Prós e Contras de Vertex AI Notebooks

Conexão de Banco de Dados Interno/SharePoint: Isso se refere à conexão de um banco de dados ou sistema SharePoint dentro da rede interna de uma organização. Envolve a configuração de conexões seguras, muitas vezes usando APIs ou interfaces personalizadas, para consultar, recuperar e atualizar dados armazenados nesses sistemas.

Conexão a Vários Serviços do GCP: A Google Cloud Platform (GCP) fornece serviços como BigQuery, Cloud Storage e Pub/Sub. Estabelecer conexões com esses serviços envolve o uso de SDKs do GCP, autenticação por meio de contas de serviço e chamadas de API para gerenciar e processar dados.

Conexão do JupyterLab via VS Code: O JupyterLab é frequentemente usado para ciência de dados. No VS Code, você pode se conectar ao JupyterLab usando a extensão Python que suporta notebooks Jupyter. Isso permite codificar, testar e visualizar o conteúdo do notebook diretamente no VS Code, combinando os benefícios de um IDE e notebooks Jupyter para uma experiência perfeita. Análise coletada por e hospedada no G2.com.

Nos notebooks do Vertex AI, a conexão pode ser desconectada após ficar inativa por algum tempo devido a timeouts de sessão ou gerenciamento de recursos no Google Cloud. Isso é comum em ambientes baseados em nuvem, onde sessões inativas são frequentemente encerradas para liberar recursos. Quando você tenta reconectar, o sistema às vezes solicita que você limpe o espaço de trabalho para liberar recursos ou redefina o ambiente para uma nova sessão. Este processo garante que o notebook possa restabelecer uma conexão e operar suavemente, eliminando potenciais conflitos ou sobrecargas de memória de estados anteriores. Análise coletada por e hospedada no G2.com.

Colabore com diferentes equipes em tempo real.

Escalonamento automático de recursos.

Integração com serviços do Google Cloud, como BigQuery, Cloud Storage e Pub/Sub.

Muitos APIs, serviços gerenciados. Análise coletada por e hospedada no G2.com.

Customização limitada no GCP. Dependência dos serviços do Google Cloud. A documentação é insuficiente. Análise coletada por e hospedada no G2.com.

Acesso fácil ao BigQuery Studio, buckets na nuvem, etc. O Vertex AI fornece uma facilidade de autoML na qual algoritmos de IA/ML pré-construídos estão disponíveis para uso direto. Ele nos oferece várias opções de notebooks de acordo com nossos requisitos de negócios, como Python, Pyspark, Pytorch, R, Tensor Flow e XGBoost, etc. Análise coletada por e hospedada no G2.com.

Seu poder de computação/processamento é muito menor em comparação com o Big Query Studio. Análise coletada por e hospedada no G2.com.

Estou trabalhando na Mahindra como engenheiro de nuvem, todos os casos de uso que temos na nossa empresa eu trabalharei, como implantar aplicações em instâncias de computação, GKE e passar o serviço para o Cloud Run também. E na parte de análise de dados: usamos o Cloud Composer, BigQuery, DataProc Cluster... como armazenamento usamos o Cloud Spanner, GCS, SQL... no lado da interface e serviço, o Google Cloud está ok. Análise coletada por e hospedada no G2.com.

A interface do Google Cloud para IAM relacionada não é boa, a velocidade também não é boa do lado da rede. A equipe do Google precisa trabalhar na documentação também. A equipe do Google também precisa trabalhar na disponibilidade de instâncias em todas as regiões. Análise coletada por e hospedada no G2.com.

Grande variedade de ferramentas disponíveis para uma variedade de tarefas Análise coletada por e hospedada no G2.com.

As informações de preços podem ser mais detalhadas. Análise coletada por e hospedada no G2.com.

Algumas das vantagens que vejo são escalável, notebooks de fácil plug and play sem sobrecarga de servidor e sua integração perfeita com o GCP e interface baseada no Colab. Análise coletada por e hospedada no G2.com.

altos custos com a criação de notebooks e cobranças de uso de disco para conjuntos de dados. Análise coletada por e hospedada no G2.com.

De acordo com minha experiência de uso, acho que o que mais se destaca é sua integração com o ecossistema do Google Cloud. Como ele facilita o acesso aos dados do Big Query ou aos dados de armazenamento em nuvem diretamente a partir dele. Análise coletada por e hospedada no G2.com.

Nada a desgostar, mas uma coisa onde acho que há espaço para melhoria é que, às vezes, grandes configurações de hardware interrompem os fluxos de trabalho. Além disso, se não for monitorado corretamente, pode ser um grande orçamento. Análise coletada por e hospedada no G2.com.

Vertex AI Notebooks é muito poderoso e desenvolvido por um engenheiro do Google chamado Vertex AI. Ele se integra com o Google Cloud e gerencia o Jupyter Notebook. É escalável por natureza, podendo aumentar e diminuir os recursos conforme a necessidade. Há uma alta frequência de uso no mercado de tecnologia da informação e a facilidade de uso é amigável ao usuário. Sua implementação melhora a capacidade do usuário de compartilhar notebooks entre equipes e projetos. Possui suporte ao cliente 24 x 7, o que torna a experiência do usuário muito melhor. Análise coletada por e hospedada no G2.com.

É muito útil para a organização, então não acho que haja desvantagens em usar os notebooks do Vertex AI. Análise coletada por e hospedada no G2.com.

Eu realmente vivo empolgado com o impacto dos Vertex AI Notebooks, pois são extremamente potentes e flexíveis. Por essa medida, sou capaz de explorar a infraestrutura baseada em nuvem do Google para análises de dados complexas e aplicações que são treinadas por máquina. Graças à minha possibilidade de escalar meus projetos para cima ou para baixo conforme minhas necessidades, e também integrar outros serviços do Google Cloud com facilidade. Análise coletada por e hospedada no G2.com.

A desvantagem dos Vertex AI Notebooks é o fato de não ter uma maneira desconectada de acessar dados. Isso se torna um grande problema se o projeto surgir durante uma viagem, quando eu posso não ter uma conexão de Internet confiável. Torna-se a barreira que impede a produtividade da ferramenta em circunstâncias onde a disponibilidade em tempo real é crítica. Análise coletada por e hospedada no G2.com.

Fluxo de trabalho integrado com os serviços do Google Cloud, especialmente todos os serviços do Vertex AI. Esta plataforma oferece uma variedade de capacidades avançadas, incluindo controle de versão, agendamento e ambientes pré-configurados para linguagens e frameworks populares. O Vertex AI Workbench permite a colaboração em equipe dentro dos notebooks do Vertex AI, o que melhora a comunicação e o compartilhamento de informações entre todos os cientistas de dados e desenvolvedores de ML. Acho que usar o Imagen 2 é a melhor coisa que já observei, especialmente em termos de edição de imagens usando máscara e prompt. Análise coletada por e hospedada no G2.com.

É difícil de integrar e usar, especialmente para os novos usuários. Além disso, eu seria dependente da plataforma apenas. E mais caro do que algumas outras soluções. Análise coletada por e hospedada no G2.com.