Notebooks do Colab

Esta página inclui links para alguns notebooks do Colaboratory (em inglês) hospedados no GitHub. Esses notebooks oferecem orientações para alguns cenários comuns de utilização do AutoML Tables.

Como usar os notebooks

Para usar um notebook do Colaboratory, copie-o para seu próprio Google Drive e abra-o com o Colaboratory (ou Colab). É possível executar cada etapa ou célula e ver os resultados. Para executar uma célula, pressione Shift + Enter. O Colab exibe automaticamente o valor de retorno da última linha em cada célula. Para mais informações sobre como executar os notebooks no Colab, consulte a página de boas-vindas do Colab (em inglês).

Ambiente de execução

Para facilitar a configuração, execute os notebooks do Colab em um ambiente de execução hospedado no Cloud. Ao fazer isso, a VM hospedada expira após 90 minutos de inatividade. Como algumas etapas no processo do AutoML Tables podem levar algumas horas, sua sessão expirará enquanto você aguarda a conclusão. Quando você reiniciar após o tempo limite, precisará repetir as etapas de inicialização e autenticação e continuar com o notebook no ponto em que parou. Talvez seja necessário copiar os valores de algumas variáveis, como o nome do conjunto de dados, da saída impressa de células anteriores.

Se preferir, execute o notebook em um ambiente de execução local. Para mais instruções, consulte a página sobre ambientes de execução locais (em inglês).

Se a sessão for desconectada antes do tempo limite de 90 minutos (por exemplo, se você fechar o laptop), clique em RECONECTAR e retome a sessão.

Antes de começar

Antes de executar qualquer notebook do AutoML Tables, primeiro é necessário ativar esse produto para seu projeto do Google Cloud Platform, conforme descrito em Antes de começar.

Depois de terminar

Para evitar cobranças de implantação do modelo, verifique se você undeploy de todos os modelos usados com os notebooks finalizados.

Notebooks do AutoML Tables

  • Notebook de iniciação

    Treine um modelo de classificação binária para prever se a renda de uma pessoa está acima ou abaixo de um determinado patamar.

  • Comprar a Prediction

    Treine um modelo de classificação binária para realizar previsões de compras.

  • Divisão de resultados

    Use ferramentas de código aberto para dividir e analisar os resultados de um modelo de classificação.

  • Recomendação de músicas

    Treine um modelo de classificação binária para prever a similaridade entre um usuário e determinados tipos de música e, com isso, produzir recomendações.