En esta página, se describe cómo crear un conjunto de datos y cómo importar tus datos tabulares. Luego, puedes usar AutoML Tables para entrenar un modelo en ese conjunto de datos.
Introducción
Un conjunto de datos es un objeto de Google Cloud que contiene los datos de la tabla fuente, junto con la información del esquema que determina los parámetros del entrenamiento de modelos. El conjunto de datos sirve como entrada para entrenar un modelo.
Un proyecto puede tener varios conjuntos de datos. Puedes obtener una lista de los conjuntos de datos disponibles y borrar los conjuntos de datos que ya no necesites.
Cuando actualizas un conjunto de datos o su información de esquema, influyes en cualquier modelo futuro que use ese conjunto de datos. Los modelos que ya se comenzaron a entrenar no se verán afectados.
Antes de comenzar
Antes de poder usar AutoML Tables, debes configurar tu proyecto como se describe en la página sobre qué hacer antes de comenzar. Antes de crear un conjunto de datos, debes crear los datos de entrenamiento como se describe en la sección sobre cómo preparar los datos de entrenamiento.
Crea un conjunto de datos
Console
Visita la página AutoML Tables en la consola de Google Cloud para crear tu conjunto de datos.
Selecciona Conjuntos de datos y, luego, selecciona Conjunto de datos nuevo.
Ingresa el nombre de tu conjunto de datos y especifica la Región en la que se creará el conjunto de datos.
Para obtener más información, consulta la página sobre ubicaciones.
Haga clic en Crear conjunto de datos.
Aparecerá la pestaña Importar. Ahora puedes importar tus datos.
REST
Para crear un conjunto de datos, debes usar el método datasets.create.
Antes de usar cualquiera de los datos de solicitud a continuación, realiza los siguientes reemplazos:
-
endpoint:
automl.googleapis.com
para la ubicación global yeu-automl.googleapis.com
para la región de la UE. - project-id: Es el ID de tu proyecto de Google Cloud.
- location: la ubicación del recurso:
us-central1
para la global oeu
para la Unión Europea - dataset-display-name: el nombre visible de tu conjunto de datos.
HTTP method and URL:
POST https://endpoint/v1beta1/projects/project-id/locations/location/datasets
Cuerpo JSON de la solicitud:
{ "displayName": "dataset-display-name", "tablesDatasetMetadata": { }, }
Para enviar tu solicitud, elige una de estas opciones:
curl
Guarda el cuerpo de la solicitud en un archivo llamado request.json
y ejecuta el siguiente comando:
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-id" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://endpoint/v1beta1/projects/project-id/locations/location/datasets"
PowerShell
Guarda el cuerpo de la solicitud en un archivo llamado request.json
y ejecuta el siguiente comando:
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-id" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://endpoint/v1beta1/projects/project-id/locations/location/datasets" | Select-Object -Expand Content
Deberías recibir una respuesta JSON similar a la que se muestra a continuación:
{ "name": "projects/1234/locations/us-central1/datasets/TBL6543", "displayName": "sample_dataset", "createTime": "2019-12-23T23:03:34.139313Z", "updateTime": "2019-12-23T23:03:34.139313Z", "etag": "AB3BwFq6VkX64fx7z2Y4T4z-0jUQLKgFvvtD1RcZ2oikA=", "tablesDatasetMetadata": { "areStatsFresh": true "statsUpdateTime": "1970-01-01T00:00:00Z", "tablesDatasetType": "BASIC" } }
Guarda el name
del nuevo conjunto de datos (de la respuesta) para usarlo con otras operaciones, como importar elementos a tu conjunto de datos y entrenar un modelo.
Ahora puedes importar tus datos.
Java
Si tus recursos se encuentran en la región de la UE, debes establecer el extremo de manera explícita. Obtener más información.
Node.js
Si tus recursos se encuentran en la región de la UE, debes establecer el extremo de manera explícita. Obtener más información.
Python
La biblioteca cliente de AutoML Tables incluye métodos adicionales de Python que simplifican el uso de la API de AutoML Tables. Estos métodos hacen referencia a conjuntos de datos y modelos por nombre en lugar de ID. El conjunto de datos y los nombres de los modelos deben ser únicos. Para obtener más información, consulta la página de referencia del cliente.
Si tus recursos se encuentran en la región de la UE, debes establecer el extremo de manera explícita. Obtener más información.
Importa datos a un conjunto de datos
No puedes importar datos a un conjunto de datos que ya los contenga. Primero debes crear un conjunto de datos nuevo.
Console
Si es necesario, selecciona el conjunto de datos de la lista en la página Conjuntos de datos para abrir la pestaña Importar.
Elige la fuente de importación de tus datos: BigQuery, Cloud Storage o tu computadora local. Proporciona la información requerida.
Si cargas los archivos CSV desde tu computadora local, debes proporcionar un bucket de Cloud Storage. Los archivos se cargan en ese bucket antes de que se importen a AutoML Tables. Los archivos permanecen allí después de la importación de datos, a menos que los quites.
El bucket debe estar en la misma ubicación que tu conjunto de datos. Obtener más información.
Haz clic en Importar para iniciar el proceso de importación.
Cuando finalice el proceso de importación, aparecerá la pestaña Entrenar y estarás listo para entrenar tu modelo.
REST
Importa tus datos con el método datasets.importData.
Asegúrate de que tu fuente de importación cumpla con los requisitos descritos en la sección sobre cómo preparar tu fuente de importación.
Antes de usar cualquiera de los datos de solicitud a continuación, realiza los siguientes reemplazos:
-
endpoint:
automl.googleapis.com
para la ubicación global yeu-automl.googleapis.com
para la región de la UE. - project-id: Es el ID de tu proyecto de Google Cloud.
- location: la ubicación del recurso:
us-central1
para la global oeu
para la Unión Europea - dataset-id: Es el ID del conjunto de datos. Por ejemplo,
TBL6543
- input-config: Es la información de la ubicación de la fuente de datos:
- Para BigQuery: { "bigquerySource": { "inputUri": "bq://projectId.bqDatasetId.bqTableId } }"
- Para Cloud Storage: { "gcsSource": { "inputUris": ["gs://bucket-name/csv-file-name.csv"] } }
HTTP method and URL:
POST https://endpoint/v1beta1/projects/project-id/locations/location/datasets/dataset-id:importData
Cuerpo JSON de la solicitud:
{ "inputConfig": input-config, }
Para enviar tu solicitud, elige una de estas opciones:
curl
Guarda el cuerpo de la solicitud en un archivo llamado request.json
y ejecuta el siguiente comando:
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "x-goog-user-project: project-id" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://endpoint/v1beta1/projects/project-id/locations/location/datasets/dataset-id:importData"
PowerShell
Guarda el cuerpo de la solicitud en un archivo llamado request.json
y ejecuta el siguiente comando:
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred"; "x-goog-user-project" = "project-id" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://endpoint/v1beta1/projects/project-id/locations/location/datasets/dataset-id:importData" | Select-Object -Expand Content
Deberías recibir una respuesta JSON similar a la que se muestra a continuación:
{ "name": "projects/292381/locations/us-central1/operations/TBL6543", "metadata": { "@type": "type.googleapis.com/google.cloud.automl.v1beta1.OperationMetadata", "createTime": "2019-12-26T20:42:06.092180Z", "updateTime": "2019-12-26T20:42:06.092180Z", "cancellable": true, "worksOn": [ "projects/292381/locations/us-central1/datasets/TBL6543" ], "importDataDetails": {}, "state": "RUNNING" } }
La importación de datos a un conjunto de datos es una operación de larga duración. Puedes consultar el estado de la operación o esperar a que esta se muestre. Obtener más información.
Cuando finalices el proceso de importación, estarás listo para entrenar tu modelo.
Java
Si tus recursos se encuentran en la región de la UE, debes establecer el extremo de manera explícita. Obtener más información.
Node.js
Si tus recursos se encuentran en la región de la UE, debes establecer el extremo de manera explícita. Obtener más información.
Python
La biblioteca cliente de AutoML Tables incluye métodos adicionales de Python que simplifican el uso de la API de AutoML Tables. Estos métodos hacen referencia a conjuntos de datos y modelos por nombre en lugar de ID. El conjunto de datos y los nombres de los modelos deben ser únicos. Para obtener más información, consulta la página de referencia del cliente.
Si tus recursos se encuentran en la región de la UE, debes establecer el extremo de manera explícita. Obtener más información.
¿Qué sigue?
- Entrena tu modelo.
- Administra tus conjuntos de datos.
- Obtén más información sobre cómo usar las operaciones de larga duración.