Blocchi note Colab

Questa pagina è collegata ad alcuni blocchi note di Colaboratory ospitati in GitHub che ti illustrano alcuni scenari comuni di utilizzo delle tabelle AutoML.

Come utilizzare i blocchi note

Per utilizzare i blocchi note Colaboratory, copiali sul tuo Google Drive e aprili con Colaboratory (o Colab). Puoi eseguire ogni passaggio o cella e visualizzarne i risultati. Per eseguire una cella, premi Maiusc+Invio. In Colab viene visualizzato automaticamente il valore restituito dell'ultima riga di ogni cella. Per ulteriori informazioni sull'esecuzione di blocchi note in Colab, consulta la pagina di benvenuto in Colab.

Ambiente di runtime

Per una configurazione più semplice, puoi eseguire un blocco note Colab su un runtime ospitato nel cloud. In questo caso, la VM ospitata scade dopo 90 minuti di inattività. Poiché alcuni passaggi del processo di AutoML Tables possono richiedere alcune ore, la sessione verrà scaduta mentre attendi il completamento di questi passaggi. Quando riavvii dopo il timeout, devi ripetere i passaggi di inizializzazione e autenticazione e poi riprendere il blocco note da dove avevi interrotto. Potrebbe essere necessario copiare i valori di alcune variabili, ad esempio il nome del set di dati, dall'output stampato delle celle precedenti.

In alternativa, puoi eseguire il blocco note in un ambiente di runtime locale. Per le istruzioni, consulta la pagina relativa ai runtime locali.

Se la sessione viene disconnessa prima del timeout di 90 minuti (ad esempio, se chiudi il laptop), fai clic su RICONNETTI e riprendi la sessione.

Prima di iniziare

Prima di eseguire un blocco note AutoML Tables, devi abilitare le tabelle AutoML per il tuo progetto Google Cloud come descritto nella sezione Prima di iniziare.

Al termine

Assicurati di annullare il deployment di tutti i modelli di cui esegui il deployment per i tuoi blocchi note al termine dell'operazione, per evitare costi di deployment del modello.

Blocchi note AutoML Tables

  • Taccuino introduttivo

    Addestra un modello di classificazione binari per prevedere se il reddito di una persona è superiore o inferiore alla soglia.

  • Previsione dell'acquisto

    Addestra un modello di classificazione binaria per eseguire previsioni di acquisto.

  • Sezione di risultati

    Utilizza strumenti open source per segmentare e analizzare i risultati da un modello di classificazione.

  • Consiglio per la musica

    Addestra un modello di classificazione binari per prevedere la somiglianza a livello di brano utente e produrre consigli.