Sie können ein verwaltetes Dataset verwenden, um die Quelldaten zum Trainieren von AutoML- und benutzerdefinierten Modellen in Vertex AI bereitzustellen. Ein verwaltetes Dataset ist für AutoML erforderlich und für das benutzerdefinierte Training optional.
Verwaltetes Dataset für AutoML-Modelle erstellen
Sie können verwaltete Datasets zum Trainieren von AutoML-Modellen mithilfe der Google Cloud Console oder der Vertex AI API erstellen. Die Anleitung dazu variiert je nach Datentyp und Modellziel geringfügig. Beginnen Sie mit dem Vorbereiten Ihrer Trainingsdaten.
Bild
Erfahren Sie, wie Sie ein verwaltetes Dataset für die folgenden Arten von AutoML-Modellen für Bilder erstellen:
Tabellarisch
Erfahren Sie, wie Sie ein verwaltetes Dataset für die folgenden Arten von tabellarischen AutoML-Modellen erstellen:
Text
Erfahren Sie, wie Sie ein verwaltetes Dataset für die folgenden Arten von AutoML-Modellen für Text erstellen:
- Textklassifizierungsmodelle
- Modelle zur Extraktion von Textentitäten
- Modelle zur Textsentimentanalyse
Video
Hier erfahren Sie, wie Sie ein verwaltetes Dataset für die folgenden Arten von AutoML-Modellen für Videos erstellen:
Verwaltetes Dataset für benutzerdefinierte trainierte Modelle erstellen
Die Anleitung zum Erstellen eines verwalteten Datasets zum Trainieren benutzerdefinierter Modelle ist unabhängig vom Datentyp oder Modellziel.
Weitere Informationen finden Sie unter Verwaltete Datasets verwenden.
Verwaltete Datasets mit dem Data Catalog-Dienst von Dataplex ansehen
Data Catalog ist ein vollständig verwalteter, skalierbarer Dienst zur Metadatenverwaltung in Dataplex, ein zentraler Ort für die projekt- und regionenübergreifende Suche nach Datasets.
Weitere Informationen finden Sie in der Übersicht Data Catalog für die Suche nach Modell- und Dataset-Ressourcen verwenden.