statmike/vertex-ai-mlops

解決する課題

このプロジェクトは、Google Cloud Platform (GCP) 上で機械学習オペレーション (MLOps) と生成 AI を実装するための、実践的でインタラクティブなワークフローの包括的なライブラリを提供します。AI モデルとエージェントのトレーニング、サービング、管理のための適応可能な開始点を提供することで、理論的なドキュメントと本番環境で堅牢なコードのギャップを埋めます。

仕組み

このリポジトリは、専門的なトラックに編成された 470 以上のインタラクティブなノートブックで構成されています：

• MLOps：サービング (vLLM, Triton) 、フィーチャーストア (マネージドおよび Bigtable ベース) 、KFP パイプライン、モデル監視など、トレーニングから本番環境までの完全なライフサイクルをカバーします。
• Data + AI：BigQuery、Dataflow、Dataproc などのデータサービスに AI 機能を直接統合し、データが存在する場所で推論を行えるようにします。
• Applied GenAI：高度な RAG パイプライン、マルチモーダルプロンプト、11 種類の異なる GCP データベースにまたがるベクトル検索、グラウンディング検証を実装します。
• Applied Forecasting：BQML から TimesFM などの基盤モデルまでを使用した時系列予測の学習パスを提供します。
• Framework Workflows：PyTorch、Keras、CatBoost、R のエンドツーエンドのパターンを示し、共通のモデルレジストリと予測エンドポイントを共有します。
• Applied ML：AI エージェント (ADK と MCP を使用) 、ドキュメント処理、Vertex AI Vizier を介したブラックボックス最適化のプロトタイプを備えています。

対象者

Google Cloud で AI アプリケーションを構築しており、現実の AI ワークフローのためにさまざまな GCP サービスをどのようにオーケストレーションするかについて、具体的で実践的な例を必要とするデータサイエンティスト、ML エンジニア、クラウドアーキテクト。

ハイライト

• 大規模：GCP AI サービスの広範な配列をカバーする 470 以上のインタラクティブなノートブック。
• 深い統合：Vertex AI と BigQuery、Spanner、AlloyDB、GKE を組み合わせる方法を示します。
• エージェントフォーカス：Agent Engine と ADK を使用したモダンな AI エージェントワークフローが含まれています。
• RAG の専門化：複数のデータベースバックエンドにまたがるチャンク化、ランク付け、ベクトル検索に関する詳細なガイド。