Google Cloud AI/ML 概論
課程概述
Google Cloud 提供從無程式碼到全自訂的多層級 AI/ML 開發工具。這堂課會帶你把整條產品線看過一遍，搞懂每個工具各自的定位和適合的場景。之後遇到不同的 AI/ML 需求，你就能很快挑出最對的那一個。
你將學到
- 描述 Google Cloud AI/ML 產品的三大抽象層級
- 比較 AutoML、BigQuery ML 與自訂訓練的適用場景
- 理解 Vertex AI 作為統一 ML 平台的核心能力
- 掌握從資料準備到模型部署的端到端流程
核心概念
AI/ML 產品的三大抽象層級
Google Cloud 的 AI/ML 產品可分為三層。最上層是預建 API（Pre-built APIs），如 Vision API、Speech-to-Text、Translation API，直接呼叫即可使用，無需任何 ML 知識。中間層是 AutoML 與 BigQuery ML，提供低程式碼的模型訓練環境，適合擁有資料但缺乏深度 ML 經驗的團隊。最底層是自訂訓練（Custom Training），使用 TensorFlow、PyTorch 等框架在 Vertex AI 上進行完全自訂的模型開發。
Vertex AI 統一平台
Vertex AI 是 Google Cloud 把 ML 流程整合在一起的平台，過去散落在不同產品裡的功能，現在都集中到這裡。它涵蓋：資料管理（Datasets）、模型訓練（Training）、模型評估（Evaluation）、模型部署（Endpoints）、預測服務（Predictions）、模型監控（Model Monitoring），以及現在的 GenAI 能力（Vertex AI Studio、Model Garden、Agent Builder）。
BigQuery ML 的獨特定位
BigQuery ML 讓資料分析師直接用 SQL 語法就能在 BigQuery 裡建立、訓練 ML 模型，不用把資料搬到專用的 ML 環境。支援的模型類型包括線性回歸、分類、推薦、時間序列預測，甚至還能呼叫 Vertex AI 的 LLM。如果你的團隊資料本來就堆在 BigQuery，這會是門檻最低的 ML 入門路徑。
Pre-built API vs AutoML vs Custom
| 維度 | Pre-built API | AutoML | Custom Training |
|---|---|---|---|
| ML 知識需求 | 無 | 低 | 高 |
| 自訂程度 | 無 | 中 | 完全自訂 |
| 訓練資料需求 | 無 | 數百至數千筆 | 數千筆以上 |
| 開發時間 | 分鐘 | 小時至天 | 天至週 |
| 成本 | 按 API 呼叫計費 | 按訓練時數計費 | 按運算資源計費 |
實作重點
- 在 Vertex AI Console 中瀏覽各功能模組，建立產品功能的心智地圖
- 試著呼叫一個 Pre-built API（像 Vision API 的圖片標註），體會一下完全不用訓練有多省事
- 了解 Vertex AI Workbench 的 Notebook 環境，它是自訂訓練的主要開發入口
- 比較 AutoML 與自訂訓練在相同任務上的效能差異與開發時間差異
Lab 導讀
Lab 連結：Introduction to AI and Machine Learning on Google Cloud — Google Cloud Skills Boost
這個 Lab 把 Google Cloud AI/ML 產品線完整帶過一遍，用影片教學加測驗的形式進行。重點是搞懂每個工具的定位，因為測驗常考「這個場景該用哪個產品？」。建議自己做一張比較表，按 ML 經驗、資料量、自訂需求去對應適合的產品。
延伸學習
- 圖片生成技術導論 — 深入了解視覺 AI 的生成技術
- 向量搜尋與嵌入技術 — ML 在搜尋領域的核心應用
- Vertex AI Studio 入門 — Vertex AI 中 GenAI 功能的實戰