Feature request: incorporate cloudml-hypertune into the SDK and deprecate the standalone version

It's great that google-cloud-aiplatform has the ability to launch a hyperparameter tuning job.

In order to publish metrics for each trial, however, developers still have to use the **ancient** `cloudml-hypertune` library.

This leads to a poor developer experience:

- As a developer of hyperparameter tuning jobs on Vertex AI, I want to use only one SDK, the Vertex AI SDK
- seeing that the version of cloudml-hypertune on pypi is 0.1.0.dev6 is enough to make a developer wonder if the library is even supported anymore
- "cloudml" is an ancient name for Google Cloud's ML job running functionality, older than even "AI Platform"

Other oddities about the current setup:
- The 0.1.0 release from 2023 hasn't been published to pypi
- The 0.1.0dev6 version on pypi declares the most recent Python version as 3.5
- The cloudml-hypertune library `.travis.yml` file exposes what may be a pypi password, hopefully invalid by now:
https://github.com/GoogleCloudPlatform/cloudml-hypertune/blob/master/.travis.yml#L15

Beginnen Sie mit der Prüfung der bestehenden Funktionalität des Vertex AI SDK für Hyperparameter-Tuning zusammen mit der eigenständigen cloudml-hypertune-Bibliothek. Untersuchen Sie die .travis.yml von cloudml-hypertune, insbesondere die dort referenzierte Zeile mit den Anmeldedaten, und klären Sie den Umfang der Migration und der Abkündigung. Die fertige Implementierung sollte Testmetriken über ein unterstütztes SDK bereitstellen und die Fragen zur Veröffentlichung des eigenständigen Pakets sowie zu den Python-Versionen klären.

Vom Indexierungsmodell aus dem Issue-Text verfasst.