Vertex AI AutoML 完全ガイド｜Tables・Vision・NL・Video・Forecasting (GCP)

Vertex AI AutoML は GCP のノーコード機械学習サービスで、画像・動画・テキスト・表データに対する分類・検出・予測モデルを自動構築できます。 ML 専門知識がないチームでも本番品質のモデルを構築・デプロイ可能で、データサイエンティスト不足の補完として注目されています。

AutoML タスク一覧

タスク	サブタスク	用途
Tables (Tabular Workflow)	分類 / 回帰 / Forecasting	顧客チャーン、需要予測
Vision	画像分類 / 物体検出 / セグメンテーション	商品識別、欠陥検出
Video	動画分類 / アクション認識 / 物体追跡	監視カメラ、スポーツ解析
Natural Language	分類 / 感情分析 / エンティティ抽出	レビュー分析、文書分類
Translation	カスタム翻訳モデル	業界専門翻訳
Recommendations	レコメンドモデル (Discovery Engine)	EC レコメンド

典型的なフロー

データ準備 (CSV / 画像フォルダ / JSONL)
Dataset 作成 (Vertex AI Console)
ラベリング (Data Labeling Service 利用も可)
AutoML Training 開始 (タスク選択 + Budget 設定)
評価指標確認 (Precision / Recall / Confusion Matrix)
Endpoint デプロイ (1-Click)
本番推論

AutoML Tables 例

from google.cloud import aiplatform as ai

ai.init(project="my-project", location="asia-northeast1")

# Dataset 作成 (BigQuery テーブルから)
dataset = ai.TabularDataset.create(
    display_name="customer-churn",
    bq_source="bq://my-project.dataset.customers",
)

# 学習ジョブ
job = ai.AutoMLTabularTrainingJob(
    display_name="churn-model",
    optimization_prediction_type="classification",
    optimization_objective="maximize-au-roc",
)
model = job.run(
    dataset=dataset,
    target_column="churned",
    budget_milli_node_hours=1000,  # 1 node-hour
)

# デプロイ
endpoint = model.deploy(machine_type="n1-standard-4")
result = endpoint.predict(instances=[{"age": 30, "plan": "premium"}])

料金例 (us-central1, 2026)

タスク	学習 ($/h)	予測 ($/h or $/M)
Tables (Classification/Regression)	$21.25	$1.39/M リクエスト
Tables Forecasting	$21.25	$1.39/M
Image Classification	$3.15	n1-standard-2 時間
Image Object Detection	$18.00	n1-standard-2 時間
Video Classification	$0.46/M frame	$0.10/分
Text Classification	$1.05	$5/1000 page

BigQuery ML との使い分け

項目	AutoML	BigQuery ML
インターフェース	GUI + SDK	SQL のみ
対応データ	構造化 + 非構造化	構造化 (BQ テーブル)
モデルタイプ	AutoML 全般	線形 / 木 / k-means / AutoML
デプロイ	Vertex Endpoint	BQ 内推論 + Vertex Export
学習コスト	ノード時間	スキャン量

他クラウド AutoML 比較

項目	Vertex AutoML	SageMaker Autopilot	Azure ML AutoML
表データ	◎	◎	◎
画像	◎	—	○
動画	◎	—	—
NL	◎	—	○
説明可能性	Feature Importance + Vertex Explainable AI	SHAP	Responsible AI Toolkit

典型的なユースケース

EC: 商品画像の自動分類 + タグ付け
金融: 顧客チャーン予測 (Tables)
製造: 検品画像の欠陥検出 (Vision)
カスタマーサポート: 問い合わせ分類 (NL)
動画配信: コンテンツ分類 (Video)
小売: 売上 Forecasting (Tabular Workflow)

AutoML とは？

コード不要で機械学習モデルを構築・デプロイできる Vertex AI 機能。データアップロード → 自動特徴量エンジニアリング → モデル選定 → ハイパラ最適化 → デプロイまで自動。

AutoML の対応タスクは？

AutoML Tables (構造化)、AutoML Vision (画像分類・物体検出)、AutoML Video (動画分類)、AutoML Natural Language (テキスト分類・感情分析・エンティティ抽出)、AutoML Translation。

BigQuery ML との違いは？

AutoML は GUI 完結 + Vertex Endpoint デプロイ、BigQuery ML は SQL で完結。データが BQ にあるなら BigQuery ML 推奨、非構造化データなら AutoML。

Forecasting (時系列予測) は？

AutoML Forecasting で売上・需要予測など対応。Tabular Workflow 経由で自動特徴量生成 + アンサンブル。

料金体系は？

ノード時間ベース。Image classification = $3.15/h、Object detection = $18/h など。Vertex AI Tabular Workflow も同様。

Fine-tuning とどう違う？

AutoML = 自前データから完全に新規モデル学習、Fine-tuning = 既存モデル (Gemini / Llama 等) を微調整。タスクによって使い分け。

AWS SageMaker Autopilot との比較は？

両方とも AutoML。Vertex AutoML は画像・動画など非構造化にも対応、SageMaker Autopilot は表データ中心。

Vertex AI Workbench との連携は？

Workbench (Notebook) で AutoML をプログラム呼び出し可能。GUI + コードのハイブリッド利用が現実的。

この記事で学んだ内容を問題で確認しましょう

16,000問以上の問題で実力チェック

GCP 試験対策ページを見る

この記事の著者

NicheeLab編集部

データエンジニアリング・クラウド資格の専門家。Databricks・Snowflake等の認定資格を保有し、実務経験に基づいた問題作成・解説を行っています。NicheeLab運営。

Vertex AI AutoML 完全ガイド｜Tables・Vision・NL・Video・Forecasting