Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Vertex AI 試してみた / tried-vertex-ai
Search
Sponsored
·
Ship Features Fearlessly
Turn features on and off without deploys. Used by thousands of Ruby developers.
→
kasacchiful
PRO
April 24, 2022
Programming
0
500
Vertex AI 試してみた / tried-vertex-ai
2022/04/24 (日) Python機械学習勉強会 in 新潟で発表した資料です。
kasacchiful
PRO
April 24, 2022
Tweet
Share
More Decks by kasacchiful
See All by kasacchiful
Amazon Q Developer CLI (現Kiro CLI) で作った 新潟ランチマップWebアプリのこれまでとこれから / 20260207jawsug-tochigi
kasacchiful
PRO
0
54
Amazon SageMaker Catalogの、AIエージェントによる自動データ分類機能を試してみようとしたが、できなかったので、代わりに最近構築したデータ連携基盤を紹介します / 20260117jawsug-fukui
kasacchiful
PRO
0
43
データファイルをAWSのDWHサービスに格納する / 20251115jawsug-tochigi
kasacchiful
PRO
2
240
テーブル定義書の構造化抽出して、生成AIでDWH分析を試してみた / devio2025tokyo
kasacchiful
PRO
0
740
ワイがおすすめする新潟の食 / 20250912jasst-niigata-lt
kasacchiful
PRO
0
48
WorkersでDiscord botを試してみた / 20250822workers-tech-talk-niigata
kasacchiful
PRO
1
100
地域コミュニティへの「感謝」と「恩返し」 / 20250726jawsug-tochigi
kasacchiful
PRO
0
270
Amazon Q Developer for CLI を使って PHP Conference 新潟 2025 参加者向けにグルメサイトを構築した話 / 20250620niigata-5min-tech
kasacchiful
PRO
1
150
ワイがおすすめする新潟の食 / 20250530phpconf-niigata-eve
kasacchiful
PRO
0
500
Other Decks in Programming
See All in Programming
How to stabilize UI tests using XCTest
akkeylab
0
110
Claude Codeログ基盤の構築
giginet
PRO
7
2.5k
AIとペアプロして処理時間を97%削減した話 #pyconshizu
kashewnuts
1
220
最初からAWS CDKで技術検証してもいいんじゃない?
akihisaikeda
4
120
grapheme_strrev関数が採択されました(あと雑感)
youkidearitai
PRO
1
210
AI活用のコスパを最大化する方法
ochtum
0
130
社内規程RAGの精度を73.3% → 100%に改善した話
oharu121
13
7.9k
S3ストレージクラスの「見える」「ある」「使える」は全部違う ─ 体験から見た、仕様の深淵を覗く
ya_ma23
0
290
AIに任せる範囲を安全に広げるためにやっていること
fukucheee
0
130
どんと来い、データベース信頼性エンジニアリング / Introduction to DBRE
nnaka2992
1
270
エラーログのマスキングの仕組みづくりに役立ったASTの話
kumoichi
0
170
DSPy入門 Pythonで実現する自動プロンプト最適化 〜人手によるプロンプト調整からの卒業〜
seaturt1e
1
670
Featured
See All Featured
Imperfection Machines: The Place of Print at Facebook
scottboms
269
14k
技術選定の審美眼(2025年版) / Understanding the Spiral of Technologies 2025 edition
twada
PRO
118
110k
Abbi's Birthday
coloredviolet
2
5.3k
Product Roadmaps are Hard
iamctodd
PRO
55
12k
What’s in a name? Adding method to the madness
productmarketing
PRO
24
4k
Getting science done with accelerated Python computing platforms
jacobtomlinson
2
140
実際に使うSQLの書き方 徹底解説 / pgcon21j-tutorial
soudai
PRO
199
73k
Mozcon NYC 2025: Stop Losing SEO Traffic
samtorres
0
170
We Have a Design System, Now What?
morganepeng
55
8k
Optimising Largest Contentful Paint
csswizardry
37
3.6k
Crafting Experiences
bethany
1
81
[RailsConf 2023] Rails as a piece of cake
palkan
59
6.4k
Transcript
Vertex AI ࢼͯ͠Έͨ Python ػցֶशษڧձ in ৽ׁ 2022-04-24 @kasacchiful
Classmethod, Inc. Solutions Architect / Software Develper Favorite: Community: •
JAWS-UG Niigata • Python ML in Niigata • JaSST Niigata • ASTER • SWANII • etc. Hiroshi Kasahara @kasacchiful @kasacchiful 2
MLOpsͱԿ͔ʁ
MLOps • ػցֶशϓϩδΣΫτΛԁʹਐΊΔͨΊͷऔΓΈɾମ੍ɾࢥ • ػցֶशνʔϜ / ։ൃνʔϜ / ӡ༻νʔϜ ͕͓ޓ͍ʹڠௐ͠߹͏͜ͱ
ͰɺػցֶशϞσϧͷ࣮͔Βӡ༻·ͰͷϥΠϑαΠΫϧΛԁʹਐ ΊɺܧଓతʹՁΛఏڙ͢Δ͜ͱΛతʹͯ͠Δ • DevOpsͷػցֶशϓϩδΣΫτ൛ • ʮ։ൃαΠΫϧͷॖʯʮ։ൃࣗମͷਝԽʯʮ৴པੑߴ͍ϦϦʔεʯ ΛMLϓϩδΣΫτʹ
MLγεςϜͷཁૉ IUUQTDMPVEHPPHMFDPNBSDIJUFDUVSFNMPQTDPOUJOVPVTEFMJWFSZBOEBVUPNBUJPOQJQFMJOFTJONBDIJOFMFBSOJOH
MLOps Life Cycle IUUQTOFBMBOBMZUJDTDPNFYQFSUJTFNMPQT
Continuous Delivery for Machine Learning end- to-end Process IUUQTNBSUJOGPXMFSDPNBSUJDMFTDENMIUNM
MLOpsΠϯϑϥج൫ʹඞཁͳ͜ͱ • σʔλιʔεͱɺ͔ͦ͜Βੜ͞ΕΔσʔληοτͷཧ • ֶशࡁϞσϧͷཧ • CI / CDؚΜͩMLσϦόϦύΠϓϥΠϯ •
Ұ࿈ͷδϣϒΛ؆୯ʹճͨ͢Ίͷίϯςφ
Ұ͔Βߏங͢ΔͷେมͳͷͰ ΫϥυαʔϏε͍͍ͨ
MLOpsؔ࿈αʔϏε • AWS • Amazon SageMaker • Google Cloud •
Vertex AI • Azure • Azure Machine Learning
IUUQTQBHFTBXTDMPVEDPNST5;.JNBHFT@"84Ͱߏங͢Δ.-0QTج൫@൛@@"*.-5PLZPQEG
IUUQTDMPVEHPPHMFDPNCMPHKBUPQJDTEFWFMPQFSTQSBDUJUJPOFSTOFXNMMFBSOJOHQBUIWFSUFYBJ
ࠓճVertex AIΛࢼͯ͠Έͨ
Vertex AIࢼͯ͠Έͨ • ϞσϧͷτϨʔχϯάɺσϓϩΠɺςετΛҰ௨Γࢼ͢ • AutoMLͷΫΠοΫελʔτΛϕʔεʹ࣮ࢪ • https://cloud.google.com/automl-tables/docs/quickstart?hl=ja • දܗࣜσʔλͷྨ
σʔληοτ
σʔληοτ
σʔληοτ
τϨʔχϯά
τϨʔχϯά
τϨʔχϯά
τϨʔχϯά
σϓϩΠ
σϓϩΠ
σϓϩΠ
σϓϩΠ
ςετ
curlͰࢼ͢ curl -X POST \ -H "Authorization: Bearer $(gcloud auth
print-access-token)" \ -H "Content-Type: application/json" \ https://asia-northeast1-aiplatform.googleapis.com/v1/projects/${PROJECT_ID}/locations/asia-northeast1/endpoints/${ENDPOINT_ID}:predict \ -d “@${INPUT_DATA_FILE} " { "predictions": [ { "classes": [ "1" , "2 " ] , "scores": [ 0.98835468292236328 , 0.0116453049704432 5 ] } ] , "deployedModelId": "8383556259466444800" , "model": "projects/1066851579090/locations/asia-northeast1/models/6083061274810253312" , "modelDisplayName": "sample_tabular_dataset_model " }
ύΠϓϥΠϯ • kube fl ow pipelines ͘͠ Tensor fl ow
Extended ͰύΠϓϥ ΠϯΛهࡌͯ͠ɺVertex AIʹొ IUUQTDMPVEHPPHMFDPNCMPHKBQSPEVDUTBJNBDIJOFMFBSOJOHTFSWFSMFTTNBDIJOFMFBSOJOHQJQFMJOFTPOHPPHMFDMPVE
MLOpsΠϯϑϥج൫ʹඞཁͳ͜ͱ • σʔλιʔεͱɺ͔ͦ͜Βੜ͞ΕΔσʔληοτͷཧ • Vertex AIͰ֤छσʔληοτΛཧͰ͖Δ • ֶशࡁϞσϧͷཧ • Ϟσϧͷόʔδϣϯͷཧ͕Մೳ
• CI / CDؚΜͩMLσϦόϦύΠϓϥΠϯ • kebe fl ow pipelines͘͠Tensor fl ow ExtendedͰߏஙՄೳ • Ұ࿈ͷδϣϒΛ؆୯ʹճͨ͢Ίͷίϯςφ • طଘͷίϯςφར༻ͷ΄͔ɺΧελϜίϯςφ༻Մೳ
SageMaker / Vertex AI ͷػೳ σʔληοτ ͷ࡞ ਓྗʹΑΔΞ ϊςʔγϣϯ ࢧԉ
ಛྔϦϙδ τϦ ύΠϓϥΠϯ ϞσϧͷධՁ σϓϩΠ ϞχλϦϯά 4BHF.BLFS 4BHF.BLFS %BUB 8SBOHMFS 4BHF.BLFS (SPVOE5SVU I 4BHF.BLFS 'FBUVSF 4UPSF 4BHF.BLFS 1JQFMJOF 4BHF.BLFS %FCVHHFS 4BHF.BLFS $MBSJGZ όονਪ˓ ϦΞϧλΠϜ ਪ˓ 4BHF.BLFS .PEFM .POJUFS 7FSUFY"* σʔληοτ ϥϕϧλε Ϋ 7FSUFY"* 'FBUVSF 4UPSF 7FSUFY"* 1JQFMJOF ϞσϧͷධՁ όονਪ˓ ϦΞϧλΠϜ ਪ˓ 7FSUFY"* .POJUPSJOH
ॴײ • ݁ߏGUI্Ͱૢ࡞Ͱ͖Δ͠ɺΘ͔Γ͍͢ • ಛʹAutoML • Vertex AIͷPython SDK͕༻ҙ͞ΕͯΔͷͰɺίʔυͰཧͰ͖Δ •
SageMakerPython SDK͕͋Δ • ଞͷGoogle CloudαʔϏεͱͷ࿈ܞํ๏͕Α͘Θ͔Βͳ͍ (ଟͰ͖Δ ΜͩΖ͏͚Ͳ)
·ͱΊ • MLγεςϜߏஙͷࡍɺMLίʔυҎ֎ͷཁૉଟ͘ɺ࣌ؒखؒ ͔͔Δɻ • ΫϥυαʔϏεͷMLOpsؔ࿈ͷαʔϏεΛ͏·͘͏͜ͱͰɺ࿑ ྗΛগͳͯ͘͠MLγεςϜΛߏஙɾӡ༻͢Δ͜ͱ͕Մೳ
͓͠·͍