Utilisez les tutoriels de notebook suivants pour en savoir plus sur Vertex AI Feature Store.
Livraison de caractéristiques en ligne et récupération des données BigQuery avec la diffusion en ligne Bigtable Vertex AI Feature Store
|
Dans ce tutoriel, vous allez apprendre à utiliser la diffusion en ligne Bigtable dans Vertex AI Feature Store pour la livraison et la récupération en ligne de valeurs de caractéristiques dans BigQuery. Ouvrir dans Colab | Ouvrir dans Colab Enterprise | Afficher sur GitHub | Ouvrir dans les notebooks gérés par l'utilisateur Vertex AI Workbench |
Livraison et récupération de caractéristiques en ligne sur des données BigQuery avec la livraison en ligne optimisée de Vertex AI Feature Store
|
|
Dans ce tutoriel, vous allez apprendre à utiliser la diffusion en ligne optimisée dans Vertex AI Feature Store afin de livrer et récupérer des valeurs de caractéristiques à partir de BigQuery. Ouvrir dans Colab | Ouvrir dans Colab Enterprise | Afficher sur GitHub | Ouvrir dans les notebooks Vertex AI Workbench gérés par l'utilisateur |
Publication des caractéristiques en ligne et récupération vectorielle des données BigQuery avec Vertex AI Feature Store
|
|
Dans ce tutoriel, vous allez apprendre à utiliser Vertex AI Feature Store pour la livraison en ligne et la récupération vectorielle de valeurs de caractéristiques dans BigQuery. Ouvrir dans Colab | Ouvrir dans Colab Enterprise | Afficher sur GitHub | Ouvrir dans les notebooks gérés par l'utilisateur Vertex AI Workbench |
Agents de service des vues de caractéristiques Vertex AI Feature Store
|
|
Dans ce tutoriel, vous allez apprendre à activer les agents de service de vue d'éléments géographiques et à accorder à chaque vue d'éléments géographiques l'accès aux données sources spécifiques utilisées. Ouvrir dans Colab | Ouvrir dans Colab Enterprise | Afficher sur GitHub | Ouvrir dans les notebooks Vertex AI Workbench gérés par l'utilisateur |
Tutoriel sur l'ancrage LLM basé sur Vertex AI Feature Store
|
|
Dans ce tutoriel, vous allez apprendre à fragmenter des données fournies par l'utilisateur, puis à générer des vecteurs d'embedding pour chaque fragment à l'aide d'un grand modèle de langage (LLM) doté de fonctionnalités de génération d'embeddings. L'ensemble de données vectorielles d'embedding obtenu peut ensuite être chargé dans Vertex AI Feature Store, ce qui permet une récupération rapide des caractéristiques et une livraison en ligne efficace. Ouvrir dans Colab | Ouvrir dans Colab Enterprise | Afficher sur GitHub | Ouvrir dans les notebooks gérés par l'utilisateur Vertex AI Workbench |
Créer une application RAG par IA générative avec Vertex AI Feature Store et BigQuery
|
|
Dans ce tutoriel, vous allez apprendre à créer un système de recherche vectorielle à faible latence pour votre application d'IA générative à l'aide de la recherche vectorielle BigQuery et de Vertex AI Feature Store. Ouvrir dans Colab | Ouvrir dans Colab Enterprise | Afficher sur GitHub | Ouvrir dans les notebooks gérés par l'utilisateur Vertex AI Workbench |
Configurer une stratégie IAM dans Vertex AI Feature Store
|
|
Dans ce tutoriel, vous allez apprendre à configurer une stratégie IAM pour contrôler l'accès aux ressources et aux données stockées dans Vertex AI Feature Store. Ouvrir dans Colab | Ouvrir dans Colab Enterprise | Afficher sur GitHub | Ouvrir dans les notebooks gérés par l'utilisateur Vertex AI Workbench |