Crie uma funcionalidade

Pode criar uma funcionalidade depois de criar um grupo de funcionalidades e associar uma tabela do BigQuery ou uma vista do BigQuery ao mesmo. Pode criar várias funcionalidades para um grupo de funcionalidades e associar cada funcionalidade a uma coluna específica na origem de dados do BigQuery. Para obter informações sobre como usar o BigQuery, consulte a documentação do BigQuery.

Por exemplo, se o grupo de funcionalidades featuregroup1 estiver associado à tabela do BigQuery datasource_1 que contém valores de funcionalidades nas colunas fval1 e fval2, pode criar a funcionalidade feature_1 em featuregroup1 e associá-la aos valores de funcionalidades na coluna fval1. Da mesma forma, pode criar outra funcionalidade denominada feature_2 e associá-la aos valores das funcionalidades na coluna fval2.

Um grupo de funcionalidades tem de ter uma origem de dados de funcionalidades associada antes de poder criar funcionalidades. Se o grupo de funcionalidades não tiver uma origem de dados associada, tem de associar uma origem de dados do BigQuery atualizando o grupo de funcionalidades antes de poder criar funcionalidades no mesmo.

Para saber se é obrigatório, opcional ou desaconselhável registar os dados das funcionalidades através de grupos de funcionalidades e funcionalidades, consulte o seguinte:

Antes de começar

Autentique o Vertex AI, a menos que já o tenha feito.

Select the tab for how you plan to use the samples on this page:

Console

When you use the Google Cloud console to access Google Cloud services and APIs, you don't need to set up authentication.

Python

Para usar os Python exemplos nesta página num ambiente de desenvolvimento local, instale e inicialize a CLI gcloud e, em seguida, configure as Credenciais predefinidas da aplicação com as suas credenciais de utilizador.

    Instale a CLI Google Cloud.

    Se estiver a usar um fornecedor de identidade (IdP) externo, primeiro tem de iniciar sessão na CLI gcloud com a sua identidade federada.

    If you're using a local shell, then create local authentication credentials for your user account: 

    gcloud auth application-default login

    You don't need to do this if you're using Cloud Shell.

    If an authentication error is returned, and you are using an external identity provider (IdP), confirm that you have signed in to the gcloud CLI with your federated identity.

Para mais informações, consulte Set up authentication for a local development environment.

REST

Para usar os exemplos da API REST nesta página num ambiente de desenvolvimento local, usa as credenciais que fornece à CLI gcloud.

    Instale a CLI Google Cloud.

    Se estiver a usar um fornecedor de identidade (IdP) externo, primeiro tem de iniciar sessão na CLI gcloud com a sua identidade federada.

Para mais informações, consulte o artigo Autenticar para usar REST na Google Cloud documentação de autenticação.

Crie uma funcionalidade num grupo de funcionalidades

Use os seguintes exemplos para criar uma funcionalidade num grupo de funcionalidades e associar uma coluna que contenha valores de funcionalidades da origem de dados do BigQuery registada para o grupo de funcionalidades.

Consola

Siga estas instruções para adicionar funcionalidades a um grupo de funcionalidades existente através da Google Cloud consola.

  1. Na secção do Vertex AI da Google Cloud consola, aceda à página Feature Store.

    Aceda à página da Feature Store

  2. Na secção Grupos de funcionalidades, clique em na linha correspondente ao grupo de funcionalidades onde quer adicionar uma funcionalidade e, de seguida, clique em Adicionar funcionalidades.

  3. Para cada funcionalidade, introduza um Nome da funcionalidade e clique no nome da coluna de origem do BigQuery correspondente na lista. Para adicionar mais funcionalidades, clique em Adicionar outra funcionalidade.

  4. Clique em Criar.

Python

Para saber como instalar ou atualizar o SDK Vertex AI para Python, consulte o artigo Instale o SDK Vertex AI para Python. Para mais informações, consulte a Python documentação de referência da API. 


from google.cloud import aiplatform
from vertexai.resources.preview import feature_store


def create_feature_sample(
    project: str,
    location: str,
    existing_feature_group_id: str,
    feature_id: str,
    version_column_name: str,
):
    aiplatform.init(project=project, location=location)
    feature_group = feature_store.FeatureGroup(existing_feature_group_id)
    feature = feature_group.create_feature(
        name=feature_id, version_column_name=version_column_name
    )
    return feature
  • project: o ID do seu projeto.
  • location: região onde o grupo de elementos está localizado, como us-central1.
  • existing_feature_group_id: o nome do grupo de funcionalidades existente onde quer criar a funcionalidade.
  • version_column_name: Opcional: a coluna da tabela ou da vista do BigQuery que quer associar à funcionalidade. Se não especificar este parâmetro, a predefinição é FEATURE_NAME.
  • feature_id: o nome da nova funcionalidade que quer criar

REST

Para criar um recurso Feature, envie um pedido POST através do método features.create.

Antes de usar qualquer um dos dados do pedido, faça as seguintes substituições:

  • LOCATION_ID: região onde o grupo de elementos está localizado, como us-central1.
  • PROJECT_ID: o ID do seu projeto.
  • FEATUREGROUP_NAME: o nome do grupo de funcionalidades onde quer criar a funcionalidade.
  • FEATURE_NAME: o nome da nova funcionalidade que quer criar.
  • VERSION_COLUMN_NAME: Opcional: a coluna da tabela ou da vista do BigQuery que quer associar à funcionalidade. Se não especificar este parâmetro, a predefinição é FEATURE_NAME.

Método HTTP e URL: 

POST https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureGroups/FEATUREGROUP_NAME/features?feature_id=FEATURE_NAME

Corpo JSON do pedido: 

{
  "version_column_name": "VERSION_COLUMN_NAME"
}

Para enviar o seu pedido, escolha uma destas opções:

curl

Guarde o corpo do pedido num ficheiro com o nome request.json, e execute o seguinte comando: 

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureGroups/FEATUREGROUP_NAME/features?feature_id=FEATURE_NAME"

PowerShell

Guarde o corpo do pedido num ficheiro com o nome request.json, e execute o seguinte comando: 

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureGroups/FEATUREGROUP_NAME/features?feature_id=FEATURE_NAME" | Select-Object -Expand Content

Deve receber uma resposta JSON semelhante à seguinte:

{
  "name": "projects/PROJECT_NUMBER/locations/LOCATION_ID/featureGroups/FEATUREGROUP_NAME/features/FEATURE_NAME/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1.UpdateFeatureOperationMetadata",
    "genericMetadata": {
      "createTime": "2023-09-18T02:36:22.870679Z",
      "updateTime": "2023-09-18T02:36:22.870679Z"
    }
  }
}

O que se segue?