Guia de início rápido

Neste guia de início rápido, você encontrará orientações sobre como usar o aplicativo da Web do AutoML Tables para realizar as seguintes etapas:

  • Criar um conjunto de dados.
  • Importar dados em tabela de um arquivo CSV para o conjunto de dados.
  • Identificar as colunas de esquema nos dados importados.
  • Treinar um modelo com os dados importados.
  • Usar o modelo para fazer predições.

O processo inteiro leva algumas horas para ser concluído. A maior parte do tempo você não precisará fazer nada. Portanto, se quiser, feche a janela do navegador e retorne à tarefa mais tarde.

Antes de começar

Criar um projeto e ativar o AutoML Tables

  1. Faça login na sua conta do Google Cloud. Se você começou a usar o Google Cloud agora, crie uma conta para avaliar o desempenho de nossos produtos em situações reais. Clientes novos também recebem US$ 300 em créditos para executar, testar e implantar cargas de trabalho.

  2. No console do Google Cloud, na página do seletor de projetos, selecione ou crie um projeto do Google Cloud.

    Acessar o seletor de projetos

  3. Verifique se a cobrança está ativada para o seu projeto do Google Cloud.

  4. Ative as APIs Cloud AutoML and Storage.

    Ative as APIs

    5.

  5. No console do Google Cloud, na página do seletor de projetos, selecione ou crie um projeto do Google Cloud.

    Acessar o seletor de projetos

  6. Verifique se a cobrança está ativada para o seu projeto do Google Cloud.

  7. Ative as APIs Cloud AutoML and Storage.

    Ative as APIs

    8.

Dados de amostra

Este guia de início rápido usa o Bank marketing (em inglês), um conjunto de dados de código aberto disponibilizado por meio de uma licença CCO - Domínio público (em inglês) da Creative Commons. Os nomes das colunas foram atualizados para maior clareza.

Criar um conjunto de dados e treinar um modelo

  1. Acesse o AutoML Tables no console do Google Cloud para iniciar o processo de criação do conjunto de dados e treinamento do modelo.

    Acessar a página do AutoML Tables

  2. Selecione Conjunto de dados e depois Novo conjunto de dados.

    Página de conjuntos de dados do AutoML Tables

  3. Insira Quickstart_Dataset para o nome do conjunto de dados e clique em Criar conjunto de dados.

  4. Na página Importar dados, escolha Selecionar um arquivo CSV no Cloud Storage.

    Deixe o Local definido como Global.

  5. Insira cloud-ml-tables-data/bank-marketing.csv para o bucket.

  6. Clique em Importar.

    Página de criação de conjunto de dados do AutoML Tables

    A importação do conjunto de dados leva alguns minutos para ser concluída.

  7. Após a conclusão da importação do conjunto de dados, selecione Deposit para a coluna Objetivos.

    Na coluna de objetivos, é identificado o valor que o modelo será treinado para prever.

    Página de esquema do AutoML Tables

    Nessa janela, há informações sobre os dados importados. Clique em linhas individuais para ver mais sobre a distribuição e a correlação de um atributo específico.

    especificações de linha do conjunto de dados

  8. Clique em Treinar modelo. Insira Quickstart_Model para o Nome do modelo e 1 para o Orçamento de treinamento.

    Página de treinamento do AutoML Tables

  9. Clique em Treinar modelo para iniciar o processo de treinamento.

    O treinamento do modelo leva cerca de duas horas para ser concluído. Depois que o modelo for treinado, métricas de alto nível do modelo serão exibidas na guia Modelos.

    Métricas de alto nível de um modelo treinado

  10. Para ter uma visão detalhadas das métricas de avaliação do modelo, selecione a guia Avaliar.

    Para este modelo, 1 representa um resultado negativo: um depósito não é feito no banco. 2 representa um resultado positivo: um depósito foi feito no banco.

    Selecione um rótulo para ver as respectivas métricas de avaliação específicas. Também é possível ajustar o Limite de pontuação para ver como as métricas são diferentes em valores de limite distintos.

    Página de avaliação do AutoML Tables

    Se quiser, role para baixo para ver a matriz de confusão e o gráfico de importância de atributos.

    Matriz de confusão e gráfico de importância de atributos

  11. Selecione a guia Testar e usar e selecione Previsão on-line.

  12. Clique em Implantar modelo para implantar seu modelo.

    Antes de solicitar predições on-line, é necessário implantar o modelo. A implantação do modelo leva alguns minutos para ser concluída.

    Botão de implantação do AutoML Tables

    Quando o modelo é implantado, o AutoML Tables preenche os dados de exemplo para que você possa testar seu modelo.

  13. Marque a caixa de seleção Gerar importância do recurso.

  14. Clique em Prever para solicitar a previsão on-line.

    Botão "Prever" do AutoML Tables com a importância do recurso marcada

    O AutoML Tables determina a probabilidade de cada resultado possível com base nos valores de entrada e exibe os níveis de confiança para a previsão na seção Resultado da previsão.

    Resultados da previsão com importância do recurso

    No exemplo acima, o modelo está prevendo o resultado de "1", com 99,8% de certeza.

    Também é possível enviar solicitações de predição em forma de lote. Saiba mais.

Limpeza

É possível excluir seu modelo personalizado ou conjunto de dados se você não precisa mais deles.

Para evitar cobranças desnecessárias do Google Cloud Platform, use o console do Google Cloud para excluir o projeto se ele não for mais necessário.

Remover a implantação do modelo

O modelo gerará cobranças enquanto estiver implantado.

  1. Selecione Modelos e clique naquele que você quer remover.
  2. Selecione a guia Testar e usar e clique em Previsão on-line.
  3. Clique em Remover implantação.

Remover a implantação do modelo

Excluir um modelo

Para excluir um modelo, selecione Modelos. Clique no menu “Mais ações” do modelo que você quer excluir e selecione Excluir modelo.

Excluir modelo

Excluir um conjunto de dados

Para excluir um conjunto de dados, selecione Conjuntos de dados. Clique no menu “Mais ações” do conjunto de dados que você quer excluir e selecione Excluir conjunto de dados.

Excluir conjunto de dados

A seguir