Crear una función

Puedes crear una función después de crear un grupo de funciones y asociarle una tabla o una vista de BigQuery. Puede crear varias características para un grupo de características y asociar cada característica a una columna específica de la fuente de datos de BigQuery. Para obtener información sobre cómo usar BigQuery, consulta la documentación de BigQuery.

Por ejemplo, si el grupo de características featuregroup1 está asociado a la tabla de BigQuery datasource_1, que contiene valores de características en las columnas fval1 y fval2, puede crear la característica feature_1 en featuregroup1 y asociarla a los valores de características de la columna fval1. Del mismo modo, puede crear otra característica llamada feature_2 y asociarla a los valores de la característica de la columna fval2.

Un grupo de funciones debe tener asociada una fuente de datos de funciones para que puedas crear funciones. Si el grupo de características no tiene ninguna fuente de datos asociada, debes asociar una fuente de datos de BigQuery actualizando el grupo de características antes de poder crear características en él.

Para saber si es obligatorio, opcional o desaconsejable registrar los datos de sus funciones mediante grupos de funciones y funciones, consulte lo siguiente:

Antes de empezar

Autentícate en Vertex AI, a menos que ya lo hayas hecho.

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 las Python muestras de esta página en un entorno de desarrollo local, instala e inicializa la CLI de gcloud y, a continuación, configura las credenciales predeterminadas de la aplicación con tus credenciales de usuario.

    Instala Google Cloud CLI.

    Si utilizas un proveedor de identidades (IdP) externo, primero debes iniciar sesión en la CLI de gcloud con tu identidad 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 obtener más información, consulta Set up authentication for a local development environment.

REST

Para usar las muestras de la API REST de esta página en un entorno de desarrollo local, debes usar las credenciales que proporciones a la CLI de gcloud.

    Instala Google Cloud CLI.

    Si utilizas un proveedor de identidades (IdP) externo, primero debes iniciar sesión en la CLI de gcloud con tu identidad federada.

Para obtener más información, consulta el artículo Autenticarse para usar REST de la documentación sobre autenticación de Google Cloud .

Crear una función en un grupo de funciones

Usa los siguientes ejemplos para crear una función en un grupo de funciones y asociar una columna que contenga valores de funciones de la fuente de datos de BigQuery registrada en el grupo de funciones.

Consola

Sigue estas instrucciones para añadir funciones a un grupo de funciones que ya tengas mediante la consola Google Cloud .

  1. En la sección Vertex AI de la Google Cloud consola, ve a la página Feature Store.

    Ir a la página Feature Store

  2. En la sección Grupos de funciones, haga clic en en la fila correspondiente al grupo de funciones al que quiera añadir una función y, a continuación, haga clic en Añadir funciones.

  3. En cada función, introduzca un Nombre de la función y haga clic en el nombre de la columna de origen de BigQuery correspondiente en la lista. Para añadir más funciones, haz clic en Añadir otra función.

  4. Haz clic en Crear.

Python

Para saber cómo instalar o actualizar el SDK de Vertex AI para Python, consulta Instalar el SDK de Vertex AI para Python. Para obtener más información, consulta la documentación de referencia de la API Python. 


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: tu ID de proyecto.
  • location: región en la que se encuentra el grupo de funciones, como us-central1.
  • existing_feature_group_id: el nombre del grupo de funciones en el que quieres crear la función.
  • version_column_name: opcional. Columna de la tabla o vista de BigQuery que quieras asociar a la función. Si no especificas este parámetro, se le asigna el valor FEATURE_NAME de forma predeterminada.
  • feature_id: el nombre de la nueva función que quieras crear

REST

Para crear un recurso Feature, envía una solicitud POST mediante el método features.create.

Antes de usar los datos de la solicitud, haz las siguientes sustituciones:

  • LOCATION_ID: región en la que se encuentra el grupo de funciones, como us-central1.
  • PROJECT_ID: tu ID de proyecto.
  • FEATUREGROUP_NAME: el nombre del grupo de funciones en el que quieres crear la función.
  • FEATURE_NAME: el nombre de la nueva función que quieras crear.
  • VERSION_COLUMN_NAME: opcional. Columna de la tabla o vista de BigQuery que quieras asociar a la función. Si no especificas este parámetro, se le asigna el valor FEATURE_NAME de forma predeterminada.

Método HTTP y URL: 

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

Cuerpo JSON de la solicitud: 

{
  "version_column_name": "VERSION_COLUMN_NAME"
}

Para enviar tu solicitud, elige una de estas opciones:

curl

Guarda el cuerpo de la solicitud en un archivo llamado request.json y ejecuta el siguiente 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

Guarda el cuerpo de la solicitud en un archivo llamado request.json y ejecuta el siguiente 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

Deberías recibir una respuesta JSON similar a la siguiente:

{
  "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"
    }
  }
}

Siguientes pasos