statmike/vertex-ai-mlops

解决的问题

本项目提供了一套全面的实用、交互式工作流程库，用于在 Google Cloud Platform (GCP) 上实施机器学习运维 (MLOps) 和生成式 AI。它通过为训练、服务和管理 AI 模型及智能体提供可调整的起点，弥合了理论文档与生产级代码之间的差距。

运作方式

该代码库包含超过 470 个交互式笔记本，并组织为多个专业领域轨道：

• MLOps：涵盖从训练到生产的完整生命周期，包括服务 (vLLM, Triton)、特征存储 (托管和基于 Bigtable) 、KFP 流水线和模型监控。
• Data + AI：将 AI 函数直接集成到 BigQuery、Dataflow 和 Dataproc 等数据服务中，将推理带到数据所在之处。
• Applied GenAI：实现高级 RAG 流水线、多模态提示、跨 11 种不同 GCP 数据库的向量搜索以及基础验证。
• Applied Forecasting：提供使用从 BQML 到 TimesFM 等基础模型进行时间序列预测的学习路径。
• Framework Workflows：展示 PyTorch、Keras、CatBoost 和 R 的端到端模式，共享通用的模型注册表和预测端点。
• Applied ML：包含 AI 智能体 (使用 ADK 和 MCP) 、文档处理以及通过 Vertex AI Vizier 进行黑盒优化的原型。

适用对象

正在 Google Cloud 上构建 AI 应用，且需要具体、实操示例来了解如何协调各种 GCP 服务以进行真实世界 AI 工作流程的数据科学家、ML 工程师和云架构师。

亮点

• 大规模：超过 470 个交互式笔记本，涵盖广泛的 GCP AI 服务。
• 深度集成：展示如何将 Vertex AI 与 BigQuery、Spanner、AlloyDB 和 GKE 结合使用。
• 智能体焦点：包含使用 Agent Engine 和 ADK 的现代 AI 智能体工作流程。
• RAG 专业化：提供跨多个数据库后端的分块、排序和向量搜索的详细指南。