メイン コンテンツにスキップ
ドキュメント
テクノロジー分野
close
AI と ML
アプリケーション開発
アプリケーションのホスティング
コンピューティング
データ分析とパイプライン
データベース
分散型クラウド、ハイブリッド クラウド、マルチクラウド
生成 AI
業種別ソリューション
ネットワーキング
オブザーバビリティとモニタリング
セキュリティ
Storage
プロダクト横断型のツール
close
アクセスとリソースの管理
費用と使用量の管理
Google Cloud SDK、言語、フレームワーク、ツール
Infrastructure as code
移行
関連サイト
close
Google Cloud のホーム
無料トライアルと無料枠
アーキテクチャ センター
ブログ
お問い合わせ
Google Cloud Developer Center
Google Developer Center
Google Cloud Marketplace
Google Cloud Marketplace のドキュメント
Google Cloud Skills Boost
Google Cloud Solutions Center
Google Cloud サポート
YouTube の Google Cloud Tech チャンネル
/
English
Deutsch
Español
Español – América Latina
Français
Indonesia
Italiano
Português
Português – Brasil
中文 – 简体
中文 – 繁體
日本語
한국어
コンソール
ログイン
Vertex AI
ガイド
リファレンス
サンプル
サポート
リソース
お問い合わせ
無料で利用開始
ドキュメント
ガイド
リファレンス
サンプル
サポート
リソース
テクノロジー分野
その他
プロダクト横断型のツール
その他
関連サイト
その他
コンソール
お問い合わせ
無料で利用開始
Discover
概要
Vertex AI の概要
Vertex AI での MLOps
Vertex AI のインターフェース
Vertex AI 初心者向けガイド
AutoML モデルをトレーニングする
カスタムモデルのトレーニング
カスタムモデルから推論を取得する
Vertex AI と Python SDK を使用してモデルをトレーニングする
はじめに
前提条件
ノートブックを作成する
データセットの作成
トレーニング スクリプトを作成する
モデルをトレーニングする
推論を行う
統合された ML フレームワーク
PyTorch
TensorFlow
BigQuery ユーザー用の Vertex AI
用語集
使ってみる
プロジェクトと開発環境を設定する
Vertex AI SDK for Python をインストールする
トレーニング方法を選択する
チュートリアルを試す
チュートリアルの概要
AutoML のチュートリアル
Hello 画像データ
概要
プロジェクトと環境を設定する
データセットを作成して画像をインポートする
AutoML 画像分類モデルをトレーニングする
モデルのパフォーマンスを評価して分析する
エンドポイントにモデルをデプロイして推論を行う
プロジェクトをクリーンアップする
Hello 表形式データ
概要
プロジェクトと環境を設定する
データセットを作成して AutoML 分類モデルをトレーニングする
モデルをデプロイして推論をリクエストする
プロジェクトをクリーンアップする
カスタム トレーニング チュートリアル
カスタム表形式モデルをトレーニングする
TensorFlow Keras 画像分類モデルをトレーニングする、
概要
プロジェクトと環境を設定する
カスタム画像分類モデルをトレーニングする
カスタム画像分類モデルから取得した予測情報の提供
プロジェクトをクリーンアップする
カスタムデータを使用して画像分類モデルを微調整する
カスタム トレーニング ノートブックのチュートリアル
Terraform を使用してユーザー管理ノートブック インスタンスを作成する
生成 AI と LLM を使用する
生成 AI について
Vertex AI 開発ツールを使用する
開発ツールの概要
Vertex AI SDK を使用する
概要
Vertex AI SDK for Python の概要
Vertex AI SDK for Python のクラス
Vertex AI SDK クラスの概要
データクラス
トレーニング クラス
モデル クラス
予測クラス
トラッキング クラス
ノートブックで Vertex AI を使用する
ノートブック ソリューションを選択する
Colab Enterprise
クイックスタート: コンソールでノートブックを作成する
ランタイムに接続する
ランタイムとランタイム テンプレートを管理する
ランタイム テンプレートを作成する
ランタイムを作成する
Vertex AI Workbench
はじめに
ノートブック チュートリアル
使ってみる
コンソールを使用してインスタンスを作成する
ノートブックの実行スケジュールを設定する
インスタンスを設定する
インスタンスを作成する
インスタンスの特定のバージョンを作成する
ユーザー認証情報アクセス権を持つインスタンスを作成する
Confidential Computing を使用してインスタンスを作成する
conda 環境を追加する
アイドル状態でのシャットダウン
カスタム コンテナを使用してインスタンスを作成する
Dataproc が有効になっているインスタンスを作成する
サードパーティの認証情報を使用してインスタンスを作成する
メタデータを通じて機能を管理する
予約を使用する
データに接続
JupyterLab 内から BigQuery 内のデータにクエリを実行する
JupyterLab で Cloud Storage バケットとファイルにアクセスする
データを探索、可視化
BigQuery でデータを探索、可視化
メンテナンス
conda 環境を管理する
バックアップと復元
ノートブックを GitHub に保存する
スナップショットを使用する
Cloud Storage を使用
インスタンスのシャットダウン
インスタンスの環境をアップグレードする
SSH を使用して JupyterLab にアクセスする
データを新しいインスタンスに移行する
マシンタイプを変更して GPU を構成する
Terraform を使用してリソースをプロビジョニングする
モニタリング
ヘルス ステータスをモニタリングする
アクセスを制御する
アクセス制御
インスタンスへのアクセスを管理する
インスタンスの JupyterLab インターフェースへのアクセスを管理する
顧客管理の暗号鍵を使用する
サービス境界内でインスタンスを使用する
Vertex AI Workbench のトラブルシューティング
Vertex AI Workbench リリースノート
マネージド ノートブック
マネージド ノートブックの概要
使ってみる
Cloud コンソールを使用してマネージド ノートブック インスタンスを作成する
マネージド ノートブックの実行をスケジュールする
マネージド ノートブック インスタンスを設定する
マネージド ノートブック インスタンスを作成する
カスタム コンテナを使用してインスタンスを作成する
Dataproc クラスタでマネージド ノートブック インスタンスを実行する
マネージド ノートブックで Dataproc Serverless Spark を使用する
アイドル状態でのシャットダウン
マネージド ノートブックのバージョン
データに接続
JupyterLab 内から BigQuery 内のデータにクエリを実行する
JupyterLab で Cloud Storage バケットとファイルにアクセスする
データを探索、可視化
概要
BigQuery でデータを探索、可視化
モデルを開発する
マネージド ノートブック インスタンスでのモデル開発
デプロイ
エグゼキュータでノートブック ファイルを実行する
パラメータを使用してノートブックを実行する
メンテナンス
Vertex AI Workbench インスタンスに移行する
ノートブックを GitHub に保存する
マネージド ノートブック インスタンスのマシンタイプを変更して GPU を構成する
マネージド ノートブック インスタンスの環境をアップグレードする
新しいマネージド ノートブック インスタンスにデータを移行する
モニタリング
監査ロギング
アクセスを制御する
アクセス制御
インスタンスへのアクセスを管理する
インスタンスの JupyterLab インターフェースへのアクセスを管理する
顧客管理の暗号鍵を使用する
ネットワークを設定する
サービス境界内でマネージド ノートブック インスタンスを使用する
マネージド ノートブックのトラブルシューティング
ユーザー管理のノートブック
ユーザー管理ノートブックの概要
使ってみる
Cloud コンソールを使用してユーザー管理のノートブック インスタンスを作成する
ユーザー管理のノートブック インスタンスを設定する
ユーザー管理ノートブック インスタンスの作成
インスタンスの特定のバージョンを作成する
パッチとサポートの終了日以降にインスタンスを作成する
依存関係をインストールする
仮想マシンイメージを選択する
カスタム コンテナを使用してインスタンスを作成する
Exploreデータ
Google Cloud の R によるデータ サイエンス: 探索的データ分析についてのチュートリアル
モニタリング
ヘルス ステータスをモニタリングする
監査ロギング
アクセスを制御する
アクセス制御
インスタンスへのアクセスを管理する
インスタンスの JupyterLab インターフェースへのアクセスを管理する
顧客管理の暗号鍵
サービス境界内でユーザー管理ノートブック インスタンスを使用する
ユーザー管理のノートブックでシールドされた仮想マシンを使用する
チュートリアル: VPC ネットワーク内にノートブック インスタンスを作成する
メンテナンス
Vertex AI Workbench インスタンスに移行する
ノートブックを GitHub に保存する
スナップショットを使用してデータをバックアップする
ユーザー管理ノートブック インスタンスをシャットダウンする
ユーザー管理ノートブック インスタンスのマシンタイプを変更して GPU を構成する
ユーザー管理ノートブック インスタンスの環境をアップグレードする
新しいユーザー管理ノートブック インスタンスにデータを移行する
Notebooks API を使用して以前のインスタンスを登録する
SSH を使用して JupyterLab にアクセスする
ユーザー管理のノートブックのトラブルシューティング
Vertex AI の Terraform サポート
予測 AI モデルの開発
概要
AutoML モデルの開発
AutoML トレーニングの概要
画像データ
分類
データの準備
データセットを作成
モデルをトレーニング
モデルの評価
予測の取得
結果の解釈
オブジェクト検出
データの準備
データセットを作成
モデルをトレーニング
モデルの評価
予測の取得
結果の解釈
Base64 で画像データをエンコードする
AutoML Edge モデルをエクスポートする
表形式データ
概要
表形式データの概要
Tabular Workflows
概要
特徴量エンジニアリング
エンドツーエンドの AutoML
概要
モデルをトレーニングする
オンライン推論を取得する
バッチ推論を取得する
TabNet
概要
モデルをトレーニングする
オンライン推論を取得する
バッチ推論を取得する
ワイド＆ディープ
概要
モデルをトレーニングする
オンライン推論を取得する
バッチ推論を取得する
予測
概要
モデルをトレーニングする
オンライン推論を取得する
バッチ推論を取得する
料金
サービス アカウント
割り当てを管理
AutoML で分類と回帰を行う
概要
クイックスタート: AutoML 分類（Cloud コンソール）
トレーニング データを準備
データセットの作成
モデルをトレーニングする
モデルの評価
モデル アーキテクチャを表示する
オンライン推論を取得する
バッチ推論を取得する
モデルのエクスポート
AutoML を使用した予測を実行する
概要
トレーニング データを準備
データセットの作成
モデルをトレーニングする
モデルの評価
推論を取得する
階層予測
ARIMA+ を使用した予測を実行する
Prophet を使用した予測を実行する
エンティティ調整を実行する
分類と回帰のための特徴アトリビューション
予測の特徴アトリビューション
表形式の AutoML データのデータ型と変換
予測用のトレーニング パラメータ
表形式データのデータ分割
表形式のトレーニング データを作成するためのベスト プラクティス
TimeSeries Insights を使用して予測する
AutoML Edge モデルをトレーニングする
コンソールの使用
API の使用
AutoML Text（従来版）
AutoML Text から Gemini に移行する
AutoML テキスト ユーザー向けの Gemini
テキストデータ
分類