Recensioni e Dettagli del Prodotto Vertex AI

Quello che mi piace di più di Vertex AI è come unifica l'intero flusso di lavoro del machine learning — dalla preparazione dei dati e l'addestramento fino al deployment e al monitoraggio. Lo abbiamo utilizzato per ottimizzare la nostra pipeline di ML, e l'integrazione con BigQuery e Google Cloud Storage rende la gestione dei dati incredibilmente efficiente. L'interfaccia utente è intuitiva, ed è facile passare dalla sperimentazione senza codice allo sviluppo di modelli personalizzati su larga scala. Recensione raccolta e ospitata su G2.com.

Alcune configurazioni avanzate possono essere complesse all'inizio, specialmente per impostare lavori di addestramento personalizzati o regolare gli iperparametri. Anche i costi possono diventare elevati con il frequente riaddestramento del modello. La documentazione è completa ma a volte frammentata in diverse sezioni di Google Cloud, il che può rallentare la configurazione per i nuovi utenti. Recensione raccolta e ospitata su G2.com.

L'integrazione senza soluzione di continuità con BigQuery e la capacità di distribuire i modelli Gemini istantaneamente tramite il Model Garden lo rendono il modo più veloce per costruire AI di livello aziendale. Recensione raccolta e ospitata su G2.com.

La struttura di fatturazione è incredibilmente confusa e i costi per gli endpoint inattivi possono sfuggire al controllo se non monitori le tue quote quotidianamente. Recensione raccolta e ospitata su G2.com.

Vertex AI è davvero facile da usare, soprattutto rispetto ad altri servizi cloud e studi di intelligenza artificiale. Mi piace come si possa personalizzare molto facilmente, e ho creato alcuni agenti come un agente debugger, che funziona davvero bene. È anche utile per creare agenti e ottenere chiavi API facilmente, rendendolo uno strumento molto valido da utilizzare. Recensione raccolta e ospitata su G2.com.

Sento che il processo di autenticazione potrebbe essere più semplice. Quando utilizzo le chiavi API di Vertex, devo usare la doppia autenticazione, come OAuth 2, che è un po' difficile da configurare. Inoltre, configurare le API e le integrazioni è un po' più complicato, poiché richiede la doppia autenticazione con OAuth 2 e un account di servizio. Recensione raccolta e ospitata su G2.com.

Quello che mi piace di più è quanto sia facile gestire l'intero flusso di lavoro del machine learning in un unico posto. Dall'addestramento al deployment, tutto è ben integrato con gli altri strumenti di Google Cloud. L'interfaccia è semplice e le funzionalità di automazione fanno risparmiare molto tempo quando si gestiscono più modelli. Recensione raccolta e ospitata su G2.com.

A volte i prezzi possono essere un po' confusi, specialmente quando si lavora con grandi set di dati o lavori di addestramento lunghi. Inoltre, la documentazione potrebbe essere più approfondita in alcune aree per i principianti. È potente, ma i nuovi utenti potrebbero aver bisogno di un po' di tempo per abituarsi. Recensione raccolta e ospitata su G2.com.

Vertex AI rende sorprendentemente semplice passare dalla sperimentazione alla produzione. Apprezzo molto l'integrazione con il resto dei servizi di Google Cloud—BigQuery, Dataflow e Cloud Storage si connettono senza problemi, il che fa risparmiare molto tempo nella preparazione e nel deployment dei modelli. Come appassionato di cloud, apprezzo anche come Vertex AI offra notebook Jupyter gestiti, AutoML e API pre-addestrate che abbassano la barriera per team di diversi livelli tecnici. Sembra un vero ecosistema end-to-end per il machine learning e l'AI. Recensione raccolta e ospitata su G2.com.

La curva di apprendimento può essere ripida all'inizio, soprattutto per chi è nuovo al modo di organizzare le risorse di Google Cloud. Anche la trasparenza dei prezzi potrebbe migliorare; i costi possono aumentare rapidamente se non si impostano quote o monitoraggio. Alcune funzionalità, come l'orchestrazione avanzata delle pipeline o i lavori di addestramento personalizzati, possono sembrare un po' opprimenti senza una documentazione solida o un'esperienza precedente in ML Ops. Recensione raccolta e ospitata su G2.com.

Utilizzo Vertex AI per implementare funzionalità AI come la ricerca semantica e apprezzo come mi aiuti a scalare le funzionalità molto rapidamente. Lo uso principalmente per aggiungere chatbot, essenziali per il nostro supporto clienti 24/7 e per l'onboarding degli utenti, e per il riconoscimento delle immagini, che automatizza l'inserimento dei dati, risparmiando tempo e risorse preziose sia per noi che per i nostri clienti. Apprezzo anche l'API pre-costruita, che semplifica il mio flusso di lavoro. Recensione raccolta e ospitata su G2.com.

Non mi piace dover configurare gli account di servizio in Google Cloud per ottenere una chiave API; altri come OpenAI ti permettono di copiare e incollare una chiave ed è qualcosa che preferisco. Inoltre, la dashboard sembra sovraccarica con troppi menu. Recensione raccolta e ospitata su G2.com.

Quello che mi piace di più di Vertex AI è come riunisce l'addestramento dei modelli, il deployment e la sperimentazione in un'unica piattaforma ben integrata. L'interfaccia utente rende più facile esplorare modelli di AI generativa, notebook e pipeline senza dover configurare troppa infrastruttura come studente. Recensione raccolta e ospitata su G2.com.

Uno svantaggio di Vertex AI è la curva di apprendimento iniziale, soprattutto per gli utenti che sono nuovi ai concetti di Google Cloud come progetti, IAM e fatturazione. Alcune funzionalità sembrano molto orientate alle imprese, il che può essere opprimente per studenti o singoli apprendisti. Recensione raccolta e ospitata su G2.com.

Mi piace la sua integrazione senza soluzione di continuità con lo stack GCP e la flessibilità che offre ai nostri ingegneri di visione artificiale e AI. Vertex AI rende facile esporre il nostro carico di lavoro al modello per l'analisi, soprattutto perché i nostri agenti AI e i carichi di lavoro AI sono su GCP. L'installazione iniziale è stata facile perché avevamo un team di supporto Google disponibile ad assisterci. Recensione raccolta e ospitata su G2.com.

Costo. Se possiamo ottenere sconti migliori, sarà più facile spostare tutto il carico di lavoro su Vertex. Come AWS offre sconti sui piani di risparmio e sulle istanze riservate, sarebbe utile avere tali sconti anche su Google. Recensione raccolta e ospitata su G2.com.

Mi piace come Vertex AI sia una piattaforma completa per costruire, addestrare e distribuire modelli di machine learning. Mi rende facile addestrare, distribuire e operare modelli ML, e rimuove efficacemente il divario tra sperimentazione e produzione. Mi piace anche la funzione di archiviazione cloud e apprezzo che fornisca lo stesso ambiente per addestramento, versionamento, distribuzione e monitoraggio invece di utilizzare piattaforme diverse per ciascun processo. L'impostazione iniziale è stata molto facile, il che è un grande vantaggio. Recensione raccolta e ospitata su G2.com.

Vorrei più percorsi iniziali e configurazioni predefinite semplificate per casi d'uso comuni. Recensione raccolta e ospitata su G2.com.

Vertex AI riunisce l'intero ciclo di vita del machine learning in un unico luogo: preparazione dei dati, addestramento del modello, ottimizzazione degli iperparametri, distribuzione e monitoraggio. Questo evita di dover integrare insieme più strumenti. Funziona molto bene con BigQuery, Cloud Storage, Dataflow e Looker. Per i team già su GCP, questo riduce lo sforzo di configurazione e migliora le prestazioni. Recensione raccolta e ospitata su G2.com.

I lavori di addestramento, gli endpoint, AutoML e i modelli di AI generativa possono diventare costosi se non vengono monitorati e ottimizzati con attenzione. Per i principianti, Vertex AI può sembrare complesso a causa dei numerosi servizi, configurazioni e concetti specifici di GCP. Recensione raccolta e ospitata su G2.com.