Notebooks de Colab

Esta página vincula los notebooks de Colaboratory alojados en GitHub que te guiarán por algunas situaciones comunes de uso de AutoML Tables.

Cómo usar los notebooks

Para usar los notebooks de Colaboratory, copia el notebook en tu propio Google Drive y ábrelo con Colaboratory (o Colab). Puedes ejecutar cada paso o celda y ver sus resultados. Para ejecutar una celda, usa Mayús + Intro. Colab muestra de forma automática el valor de retorno de la última línea de cada celda. Para obtener más información sobre cómo ejecutar notebooks en Colab, consulta la página de bienvenida de Colab.

Entorno de ejecución

Para llevar a cabo una configuración más sencilla, puedes ejecutar un notebook de Colab en un entorno de ejecución alojado en la nube. Cuando lo haces, la VM alojada agota el tiempo de espera después de 90 minutos de inactividad. Debido a que algunos pasos en el proceso de AutoML Tables pueden demorar algunas horas, se agota el tiempo de espera de tu sesión mientras esperas que se completen. Cuando reinicias después del tiempo de espera, debes repetir los pasos de inicialización y autenticación para luego continuar con el proceso del notebook desde donde lo dejaste. Es posible que debas copiar los valores de algunas variantes, como el nombre del conjunto de datos de los resultados mostrados de las celdas anteriores.

Como alternativa, puedes ejecutar el notebook en un entorno de ejecución local. Para obtener instrucciones, consulta la página Entornos de ejecución locales.

Si tu sesión se desconecta antes del tiempo de espera de 90 minutos (por ejemplo, si cierras tu laptop), haz clic en RECONECTAR y reanuda la sesión.

Antes de comenzar

Antes de ejecutar un notebook de AutoML Tables, debes habilitar AutoML Tables para tu proyecto de Google Cloud, como se describe en Antes de comenzar.

Después de terminar

Asegúrate de undeploy de los modelos que implementes para tus notebooks cuando hayas terminado y así evitar los cargos de implementación del modelo.

Notebooks de AutoML Tables

  • Comienza a usar notebooks

    Entrena un modelo de clasificación binaria para predecir si el ingreso de una persona está por encima o por debajo de un umbral.

  • Predicción de compra

    Entrena un modelo de clasificación binaria para realizar predicciones de compra.

  • Segmentación de resultados

    Usa herramientas de código abierto para segmentar y analizar los resultados de un modelo de clasificación.

  • Recomendación de música

    Entrena un modelo de clasificación binaria para predecir la similitud entre el usuario y la canción a fin de producir recomendaciones.