Vertex AI

Google Cloud | IA / ML

Cloud Computing - Análise e Desenvolvimento de Sistemas

Visão geral

IA / ML

Plataforma de inteligência artificial e machine learning do Google Cloud para treinar, ajustar, implantar modelos e usar IA generativa.

Em uma arquitetura de nuvem, este serviço normalmente aparece como uma peça de infraestrutura gerenciada. O objetivo é reduzir esforço operacional, aumentar disponibilidade e permitir que equipes foquem mais na aplicação e menos no hardware.

Categoria	IA / ML
Provedor	Google Cloud
Para que serve	Plataforma de inteligência artificial e machine learning do Google Cloud para treinar, ajustar, implantar modelos e usar IA generativa.
Quando considerar	Quando você precisa resolver esse tipo de problema sem administrar toda a infraestrutura manualmente.
Responsabilidade do aluno/profissional	Configurar segurança, custos, observabilidade, arquitetura e boas práticas de uso.

Principais usos

Criar modelos preditivos.
Consumir modelos generativos e APIs de IA.
Gerenciar datasets, treinamento, pipelines e endpoints.
Aplicar ML em dados corporativos integrados ao BigQuery.

Como funciona na prática

1. Recurso

Você cria um recurso no console, CLI, SDK ou infraestrutura como código, definindo região, nome, capacidade e integrações.

2. Segurança

O acesso é controlado por identidade, rede, políticas e permissões. Em produção, a regra é menor privilégio.

3. Operação

Métricas, logs, alertas, custos e automações indicam se o serviço está saudável, seguro e economicamente viável.

Conceitos que o aluno deve dominar

Defina problema, dados, métrica e ciclo de vida do modelo.
Use notebooks, pipelines, model registry e endpoints.
Controle permissões e dados sensíveis.
Monitore qualidade, custo e drift do modelo.

Boas práticas e cuidados

Boas práticas

Comece pequeno, monitore e escale com base em dados.
Automatize criação e atualização com IaC sempre que possível.
Defina tags, orçamento e alertas de custo desde o início.
Documente decisões de arquitetura e dependências.

Erros comuns

Começar pela ferramenta antes de definir o problema.
Usar dados sem governança.
Não avaliar vieses e qualidade.
Publicar endpoint sem monitoramento e controle de custo.

Exemplo didático

Imagine uma aplicação de e-commerce. O time precisa publicar uma nova funcionalidade sem comprar servidores físicos.

O serviço Vertex AI entra como componente de apoio para compute, dados, rede, identidade, observabilidade ou IA, conforme sua categoria.

O aluno deve explicar: qual problema o serviço resolve, quais recursos precisam ser configurados, quais riscos existem e como monitorar custo e segurança.

Resumo

Vertex AI é um serviço de ia / ml que deve ser entendido não apenas pelo nome comercial, mas pelo problema arquitetural que resolve.

Voltar para a aula principal