Premiers pas avec des recommandations génériques

Premiers pas avec des recommandations génériques

Remarque :Cette fonctionnalité est une offre en version Preview soumise aux conditions des offres avant disponibilité générale des Conditions spécifiques du service GCP. Les fonctionnalités et produits pré-DG sont susceptibles de présenter une compatibilité limitée, et les modifications apportées à ces fonctionnalités ou produits peuvent ne pas être compatibles avec d'autres versions pré-DG. Pour en savoir plus, consultez les descriptions des étapes de lancement. En outre, en utilisant cette fonctionnalité, vous acceptez les Conditions d'utilisation de la version bêta de Generative AI ("Conditions d'utilisation bêta"). Pour cette fonctionnalité, vous pouvez traiter les données à caractère personnel comme indiqué dans l'avenant relatif au traitement des données dans le cloud, sous réserve des restrictions et obligations applicables dans le contrat (tel que défini dans les Conditions d'aperçu).

Vous pouvez créer rapidement une application de recommandations génériques de pointe à partir de vos propres données, capable de suggérer du contenu semblable à celui que l'utilisateur est en train de consulter.

Ce tutoriel explique comment créer une application de recommandations génériques pour les données structurées. Dans ce cas, les données structurées sont sous la forme de données NDJSON ingérées à partir d'un bucket Cloud Storage.

Avant de suivre ce tutoriel, assurez-vous d'avoir effectué les étapes de la section Avant de commencer.

---

Pour obtenir des instructions détaillées sur cette tâche directement dans la console Google Cloud, cliquez sur Visite guidée :

Visite guidée

---

Avant de commencer

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

3. Make sure that billing is enabled for your Google Cloud project.

4. Enable the Vertex AI Agent Builder, Cloud Storage APIs.

   Enable the APIs

5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

6. Make sure that billing is enabled for your Google Cloud project.

7. Enable the Vertex AI Agent Builder, Cloud Storage APIs.

   Enable the APIs

Activer Vertex AI Agent Builder

1. Dans la console Google Cloud, accédez à la page Agent Builder.

   Agent Builder

2. Lisez et acceptez les conditions d'utilisation, puis cliquez sur Continuer et activer l'API.

Créer un datastore

Cette procédure vous guide tout au long des processus de création d'un datastore et d'importation des exemples de données fournis.

1. Accédez à la page Data stores.

2. Cliquez sur Créer un datastore.

3. Sur la page Sélectionner une source de données, sélectionnez Cloud Storage.

4. Sur la page Importer des données depuis Cloud Storage, sélectionnez Données structurées (JSONL).

5. Cliquez sur Fichier.

6. Dans le champ gs://, saisissez la valeur suivante :

   cloud-samples-data/gen-app-builder/search/kaggle_movies/movie_metadata.ndjson
   

   Ce bucket Cloud Storage contient un fichier de films au format NDJSON mis à disposition par Kaggle.

7. Cliquez sur Continuer.

8. Attribuez les propriétés clés comme suit :

   Nom du champ	Propriété de la clé
   homepage	uri
   original_title	title
   overview	description

   Cliquez ensuite sur Continuer.

9. Saisissez un nom à afficher pour votre datastore, puis cliquez sur Créer.

10. Cliquez sur le nom de votre data store.

11. Sur la page Données, accédez à l'onglet Activité pour consulter l'état de l'ingestion de données. Une fois le processus d'importation terminé, la mention Importation terminée s'affiche dans la colonne État. Pour cet ensemble de données, cette opération prend généralement deux à trois minutes. Vous devrez peut-être cliquer sur Refresh (Actualiser) pour afficher Import completed (Importation terminée).

12. Cliquez sur l'onglet Documents pour afficher les documents importés.

Créer une application

Vous allez ensuite créer une application de recommandations et associer le datastore que vous avez créé précédemment.

1. Accédez à la page Applications.

2. Cliquez sur Créer une application.

3. Sur la page Créer une application, sous Moteur de recommandations, cliquez sur Créer.

4. Dans le champ Nom de l'application, saisissez le nom de votre application. L'ID de votre application s'affiche sous le nom de l'application.

5. Cliquez sur Continuer.

6. Dans la liste des datastores, sélectionnez ceux que vous avez créés précédemment.

7. Cliquez sur Créer.

Prévisualiser votre application

1. Dans le menu de navigation, cliquez sur Preview (Aperçu) pour tester l'application.

2. Si le message "Vous pourrez prévisualiser votre moteur de recommandation ici. Votre moteur est toujours en cours de préparation, réessayez plus tard" s'affiche, attendez et actualisez régulièrement la page. Vous devrez peut-être attendre quelques heures ou jusqu'au lendemain pour prévisualiser vos données.

3. Cliquez sur le champ ID du document. La liste des ID des documents s'affiche.

4. Cliquez sur l'ID du document pour lequel vous souhaitez obtenir des recommandations. Vous pouvez également saisir un ID de document dans le champ ID du document.

5. Cliquez sur Obtenir des recommandations. Une liste de documents recommandés s'affiche.

6. Cliquez sur un document pour afficher les détails le concernant.

Déployer l'application

Il n'existe aucun widget de recommandations pour le déploiement de votre application. Pour tester votre application avant le déploiement, procédez comme suit:

1. Accédez à la page Données et copiez un ID de document.

2. Accédez à la page Integration (Intégration). Cette page inclut un exemple de commande pour la méthode servingConfigs.recommend dans l'API REST.

3. Collez l'ID du document que vous avez copié précédemment dans le champ ID du document.

4. Laissez le champ Pseudo-ID utilisateur tel quel.

5. Copiez l'exemple de requête et exécutez-le dans Cloud Shell.

   Les résultats correspondent aux ID des documents recommandés en fonction du document que vous avez choisi.

Pour obtenir de l'aide sur l'intégration de l'application de recommandations dans votre application Web, consultez les exemples de code pour C#, Go, Java, Node.js, PHP et Ruby sur la page Obtenir des recommandations pour une application.

Effectuer un nettoyage

Pour éviter que les ressources utilisées sur cette page ne soient facturées sur votre compte Google Cloud , suivez les étapes ci-dessous.

1. Pour éviter des frais Google Cloud inutiles, supprimez votre projet à l'aide de la console Google Cloud si vous n'en avez plus besoin.
2. Si vous avez créé un projet pour apprendre à utiliser les instances Vertex AI Agent Builder et que vous n'en avez plus besoin, supprimez-le.
3. Si vous avez utilisé un projet Google Cloud existant, supprimez les ressources que vous avez créées pour éviter que des frais ne soient facturés sur votre compte. Pour en savoir plus, consultez la section Supprimer une application.
4. Suivez la procédure décrite dans Désactiver Vertex AI Agent Builder.

Étape suivante

• Présentation de Vertex AI Search
• À propos des applications et des magasins de données