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
- 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.
-
No console do Google Cloud, na página do seletor de projetos, selecione ou crie um projeto do Google Cloud.
-
Verifique se a cobrança está ativada para o seu projeto do Google Cloud.
-
Ative as APIs Cloud AutoML and Storage.
-
No console do Google Cloud, na página do seletor de projetos, selecione ou crie um projeto do Google Cloud.
-
Verifique se a cobrança está ativada para o seu projeto do Google Cloud.
-
Ative as APIs Cloud AutoML and Storage.
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
Acesse o AutoML Tables no console do Google Cloud para iniciar o processo de criação do conjunto de dados e treinamento do modelo.
Selecione Conjunto de dados e depois Novo conjunto de dados.
Insira
Quickstart_Dataset
para o nome do conjunto de dados e clique em Criar conjunto de dados.Na página Importar dados, escolha Selecionar um arquivo CSV no Cloud Storage.
Deixe o Local definido como
Global
.Insira
cloud-ml-tables-data/bank-marketing.csv
para o bucket.Clique em Importar.
A importação do conjunto de dados leva alguns minutos para ser concluída.
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.
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.
Clique em Treinar modelo. Insira
Quickstart_Model
para o Nome do modelo e1
para o Orçamento de treinamento.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.
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.
Se quiser, role para baixo para ver a matriz de confusão e o gráfico de importância de atributos.
Selecione a guia Testar e usar e selecione Previsão on-line.
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.
Quando o modelo é implantado, o AutoML Tables preenche os dados de exemplo para que você possa testar seu modelo.
Marque a caixa de seleção Gerar importância do recurso.
Clique em Prever para solicitar a previsão on-line.
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.
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.
- Selecione Modelos e clique naquele que você quer remover.
- Selecione a guia Testar e usar e clique em Previsão on-line.
- Clique em Remover implantação.
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 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.
A seguir
- Saiba mais sobre os recursos e as funcionalidades do AutoML Tables.
- Execute mais exemplos usando os notebooks do Colab.
- Leia o nosso guia para iniciantes.
- Dê os primeiros passos na preparação de dados de treinamento para a implantação do seu próprio modelo no AutoML Tables.
- Saiba mais sobre interpretação dos resultados da previsão.
- Saiba mais sobre a importância de atributos locais.