Introducción a Cloud ML Engine

Usa Cloud ML Engine para entrenar tus modelos de aprendizaje automático a gran escala, para alojar tu modelo entrenado en la nube y para usar tu modelo para hacer predicciones sobre datos nuevos.

Una breve descripción del aprendizaje automático

El aprendizaje automático (AA) es un subcampo de inteligencia artificial (IA). El objetivo del AA es hacer que las computadoras aprendan de los datos que les proporcionas. En lugar de escribir código que describa la acción que debe realizar la computadora, tu código proporciona un algoritmo que se adapta en función de ejemplos de comportamiento esperado. El programa resultante, compuesto por el algoritmo y los parámetros aprendidos asociados, se llama un modelo entrenado.

Dónde encaja Cloud ML Engine en el flujo de trabajo del AA

El siguiente diagrama proporciona una descripción general de alto nivel de las etapas en un flujo de trabajo del AA. Los cuadros rellenos de azul indican dónde Cloud ML Engine proporciona servicios administrados y API:

Flujo de trabajo del AA
Flujo de trabajo del AA

Como indica el diagrama, puedes usar Cloud ML Engine para administrar las siguientes etapas en el flujo de trabajo del AA:

  • Entrena un modelo de AA en tus datos:

    • Entrena el modelo
    • Evalúa la exactitud del modelo
    • Ajusta los hiperparámetros
  • Implementa tu modelo entrenado.

  • Envía solicitudes de predicción a tu modelo:

    • Predicción en línea
  • Supervisa las predicciones de forma constante.

  • Administra tus modelos y las versiones de modelo.

Componentes de Cloud ML Engine

Esta página describe los elementos que componen Cloud ML Engine y el propósito principal de cada pieza.

Google Cloud Platform Console

Puedes implementar modelos en la nube y administrar tus modelos, versiones y trabajos en GCP Console. Esta opción te brinda una interfaz de usuario para trabajar con tus recursos de aprendizaje automático. Como parte de GCP, tus recursos de Cloud ML Engine están conectados a herramientas útiles como Stackdriver Logging y Stackdriver Monitoring.

La herramienta de línea de comandos de gcloud

Puedes administrar tus modelos y versiones, enviar trabajos y realizar otras tareas de Cloud ML Engine en la línea de comandos con la herramienta de línea de comandos gcloud ml-engine.

Recomendamos los comandos de gcloud para la mayoría de las tareas de Cloud ML Engine y la API de REST (ver a continuación) para predicciones en línea.

API de REST

La API de REST de Cloud ML Engine proporciona servicios RESTful para administrar trabajos, modelos y versiones, y para realizar predicciones con modelos alojados en GCP.

Puedes usar la biblioteca cliente de las API de Google para Python a fin de acceder a las API. Cuando usas la biblioteca cliente, usas representaciones de Python de los recursos y objetos usados por la API. Esto es más fácil y requiere menos código que trabajar directamente con las solicitudes HTTP.

Recomendamos las API de REST para entregar predicciones en línea en particular.

Pasos siguientes

¿Te sirvió esta página? Envíanos tu opinión:

Enviar comentarios sobre…

Cloud ML Engine para XGBoost y scikit-learn