to interact with\nVertex AI and when you should use them. You can use these interfaces\nalong with one of Vertex AI's\n[notebook solutions](/vertex-ai/docs/workbench/notebook-solution).\n\nSome Vertex AI operations are only available through specific\ninterfaces, so you may need to switch between interfaces during your workflow.\nFor example, in Vertex AI Experiments, you must use the API to log data\nto an experiment run, but you can view the results in the console. \n\n### Console\n\nThe Google Cloud console is a graphical user interface that you can use to\nwork with your machine learning resources.\n\nIn the Google Cloud console, you can manage your ,\nmodels, endpoints, and jobs. You can also access other Google Cloud services,\nsuch as Cloud Storage and BigQuery, through the console.\n\nUse the Google Cloud console if you prefer to view and manage your\nVertex AI resources and visualizations through a graphical user\ninterface.\n\nFor more information, see the **Dashboard** page of the Vertex AI section:\n\n[Go to the Dashboard](https://console.cloud.google.com/vertex-ai/)\n\n### gcloud\n\nThe [Google Cloud command-line interface (CLI)](/sdk/gcloud) is a set of tools for\ncreating and managing Google Cloud resources using the `gcloud` command.\n\nUse the Google Cloud CLI when you want to manage your Vertex AI\nresources from the command line or through scripts and other automation.\n\nFor more information, see [Install the gcloud CLI](/sdk/docs/install) and the\n[`gcloud ai`](/sdk/gcloud/reference/ai) reference.\n\n### Terraform\n\nTerraform is an (IaC) tool that you can use to\nprovision the infrastructure, such as resources and permissions, for multiple\nGoogle Cloud services, including Vertex AI.\n\nYou can define the Vertex AI resources and permissions for your Google Cloud\nproject in a Terraform configuration file. You can then use Terraform to apply\nthe configuration to your project by creating new resources and updating\nexisting resources.\n\nUse Terraform if you want to standardize the infrastructure for Vertex AI\nresources in your Google Cloud project and update the existing Google Cloud\nproject infrastructure while fulfilling resource dependencies.\n\nTo get started, see [Terraform support for Vertex AI](/vertex-ai/docs/start/use-terraform-vertex-ai).\n\n### Python\n\nUse the [Vertex AI SDK for Python](/vertex-ai/docs/python-sdk/use-vertex-ai-python-sdk) to programmatically automate your\nVertex AI workflow.\n\nThe Vertex AI SDK for Python is similar to the Vertex AI Python client\nlibrary, except the SDK is higher-level and less granular. For more\ninformation, see the [Understand the SDK and client library\ndifferences](/vertex-ai/docs/python-sdk/use-vertex-ai-python-sdk#sdk-vs-client-library).\n\nTo get started, see [Install the Vertex AI SDK](/vertex-ai/docs/start/install-sdk).\n\n### Client libraries\n\nClient libraries use each supported language's natural conventions to call the\nVertex AI API and reduce boilerplate code that you have to write.\n\nThe following languages are supported for Vertex AI:\n\n- Python. The Vertex AI Python client library is installed when you\n install the [Vertex AI SDK for Python](/vertex-ai/docs/python-sdk/use-vertex-ai-python-sdk).\n\n- Java\n\n- Node.js\n\n- C#\n\n- Go\n\nFor more information, see [Install the Vertex AI client libraries](/vertex-ai/docs/start/client-libraries).\n\n### REST\n\nThe Vertex AI REST API provides RESTful services for managing jobs,\nmodels, and endpoints, and for making inferences with hosted models\non Google Cloud.\n\nUse the REST API if you need to use your own libraries to call the\nVertex AI API from your application.\n\nTo get started, see the [Vertex AI API REST reference](/vertex-ai/docs/reference/rest).\n\nWhat's next\n-----------\n\n- [Set up a project and a development environment](/vertex-ai/docs/start/cloud-environment).\n- [Choose a training method](/vertex-ai/docs/start/training-methods).\n- Tutorials for [Image](/vertex-ai/docs/tutorials/image-classification-automl/overview), [Tabular](/vertex-ai/docs/tutorials/tabular-automl/overview), and [Custom training](/vertex-ai/docs/tutorials/image-classification-custom/overview).\n- Learn [best practices for implementing custom-trained ML models on\n Vertex AI](/architecture/ml-on-gcp-best-practices)."]]
