notebook Colab

Halaman ini terhubung ke beberapa notebook Colaboratory yang dihosting di GitHub yang akan memandu Anda melalui beberapa skenario penggunaan Tabel AutoML umum.

Cara menggunakan notebook

Untuk menggunakan notebook Colaboratory, Anda dapat menyalin notebook ke Google Drive Anda sendiri lalu membukanya dengan Colaboratory (atau Colab). Anda dapat menjalankan setiap langkah, atau sel, dan melihat hasilnya. Untuk menjalankan sel, gunakan Shift+Enter. Colab otomatis menampilkan nilai yang ditampilkan dari baris terakhir di setiap sel. Untuk mengetahui informasi selengkapnya tentang cara menjalankan notebook di Colab, lihat halaman sambutan Colab.

Lingkungan runtime

Untuk penyiapan yang paling mudah, Anda dapat menjalankan notebook Colab pada runtime yang dihosting di Cloud. Saat Anda melakukannya, waktu VM yang dihosting akan habis setelah 90 menit tidak aktif. Karena beberapa langkah dalam proses AutoML Tables dapat memerlukan waktu beberapa jam, waktu sesi akan habis saat Anda menunggu hingga langkah-langkah tersebut selesai. Saat memulai ulang setelah waktu tunggu habis, Anda harus mengulangi langkah-langkah inisialisasi dan autentikasi, lalu melanjutkan notebook dari bagian terakhir yang Anda tinggalkan. Anda mungkin perlu menyalin nilai beberapa variabel, seperti nama set data, dari output cetak sel sebelumnya.

Atau, Anda dapat menjalankan notebook di lingkungan runtime lokal. Untuk mengetahui petunjuknya, lihat Runtime lokal.

Jika sesi Anda terputus sebelum waktu tunggu 90 menit (misalnya, jika Anda menutup laptop), klik HUBUNGKAN KEMBALI dan lanjutkan sesi.

Sebelum memulai

Sebelum dapat menjalankan notebook AutoML Tables, Anda harus mengaktifkan AutoML Tables untuk project Google Cloud Anda seperti yang dijelaskan di bagian Sebelum memulai.

Setelah selesai

Pastikan Anda undeploy semua model yang di-deploy untuk notebook setelah selesai agar tidak biaya deployment model.

Notebook AutoML Tables

  • Notebook Memulai

    Latih model klasifikasi biner untuk memprediksi apakah pendapatan seseorang di atas atau di bawah ambang batas.

  • Prediksi Pembelian

    Latih model klasifikasi biner untuk melakukan prediksi pembelian.

  • Pemotongan Hasil

    Gunakan alat open source untuk menyesuaikan dan menganalisis hasil dari model klasifikasi.

  • Rekomendasi Musik

    Latih model klasifikasi biner untuk memprediksi kesamaan lagu pengguna dan menghasilkan rekomendasi.