Tutorial sui blocchi note Jupyter di Ray on Vertex AI

Questo documento contiene un elenco di tutorial sui notebook Ray su Vertex AI disponibili. Questi tutorial end-to-end ti aiutano a iniziare a utilizzare Ray su Vertex AI e possono darti idee su come implementare un progetto specifico.

Esistono molti ambienti in cui puoi ospitare i blocchi note. Puoi:

• Eseguili nel cloud utilizzando un servizio come Colaboratory (Colab) o Vertex AI Workbench.
• Scaricale da GitHub ed eseguile sulla tua macchina locale.
• Scaricali da GitHub ed eseguili su un server Jupyter o JupyterLab rete locale.

Colab

Eseguire un blocco note in Colab è un modo per iniziare rapidamente.

Per aprire un tutorial sul blocco note in Colab, fai clic sul link Colab nella elenco blocchi note. Colab crea un'istanza VM con tutte le dipendenze necessarie, avvia l'ambiente Colab e carica il blocco note.

Vertex AI Workbench

Puoi anche eseguire il notebook utilizzando i notebook gestiti dall'utente. Quando crei un'istanza di blocchi note gestiti dall'utente con Vertex AI Workbench, hai il controllo completo della VM di hosting. Puoi specificare la configurazione della VM di hosting.

I blocchi note gestiti dall'utente di Vertex AI Workbench ritirato. Il 30 gennaio 2025, i blocchi note gestiti dall'utente non saranno più disponibili e non sarà più possibile creare istanze di blocchi note gestiti dall'utente verrà rimosso. Le istanze esistenti continueranno a funzionare, ma patch, aggiornamenti e upgrade non saranno disponibili. Per continuare a utilizzare Vertex AI Workbench, ti consigliamo migrazione dalle istanze di blocchi note gestiti dall'utente alle istanze di Vertex AI Workbench.

Per aprire un tutorial del blocco note in un'istanza di Vertex AI Workbench:

1. Fai clic sul link Vertex AI Workbench in l'elenco dei blocchi note. Il link apre la console di Vertex AI Workbench.
2. Nella schermata Esegui il deployment sul blocco note, digita un nome per il nuovo e fai clic su Crea.
3. Nella finestra di dialogo Pronto per aprire il blocco note visualizzata dopo l'avvio dell'istanza, fai clic su Apri.
4. Nella pagina Conferma il deployment sul server di blocchi note, seleziona Conferma.
5. Prima di eseguire il notebook, seleziona Kernel > Riavvia kernel e Cancella tutti gli output.

Elenco di notebook

Seleziona un servizio AutoML BigQuery BigQuery ML Addestramento personalizzato Tabulare Immagine Ray on Vertex AI Testo Video Vertex AI Experiments Vertex AI Feature Store Vector Search Valutazione dei modelli Vertex AI Vertex AI Model Monitoring Vertex AI Model Registry Vertex AI Pipelines Vertex AI Prediction Vertex AI TensorBoard Vertex AI Vizier Vertex AI Workbench Vertex Explainable AI Vertex ML Metadata

Servizi	Descrizione	Apri in
Classificazione dei dati tabulari	Addestramento e previsione tabulari AutoML. Scopri come addestrare e fare previsioni su un modello AutoML in base a un set di dati tabulare. Scopri di più sulla classificazione dei dati tabulari. Passaggi del tutorial Creare un job di addestramento del modello Vertex AI. Addestra un modello tabulare AutoML. Esegui il deployment della risorsa modello in una risorsa endpoint di pubblicazione. Fai una previsione inviando dati. Annulla il deployment della risorsa del modello.	Colab Colab Enterprise GitHub Vertex AI Workbench
Ottieni previsioni da un modello di classificazione delle immagini	Modello di classificazione delle immagini di addestramento AutoML per la previsione batch. In questo tutorial, creerai un modello di classificazione delle immagini AutoML da uno script Python ed eseguirai una previsione batch utilizzando l'SDK Vertex. Scopri di più su come ottenere previsioni da un modello di classificazione delle immagini. Passaggi del tutorial Crea una risorsa set di dati Vertex. Addestrare il modello. Visualizza la valutazione del modello. Effettua una previsione batch.	Colab Colab Enterprise GitHub Vertex AI Workbench
Ottenere le previsioni da un modello di classificazione delle immagini	Addestramento di un modello di classificazione delle immagini AutoML per la previsione online. In questo tutorial, crei un modello di classificazione delle immagini AutoML ed esegui il deployment per la previsione online da uno script Python utilizzando l'SDK Vertex. Scopri di più su come ottenere previsioni da un modello di classificazione delle immagini. Passaggi del tutorial Crea una risorsa Vertex Dataset. Addestrare il modello. Visualizza la valutazione del modello. Esegui il deployment della risorsa Model in una risorsa Endpoint di pubblicazione. Fai una previsione. Annulla il deployment di Model.	Colab Colab Enterprise GitHub Vertex AI Workbench
AutoML	Modellazione di addestramento di AutoML per il rilevamento di oggetti nelle immagini da esportare su Edge. In questo tutorial, crei un modello di rilevamento di oggetti nelle immagini AutoML da uno script Python utilizzando l'SDK Vertex e poi esporti il modello come modello Edge in formato TFLite. Passaggi del tutorial Crea una risorsa set di dati Vertex. Addestrare il modello. Esporta il modello di edge dalla risorsa modello in Cloud Storage. Scarica il modello in locale. Fai una previsione locale.	Colab Colab Enterprise GitHub Vertex AI Workbench
Rilevamento di oggetti per i dati delle immagini	Modello di rilevamento di oggetti nelle immagini di addestramento AutoML per la previsione online. In questo tutorial, crei un modello di rilevamento di oggetti nelle immagini AutoML ed esegui il deployment per la previsione online da uno script Python utilizzando l'SDK Vertex AI. Scopri di più sul rilevamento di oggetti per i dati delle immagini. Passaggi del tutorial Creare una risorsa del set di dati Vertex AI. Addestrare il modello. Visualizza la valutazione del modello. Esegui il deployment della risorsa modello in una risorsa endpoint di pubblicazione. Fai una previsione. Annulla il deployment del modello.	Colab Colab Enterprise GitHub Vertex AI Workbench
Flusso di lavoro tabulare per AutoML E2E	Pipeline di flusso di lavoro tabulari AutoML. Scopri come creare due modelli di regressione utilizzando Vertex AI Pipelines scaricate dai componenti di pipeline di Google Cloud . Scopri di più su Tabular Workflow for E2E AutoML. Passaggi del tutorial Creare una pipeline di addestramento che riduce lo spazio di ricerca da quello predefinito per risparmiare tempo. Crea una pipeline di addestramento che riutilizza i risultati di ricerca dell'architettura della pipeline precedente per risparmiare tempo.	Colab Colab Enterprise GitHub Vertex AI Workbench
Addestramento AutoML	Inizia a utilizzare l'addestramento AutoML. Scopri come utilizzare AutoML per l'addestramento con Vertex AI. Scopri di più sull'addestramento AutoML. Passaggi del tutorial Addestrare un modello di immagini Esporta il modello di immagini come modello Edge Addestra un modello tabulare Esporta il modello tabulare come modello cloud Addestra un modello di testo Addestra un modello video	Colab Colab Enterprise GitHub Vertex AI Workbench
Previsione gerarchica per i dati tabulari	Previsione gerarchica per l'addestramento di Vertex AI AutoML per la previsione batch. In questo tutorial, creerai un modello di previsione gerarchico AutoML e ne eseguirai il deployment per la previsione batch utilizzando l'SDK Vertex AI per Python. Scopri di più sulla previsione gerarchica per i dati tabulari. Passaggi del tutorial Creare una risorsa Vertex AI TimeSeriesDataset. Addestrare il modello. Visualizza la valutazione del modello. Effettua una previsione batch.	Colab Colab Enterprise GitHub Vertex AI Workbench
Rilevamento di oggetti per i dati delle immagini	Modello di rilevamento di oggetti nelle immagini di addestramento AutoML per la previsione in batch. In questo tutorial, crei un modello di rilevamento di oggetti nelle immagini AutoML da uno script Python e poi esegui una previsione batch utilizzando l'SDK Vertex AI per Python. Scopri di più sul rilevamento di oggetti per i dati di immagine. Passaggi del tutorial Crea una risorsa set di dati Vertex. Addestrare il modello. Visualizza la valutazione del modello. Fai una previsione batch.	Colab Colab Enterprise GitHub Vertex AI Workbench
Previsioni con AutoML	Modello di previsione tabulare AutoML per la previsione batch. Scopri come creare un modello di previsione tabulare AutoML da uno script Python e poi generare una previsione batch utilizzando l'SDK Vertex AI. Scopri di più sulla previsione con AutoML. Passaggi del tutorial Creare una risorsa del set di dati Vertex AI. Addestra una risorsa di modello di previsione tabulare AutoML. Ottieni le metriche di valutazione per la risorsa modello. Effettua una previsione batch.	Colab Colab Enterprise GitHub Vertex AI Workbench
Regressione per i dati tabulari	Modello di regressione tabulare per l'addestramento di AutoML per la previsione batch con BigQuery. Scopri come creare un modello di regressione tabulare AutoML ed eseguirne il deployment per la previsione batch utilizzando l'SDK Vertex AI per Python. Scopri di più sulla regressione per i dati tabulari. Passaggi del tutorial Creare una risorsa del set di dati Vertex AI. Addestrare una risorsa modello di regressione tabulare AutoML. Ottieni le metriche di valutazione per la risorsa modello. Effettua una previsione batch.	Colab Colab Enterprise GitHub Vertex AI Workbench
Regressione per i dati tabulari	Addestramento di un modello di regressione tabulare AutoML per la previsione online utilizzando BigQuery. Scopri come creare un modello di regressione tabulare AutoML ed eseguire il deployment per la previsione online da uno script Python utilizzando l'SDK Vertex AI. Scopri di più sulla regressione per i dati tabulari. Passaggi del tutorial Crea una risorsa set di dati Vertex. Addestrare il modello. Visualizza la valutazione del modello. Eseguire il deployment della risorsa del modello in una risorsa endpoint di gestione. Fai una previsione. Annullare il deployment del modello.	Colab Colab Enterprise GitHub Vertex AI Workbench
Riconoscimento delle azioni per i dati video	Addestramento di un modello di riconoscimento delle azioni video AutoML per la previsione batch. Scopri come creare un modello AutoML per il riconoscimento delle azioni video da uno script Python ed eseguire una previsione batch utilizzando l'SDK Vertex AI. Scopri di più sul riconoscimento delle azioni per i dati video. Passaggi del tutorial Creare una risorsa del set di dati Vertex AI. Addestrare il modello. Visualizza la valutazione del modello. Fai una previsione batch.	Colab Colab Enterprise GitHub Vertex AI Workbench
Classificazione dei dati video	Modello di classificazione dei video di addestramento AutoML per la previsione batch. Creare un modello di classificazione di video AutoML da uno script Python ed eseguire una previsione batch utilizzando l'SDK Vertex AI. Scopri di più sulla classificazione dei dati dei video. Passaggi del tutorial Crea una risorsa set di dati Vertex. Addestrare il modello. Visualizza la valutazione del modello. Fai una previsione batch.	Colab Colab Enterprise GitHub Vertex AI Workbench
Monitoraggio di oggetti per i dati video	Modello di monitoraggio degli oggetti video di addestramento AutoML per previsione batch. Scopri come creare un modello di monitoraggio degli oggetti video AutoML da uno script Python e poi fai una previsione batch utilizzando l'SDK Vertex AI per Python. Scopri di più sul monitoraggio di oggetti per i dati video. Passaggi del tutorial Crea una risorsa set di dati Vertex. Addestrare il modello. Visualizza la valutazione del modello. Effettua una previsione batch.	Colab Colab Enterprise GitHub Vertex AI Workbench
BigQuery ML	Inizia a utilizzare la formazione BigQuery ML. Scopri come utilizzare BigQuery ML per l'addestramento con Vertex AI. Scopri di più su BigQuery ML. Passaggi del tutorial Creare una tabella BigQuery locale nel progetto Addestra un modello BigQuery ML Valutare il modello BigQuery ML Esportare il modello BigQuery ML come modello cloud Carica il modello esportato come risorsa modello Vertex AI Ottimizzazione degli iperparametri di un modello BigQuery ML con Vertex AI Vizier Registrare automaticamente un modello BigQuery ML in Vertex AI Model Registry	Colab Colab Enterprise GitHub Vertex AI Workbench
Addestramento personalizzato Previsione di Vertex AI	Deployment del modello di rilevamento dell'iride mediante la distribuzione di container personalizzati FastAPI e Vertex AI. Scopri come creare, eseguire il deployment e pubblicare un modello di classificazione personalizzato su Vertex AI. Scopri di più sull'addestramento personalizzato. Scopri di più su Vertex AI Prediction. Passaggi del tutorial Addestra un modello che utilizza le misurazioni del fiore come input per prevedere la classe di iris. Salva il modello e il relativo preprocessore serializzato. Crea un server FastAPI per gestire previsioni e controlli di integrità. Crea un container personalizzato con gli elementi del modello. Carica ed esegui il deployment di un container personalizzato in Vertex AI Endpoints.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Training	Addestramento di un modello TensorFlow sui dati BigQuery. Scopri come creare un modello con addestramento personalizzato da uno script Python in un container Docker utilizzando l'SDK Vertex AI per Python e poi ottenere una previsione dal modello di cui è stato eseguito il deployment inviando i dati. Scopri di più su Vertex AI Training. Passaggi del tutorial Crea un TrainingPipeline personalizzato di Vertex AI per l'addestramento di un modello. Addestra un modello TensorFlow. Esegui il deployment della risorsa Model in una risorsa Endpoint di gestione. Fai una previsione. Annulla il deployment della risorsa Model.	Colab Colab Enterprise GitHub Vertex AI Workbench
Addestramento personalizzato	Addestramento personalizzato con immagine container personalizzata e caricamento automatico del modello su Vertex AI Model Registry. In questo tutorial, addestrerai un approccio all'immagine container personalizzata di un modello di machine learning per l'addestramento personalizzato in Vertex AI. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Creare un job personalizzato di Vertex AI per l'addestramento di un modello. Addestrare e registrare un modello TensorFlow utilizzando un container personalizzato. Elenca il modello registrato in Vertex AI Model Registry.	Colab Colab Enterprise GitHub Vertex AI Workbench
Cloud Profiler	Prestazioni di addestramento del modello di profilo utilizzando Cloud Profiler. Scopri come abilitare Cloud Profiler per i job di addestramento personalizzati. Scopri di più su Cloud Profiler. Passaggi del tutorial Configura un account di servizio e un bucket Cloud Storage crea un'istanza Vertex AI TensorBoard Crea ed esegui un job di addestramento personalizzato Visualizzare la dashboard di Cloud Profiler	Colab Colab Enterprise GitHub Vertex AI Workbench
Addestramento personalizzato	Inizia a utilizzare Vertex AI Training per XGBoost. Scopri come utilizzare Vertex AI Training per addestrare un modello personalizzato XGBoost. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Formazione con un pacchetto Python. Segnala l'accuratezza durante l'ottimizzazione degli iperparametri. Salva gli elementi del modello in Cloud Storage utilizzando Cloud Storage Fuse. Crea una risorsa modello Vertex AI.	Colab Colab Enterprise GitHub Vertex AI Workbench
Risorse condivise tra i deployment	Inizia a utilizzare Endpoint e le VM condivise. Scopri come utilizzare i pool di risorse di deployment per il deployment dei modelli. Scopri di più sulle risorse condivise tra i deployment. Passaggi del tutorial Carica un modello di classificazione delle immagini preaddestrato come risorsa Model (modello A). Carica un modello di codifica di frasi di testo preaddestrato come risorsa Model (modello B). Crea un pool di risorse di deployment VM condiviso. Elenca i pool di risorse di deployment delle VM condivisi. Crea due risorse Endpoint. Esegui il deployment del primo modello (modello A) nella prima risorsa Endpoint utilizzando il pool di risorse di deployment. Esegui il deployment del secondo modello (modello B) nella seconda risorsa Endpoint utilizzando il pool di risorse di deployment. Effettua una richiesta di previsione con il primo modello di cui è stato eseguito il deployment (modello A). Effettua una richiesta di previsione con il secondo modello di cui è stato eseguito il deployment (modello B).	Colab Colab Enterprise GitHub Vertex AI Workbench
Addestramento personalizzato Previsioni in batch di Vertex AI	Addestramento personalizzato e previsione batch. Impara a utilizzare l'addestramento di Vertex AI per creare un modello con addestramento personalizzato e utilizza la previsione batch di Vertex AI per eseguire una previsione batch sul modello addestrato. Scopri di più sull'addestramento personalizzato. Scopri di più sulla previsione batch di Vertex AI. Passaggi del tutorial Crea un job personalizzato Vertex AI per l'addestramento di un modello TensorFlow. Caricare gli artefatti del modello addestrato come risorsa del modello. Effettua una previsione batch.	Colab Colab Enterprise GitHub Vertex AI Workbench
Addestramento personalizzato Vertex AI Prediction	Addestramento personalizzato e previsione online. Impara a utilizzare Vertex AI Training per creare un modello con addestramento personalizzato da uno script Python in un container Docker e impara a utilizzare Vertex AI Prediction per fare una previsione sul modello di cui è stato eseguito il deployment inviando dati. Scopri di più sull'addestramento personalizzato. Scopri di più su Vertex AI Prediction. Passaggi del tutorial Crea un job personalizzato Vertex AI per l'addestramento di un modello TensorFlow. Carica gli artefatti del modello addestrato in una risorsa Model. Crea una risorsa Endpoint di gestione. Esegui il deployment della risorsa Model in una risorsa Endpoint di pubblicazione. Fai una previsione. Annulla il deployment della risorsa Model.	Colab Colab Enterprise GitHub Vertex AI Workbench
Set di dati BigQuery Vertex AI per gli utenti di BigQuery	Inizia a utilizzare i set di dati BigQuery. Scopri come utilizzare BigQuery come set di dati per l'addestramento con Vertex AI. Scopri di più sui set di dati BigQuery. Scopri di più su Vertex AI per gli utenti di BigQuery. Passaggi del tutorial Creare una risorsa del set di dati Vertex AI dalla tabella BigQuery compatibile per l'addestramento con AutoML. Estrai una copia del set di dati da BigQuery in un file CSV in Cloud Storage compatibile per AutoML o l'addestramento personalizzato. Seleziona le righe da un set di dati BigQuery in un dataframe pandas compatibile per l'addestramento personalizzato. Seleziona le righe da un set di dati BigQuery in un campo tf.data.Dataset compatibile con l'addestramento personalizzato di modelli TensorFlow. Seleziona le righe dei file CSV estratti in un file tf.data.Dataset compatibile con l'addestramento personalizzato di modelli TensorFlow. Crea un set di dati BigQuery da file CSV. Estrai i dati dalla tabella BigQuery in un dispositivo compatibile con DMatrix per l'addestramento personalizzato di modelli XGBoost.	Colab Colab Enterprise GitHub Vertex AI Workbench
Esperimenti Vertex AI Vertex ML Metadata	Crea la derivazione dell'esperimento Vertex AI per l'addestramento personalizzato. Scopri come integrare il codice di pre-elaborazione in un esperimento Vertex AI. Scopri di più su Vertex AI Experiments. Scopri di più su Vertex ML Metadata. Passaggi del tutorial Esegui modulo per pre-elaborazione dei dati Creare un artefatto del set di dati Parametri di log Esegui il modulo per l'addestramento del modello Parametri di log Crea artefatto modello Assegna la tracciabilità del lignaggio a set di dati, modello e parametri	Colab Colab Enterprise GitHub Vertex AI Workbench
Esperimenti Vertex AI	Monitora parametri e metriche per i modelli addestrati localmente. Scopri come utilizzare Vertex AI Experiments per confrontare e valutare gli esperimenti sui modelli. Scopri di più su Vertex AI Experiments. Passaggi del tutorial registrare i parametri del modello Registra la perdita e le metriche in ogni epoca su Vertex AI TensorBoard registra le metriche di valutazione	Colab Colab Enterprise GitHub Vertex AI Workbench
Esperimenti Vertex AI Vertex AI Pipelines	Confronta le esecuzioni della pipeline con Vertex AI Experiments. Scopri come utilizzare Vertex AI Experiments per registrare un job della pipeline e poi confrontare diversi job della pipeline. Scopri di più su Vertex AI Experiments. Scopri di più su Vertex AI Pipelines. Passaggi del tutorial Formalizzare un componente di addestramento Crea una pipeline di addestramento Esegui diversi job della pipeline e registra i relativi risultati Confrontare diversi job della pipeline	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI TensorBoard	Elimina gli esperimenti obsoleti in Vertex AI TensorBoard. Scopri come eliminare gli esperimenti Vertex AI TensorBoard obsoleti per evitare costi di archiviazione inutili. Scopri di più su Vertex AI TensorBoard. Passaggi del tutorial Come eliminare l'esperimento TB con una coppia di etichette keyvalue predefinite Come eliminare gli esperimenti TB creati prima del giorno create_time Come eliminare gli esperimenti TB creati prima del giorno update_time	Colab Colab Enterprise GitHub Vertex AI Workbench
Esperimenti Vertex AI	Log automatico dell'addestramento personalizzato - Script locale. Scopri come registrare automaticamente parametri e metriche di un esperimento ML in esecuzione su Vertex AI Training sfruttando l'integrazione con Vertex AI Experiments. Passaggi del tutorial Formalizzare l'esperimento sul modello in uno script Eseguire l'addestramento del modello utilizzando uno script locale in Vertex AI Training Scopri i parametri e le metriche degli esperimenti ML in Vertex AI Experiments	Colab Colab Enterprise GitHub Vertex AI Workbench
Esperimenti Vertex AI Vertex ML Metadata Addestramento personalizzato	Inizia a utilizzare Vertex AI Experiments. Scopri come utilizzare gli esperimenti Vertex AI durante l'addestramento con Vertex AI. Scopri di più su Vertex AI Experiments. Scopri di più su Vertex ML Metadata. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Formazione locale (blocco note) Crea un esperimento. Crea una prima esecuzione nell'esperimento. Parametri e metriche dei log. Crea la struttura di derivazione degli elementi. Visualizza i risultati dell'esperimento. Esegui una seconda esecuzione. Confronta le due esecuzioni nell'esperimento. Addestramento su cloud (Vertex AI) Nello script di addestramento	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Experiments	Log automatico. Scopri come utilizzare l'autologging di Vertex AI. Passaggi del tutorial Attivare il logging automatico nell'SDK Vertex AI. Addestra un modello scikitlearn e controlla l'esecuzione dell'esperimento risultante con metriche e parametri registrati automaticamente in Vertex AI Experiments senza impostare l'esecuzione di un esperimento. Addestra un modello TensorFlow, controlla le metriche e i parametri registrati automaticamente in Vertex AI Experiments impostando manualmente l'esecuzione di un esperimento con aiplatform.start_run() e aiplatform.end_run(). Disabilita il logging automatico nell'SDK Vertex AI, addestra un modello PyTorch e controlla che nessuno dei parametri o delle metriche sia registrato.	Colab Colab Enterprise GitHub Vertex AI Workbench
Classificazione dei dati tabulari Vertex Explainable AI	Spiegazione batch per il modello di classificazione binaria tabulare AutoML. Impara a utilizzare AutoML per creare un modello di classificazione binaria tabulare a partire da uno script Python, quindi impara a utilizzare Vertex AI Batch Prediction per fare previsioni con spiegazioni. Scopri di più sulla classificazione dei dati tabulari. Scopri di più su Vertex Explainable AI. Passaggi del tutorial Creare una risorsa del set di dati gestita da Vertex AI. Addestra un modello di classificazione binaria tabulare AutoML. Visualizza le metriche di valutazione del modello addestrato. Fare una richiesta di previsione batch con spiegabilità.	Colab Colab Enterprise GitHub Vertex AI Workbench
Classificazione dei dati tabulari Vertex Explainable AI	Modello di classificazione tabulare di addestramento AutoML per la spiegazione online. Scopri come utilizzare AutoML per creare un modello di classificazione binaria tabulare da uno script Python. Scopri di più sulla classificazione dei dati tabulari. Scopri di più su Vertex Explainable AI. Passaggi del tutorial Creare una risorsa del set di dati Vertex AI. Addestra un modello di classificazione binaria tabulare AutoML. Visualizza le metriche di valutazione del modello addestrato. Crea una risorsa endpoint di pubblicazione. Eseguire il deployment della risorsa Model in una risorsa endpoint di pubblicazione. Effettua una richiesta di previsione online con spiegabilità. Annulla il deployment della risorsa Model.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex Explainable AI Previsione batch di Vertex AI	Modello personalizzato di classificazione delle immagini di addestramento per la previsione batch con spiegabilità. Impara a utilizzare Vertex AI Training and Vertex Explainable AI per creare un modello di classificazione delle immagini personalizzato con spiegazioni e poi a utilizzare Vertex AI Batch Prediction per effettuare una richiesta di previsione batch con spiegazioni. Scopri di più su Vertex Explainable AI. Scopri di più sulla previsione batch di Vertex AI. Passaggi del tutorial Crea un job personalizzato Vertex AI per l'addestramento di un modello TensorFlow. Visualizza la valutazione del modello addestrato. Imposta i parametri di spiegazione per il momento in cui viene eseguito il deployment del modello. Carica gli artefatti del modello addestrato e i parametri di spiegazione come risorsa Model. Effettua una previsione batch con spiegazioni.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex Explainable AI Vertex AI Prediction	Modello personalizzato di classificazione delle immagini di addestramento per la previsione online con spiegabilità. Scopri come utilizzare l'addestramento di Vertex AI e Vertex Explainable AI per creare un modello di classificazione di immagini personalizzato con spiegazioni. Scopri di più su Vertex Explainable AI. Scopri di più su Vertex AI Prediction. Passaggi del tutorial Creare un job personalizzato Vertex AI per l'addestramento di un modello TensorFlow. Visualizza la valutazione del modello addestrato. Imposta i parametri di spiegazione per il momento in cui viene eseguito il deployment del modello. Carica gli artefatti e le spiegazioni del modello addestrato come risorsa del modello. Crea una risorsa endpoint di pubblicazione. Eseguire il deployment della risorsa del modello in una risorsa dell'endpoint di gestione. Fai una previsione con una spiegazione. Annulla il deployment della risorsa del modello.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex Explainable AI Previsione batch di Vertex AI	Modello di regressione tabulare di addestramento personalizzato per previsioni batch con spiegabilità. Scopri come utilizzare l'addestramento di Vertex AI e Vertex Explainable AI per creare un modello di classificazione delle immagini personalizzato con spiegazioni. Scopri di più su Vertex Explainable AI. Scopri di più su Vertex AI Batch Prediction. Passaggi del tutorial Creare un job personalizzato Vertex AI per l'addestramento di un modello TensorFlow. Visualizza la valutazione del modello addestrato. Imposta i parametri di spiegazione per il modello. Caricare gli artefatti del modello addestrato come risorsa del modello. Fai una previsione batch con le spiegazioni.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex Explainable AI Vertex AI Prediction	Modello di regressione tabulare con addestramento personalizzato per la previsione online con spiegabilità. Scopri come utilizzare l'addestramento di Vertex AI e l'IA spiegabile di Vertex per creare un modello di regressione tabulare personalizzato con spiegazioni. Scopri di più su Vertex Explainable AI. Scopri di più su Vertex AI Prediction. Passaggi del tutorial Creare un job personalizzato Vertex AI per l'addestramento di un modello TensorFlow. Visualizza la valutazione del modello addestrato. Imposta i parametri di spiegazione per il momento in cui viene eseguito il deployment del modello. Carica gli artefatti e le spiegazioni del modello addestrato come risorsa del modello. Crea una risorsa endpoint di pubblicazione. Eseguire il deployment della risorsa del modello in una risorsa dell'endpoint di gestione. Fai una previsione con una spiegazione. Annulla il deployment della risorsa del modello.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex Explainable AI Vertex AI Prediction	Modello di regressione tabulare con addestramento personalizzato per la previsione online con spiegabilità utilizzando get_metadata. Scopri come creare un modello personalizzato da uno script Python in un container Docker predefinito di Google utilizzando l'SDK Vertex AI. Scopri di più su Vertex Explainable AI. Scopri di più su Vertex AI Prediction. Passaggi del tutorial Crea un job personalizzato di Vertex AI per l'addestramento di un modello TensorFLow. Addestra un modello TensorFlow. Recupera e carica gli artefatti del modello. Visualizza la valutazione del modello addestrato. Imposta i parametri di spiegazione. Carica il modello come risorsa di modello Vertex AI. Esegui il deployment della risorsa Model in una risorsa endpoint di pubblicazione. Fai una previsione con spiegazione. Annullare il deployment della risorsa Model.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex Explainable AI Vertex AI Prediction	Spiegazione della classificazione delle immagini con Vertex Explainable AI. Scopri come configurare le spiegazioni basate sulle caratteristiche su un modello di classificazione delle immagini preaddestrato ed eseguire previsioni online e batch con spiegazioni. Scopri di più su Vertex Explainable AI. Scopri di più su Vertex AI Prediction. Passaggi del tutorial Scarica il modello preaddestrato da TensorFlow Hub Carica il modello per il deployment Esegui il deployment del modello per la previsione online Effettuare una previsione online con spiegazioni Generare previsioni batch con spiegazioni	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex Explainable AI	Spiegazione della classificazione del testo con Vertex Explainable AI. Scopri come configurare le spiegazioni basate su caratteristiche utilizzando il metodo del valore di Shapley campionato su un modello di classificazione del testo TensorFlow per le previsioni online con spiegazioni. Scopri di più su Vertex Explainable AI. Passaggi del tutorial Creare e addestrare un modello di classificazione del testo TensorFlow Carica il modello per il deployment Esegui il deployment del modello per la previsione online Fai previsioni online con spiegazioni	Colab Colab Enterprise GitHub Vertex AI Workbench
Feature Store Vertex AI	Pubblicazione di funzionalità online e recupero dei dati BigQuery con Vertex AI Feature Store. Scopri come creare e utilizzare un'istanza di Feature Store online per ospitare e gestire i dati in BigQuery con Vertex AI Feature Store in un flusso di lavoro end-to-end di distribuzione dei valori delle caratteristiche e recupero del percorso dell'utente. Scopri di più su Vertex AI Feature Store. Passaggi del tutorial Eseguire il provisioning di un'istanza di un archivio di caratteristiche online per ospitare e pubblicare i dati. Registrare una vista BigQuery con l'istanza di Feature Store online e configurare il job di sincronizzazione. Utilizza il server online per recuperare i valori delle caratteristiche per la previsione online.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Feature Store	Distribuzione e recupero dei dati BigQuery relativi alle caratteristiche online con la pubblicazione ottimizzata di Vertex AI Feature Store. Scopri come creare e utilizzare un'istanza di Feature Store online per ospitare e gestire i dati in BigQuery con Vertex AI Feature Store in un flusso di lavoro end-to-end di distribuzione e recupero dei valori delle caratteristiche. Scopri di più su Vertex AI Feature Store. Passaggi del tutorial Eseguire il provisioning di un'istanza di un archivio di caratteristiche online per ospitare e gestire i dati utilizzando la pubblicazione online ottimizzata con l'endpoint pubblico o privato. Registrare una vista BigQuery con l'istanza di Feature Store online e configurare il job di sincronizzazione. Utilizza il server online per recuperare i valori delle caratteristiche per la previsione online.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Feature Store	Distribuzione di caratteristiche online e recupero vettoriale dei dati BigQuery con Vertex AI Feature Store. Scopri come creare e utilizzare un'istanza di Feature Store online per ospitare e gestire i dati in BigQuery con Vertex AI Feature Store in un flusso di lavoro end-to-end del percorso dell'utente di distribuzione delle caratteristiche e recupero vettoriale. Scopri di più su Vertex AI Feature Store. Passaggi del tutorial Eseguire il provisioning di un'istanza di un archivio di caratteristiche online per ospitare e pubblicare i dati. Creare un'istanza di un archivio di caratteristiche online per gestire una tabella BigQuery. Utilizza il server online per cercare i vicini più prossimi.	Colab Colab Enterprise GitHub Vertex AI Workbench
Feature Store Vertex AI	Tutorial sul grounding LLM basato su Vertex AI Feature Store. Scopri come creare e utilizzare un'istanza di Feature Store online per ospitare e gestire i dati in BigQuery con Vertex AI Feature Store in un flusso di lavoro end-to-end del percorso dell'utente di distribuzione delle caratteristiche e recupero vettoriale. Scopri di più su Vertex AI Feature Store. Passaggi del tutorial Eseguire il provisioning di un'istanza di un archivio di caratteristiche online per ospitare e pubblicare i dati. Creare un'istanza di un archivio di caratteristiche online per gestire una tabella BigQuery. Utilizza il server online per cercare i vicini più prossimi.	Colab Colab Enterprise GitHub Vertex AI Workbench
Feature Store Vertex AI	Tutorial sugli agenti di servizio di visualizzazione dei componenti di Vertex AI Feature Store. Scopri come utilizzare un agente di servizio dedicato per una visualizzazione delle funzionalità in Vertex AI Feature Store. Scopri di più su Vertex AI Feature Store. Passaggi del tutorial Crea una visualizzazione delle funzionalità configurata per utilizzare un account di servizio dedicato. Per ogni visualizzazione caratteristiche viene creato un account di servizio. Questo account di servizio viene utilizzato per sincronizzare i dati da BigQuery. L'API Get/List per la visualizzazione delle caratteristiche restituisce l'account di servizio creato automaticamente. Gli utenti devono chiamare il comando bq addiampolicybinding per concedere roles/bigquery.dataViewer all'account di servizio.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Feature Store	SDK di importazione di streaming. Scopri come importare le caratteristiche da un Pandas DataFrame in Vertex AI Feature Store utilizzando il metodo write_feature_values dall'SDK Vertex AI. Scopri di più su Vertex AI Feature Store. Passaggi del tutorial Crea un archivio di caratteristiche. Crea un nuovo tipo di entità per il tuo featurestore. Importa i valori delle caratteristiche da Pandas DataFrame nel tipo di entità nell'archivio di caratteristiche.	Colab Colab Enterprise GitHub Vertex AI Workbench
Feature Store Vertex AI	Utilizzo di Vertex AI Feature Store (legacy) con Pandas Dataframe. Scopri come utilizzare Vertex AI Feature Store con il dataframe Pandas. Scopri di più su Vertex AI Feature Store. Passaggi del tutorial Crea le risorse Featurestore, EntityType e Feature. Importa i valori delle caratteristiche dal DataFrame Pandas nel tipo di entità. Legge i valori delle caratteristiche dell'entità dall'archivio di caratteristiche online in Pandas DataFrame. Pubblica in batch i valori delle caratteristiche dall'archivio di funzionalità nel DataFrame Pandas. Pubblicazione online con valori delle caratteristiche aggiornati. Correttezza pointintime per recuperare i valori delle caratteristiche per l'addestramento.	Colab Colab Enterprise GitHub Vertex AI Workbench
Feature Store Vertex AI	Previsioni online e in batch utilizzando Vertex AI Feature Store (legacy). Scopri come utilizzare Vertex AI Feature Store per importare i dati delle funzionalità e per accedere ai dati delle funzionalità sia per la pubblicazione online sia per le attività offline, come l'addestramento. Scopri di più su Vertex AI Feature Store. Passaggi del tutorial Crea le risorse Featurestore, EntityType e Feature. Importa i dati delle caratteristiche nella risorsa Featurestore. Gestire le richieste di previsione online utilizzando le caratteristiche importate. Accedere alle caratteristiche importate in job offline, come job di addestramento. Utilizza l'importazione di flussi di dati per importare piccole quantità di dati.	Colab Colab Enterprise GitHub Vertex AI Workbench
Panoramica del supporto dell'IA generativa su Vertex AI	Inferenza batch di LLM di Vertex AI con modelli ottimizzati con RLHF. In questo tutorial utilizzerai Vertex AI per ottenere previsioni da un modello linguistico di grandi dimensioni ottimizzato con RLHF. Scopri di più sulla panoramica del supporto dell'IA generativa su Vertex AI. Passaggi del tutorial Crea un job Vertex AI Pipeline utilizzando un modello predefinito per l'inferenza collettiva. Esegui la pipeline utilizzando Vertex AI Pipelines. Produrre risultati di previsione rispetto a un modello per un determinato set di dati.	Colab Enterprise GitHub Vertex AI Workbench
generative_ai	Distillare un modello linguistico di grandi dimensioni (LLM). Scopri come distillare ed eseguire il deployment di un modello linguistico di grandi dimensioni utilizzando un modello linguistico di grandi dimensioni (LLM) di Vertex AI. Passaggi del tutorial Ottieni il modello LLM di Vertex AI. Distilla il modello (questa operazione crea automaticamente un endpoint Vertex AI ed esegue il deployment del modello nell'endpoint). Fai una previsione utilizzando l'LLM di Vertex AI.	Colab Colab Enterprise GitHub Vertex AI Workbench
Ottimizza i modelli di testo utilizzando l'ottimizzazione RLHF	Apprendimento per rinforzo LLM di Vertex AI dal feedback umano. In questo tutorial utilizzerai Vertex AI RLHF per ottimizzare ed eseguire il deployment di un modello linguistico di grandi dimensioni (LLM). Scopri di più sull'ottimizzazione dei modelli di testo mediante l'ottimizzazione RLHF. Passaggi del tutorial Imposta il numero di passaggi di ottimizzazione del modello. Creare un job di pipeline Vertex AI utilizzando un modello di ottimizzazione predefinito. Eseguire la pipeline utilizzando Vertex AI Pipelines. Ottieni le previsioni dal modello ottimizzato.	Colab Colab Enterprise GitHub Vertex AI Workbench
incorporamento del testo	Ricerca semantica mediante embedding. In questo tutorial, dimostriamo come creare un incorporamento generato dal testo ed eseguire una ricerca semantica. Scopri di più sull'incorporamento del testo. Passaggi del tutorial Installazione e importazioni Crea set di dati di embedding Creare un indice Esegui una query sull'indice	Colab Colab Enterprise GitHub Vertex AI Workbench
api di incorporamento del testo	Nuova API Text Embedding. Scopri come chiamare le API di incorporamento di testo più recenti su due nuovi modelli GA text-embedding-004, text-multilingual-embedding-002 e un modello di anteprima text-embedding-preview-0815. Scopri di più sull'API di incorporamento del testo. Passaggi del tutorial Installazione e importazioni Genera incorporamenti	Colab Colab Enterprise GitHub Vertex AI Workbench
Ottimizza i modelli di testo utilizzando l'ottimizzazione supervisionata	Vertex AI Tuning a PEFT model. Impara a utilizzare il modello linguistico di grandi dimensioni (LLM) di Vertex AI per ottimizzare ed eseguire il deployment di un modello linguistico di grandi dimensioni PEFT. Scopri di più su come ottimizzare i modelli di testo utilizzando l'ottimizzazione supervisionata. Passaggi del tutorial Ottieni il modello LLM di Vertex AI. Ottimizza il modello. In questo modo viene creato automaticamente un endpoint Vertex AI ed eseguito il deployment del modello. Fai una previsione utilizzando l'LLM di Vertex AI. Fare una previsione utilizzando Vertex AI Prediction.	Colab Colab Enterprise GitHub Vertex AI Workbench
generative_ai	Ottimizzare gli incorporamenti di testo su Vertex AI. Scopri come ottimizzare un modello di incorporamento del testo, textembedding-gecko. Passaggi del tutorial	Colab GitHub Vertex AI Workbench
API PaLM	Utilizzo dell'SDK Vertex AI con modelli linguistici di grandi dimensioni (LLM). Scopri come fornire input di testo ai modelli linguistici di grandi dimensioni disponibili su Vertex AI per testare, ottimizzare ed eseguire il deployment di modelli linguistici di IA generativa. Scopri di più sull'API PaLM. Passaggi del tutorial Utilizza gli endpoint di previsione dell'API Vertex AI PaLM per ricevere risposte dell'IA generativa a un messaggio. Utilizzare l'endpoint di incorporamento del testo per ricevere una rappresentazione vettoriale di un messaggio. Esegui la messa a punto rapida di un LLM in base ai dati di addestramento di input/output.	Colab Colab Enterprise GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Classificazione per i dati immagine	Classificazione delle immagini AutoML. Impara a utilizzare AutoML per addestrare un modello di immagini e Vertex AI Prediction e Vertex AI batch prediction per fare previsioni online e batch. Scopri di più sulla migrazione a Vertex AI. Scopri di più sulla classificazione per i dati delle immagini. Passaggi del tutorial Addestra un modello di classificazione delle immagini AutoML. Fai una previsione batch. Esegui il deployment del modello in un endpoint Fai una previsione online	Colab Colab Enterprise GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Rilevamento di oggetti per i dati immagine	Rilevamento di oggetti immagine AutoML. Scopri come utilizzare AutoML per addestrare un modello di immagine e come utilizzare Vertex AI Prediction e Vertex AI Batch Prediction per fare previsioni online e batch. Scopri di più su Eseguire la migrazione a Vertex AI. Scopri di più sul rilevamento di oggetti per i dati delle immagini. Passaggi del tutorial Addestra un modello di rilevamento di oggetti AutoML. Fai una previsione batch. Esegui il deployment del modello in un endpoint Fai una previsione online	Colab Colab Enterprise GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Monitoraggio di oggetti per i dati video	AutoML Video Object Tracking (Tracciamento degli oggetti video AutoML). Scopri come utilizzare AutoML per addestrare un modello video e come utilizzare la previsione batch di Vertex AI per fare previsioni batch. Scopri di più su Eseguire la migrazione a Vertex AI. Scopri di più sul monitoraggio degli oggetti per i dati video. Passaggi del tutorial Addestra un modello di monitoraggio di oggetti video AutoML. Effettua una previsione batch.	Colab Colab Enterprise GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Classificazione per i dati tabulari	Classificazione binaria tabulare AutoML. In questo tutorial, crei un modello di classificazione binaria tabulare AutoML ed esegui il deployment per la previsione online da uno script Python utilizzando l'SDK Vertex AI. Scopri di più sulla migrazione a Vertex AI. Scopri di più sulla classificazione dei dati tabulari. Passaggi del tutorial Creare una risorsa del set di dati Vertex AI. Addestrare il modello. Visualizza la valutazione del modello. Esegui il deployment della risorsa modello in una risorsa endpoint di pubblicazione. Fai una previsione. Annullare il deployment del modello	Colab Colab Enterprise GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Classificazione dei dati video	AutoML Video Classification (Classificazione video AutoML). Impara a utilizzare AutoML per addestrare un modello video e utilizza la previsione batch di Vertex AI per eseguire previsioni batch. Scopri di più sulla migrazione a Vertex AI. Scopri di più sulla classificazione dei dati dei video. Passaggi del tutorial Addestra un modello di classificazione dei video AutoML. Effettua una previsione batch.	Colab Colab Enterprise GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Addestramento personalizzato	Classificazione delle immagini personalizzate con un container di addestramento personalizzato. Scopri come addestrare un modello di classificazione delle immagini TensorFlow utilizzando un container personalizzato e l'addestramento Vertex AI. Scopri di più su Eseguire la migrazione a Vertex AI. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Impacchetta il codice di addestramento in un'applicazione Python. Containerizza l'applicazione di addestramento utilizzando Cloud Build e Artifact Registry. Crea e esegui un job di addestramento del contenitore personalizzato in Vertex AI. Valutare il modello generato dal job di addestramento. Crea una risorsa modello per il modello addestrato in Vertex AI Model Registry. Esegui un job di previsione batch Vertex AI. Esegui il deployment della risorsa modello in un endpoint Vertex AI. Esegui un job di previsione online sulla risorsa del modello. Esegui la pulizia delle risorse create.	Colab Colab Enterprise GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Panoramica dell'addestramento personalizzato	Classificazione delle immagini personalizzata con un container di addestramento predefinito. Scopri come addestrare un modello di classificazione di immagini TensorFlow utilizzando un container predefinito e l'addestramento di Vertex AI. Scopri di più sulla migrazione a Vertex AI. Scopri di più sulla panoramica dell'addestramento personalizzato. Passaggi del tutorial Impacchetta il codice di addestramento in un'applicazione Python. Containerizza l'applicazione di addestramento utilizzando Cloud Build e Artifact Registry. Crea e esegui un job di addestramento del contenitore personalizzato in Vertex AI. Valutare il modello generato dal job di addestramento. Crea una risorsa modello per il modello addestrato in Vertex AI Model Registry. Esegui un job di previsione batch Vertex AI. Esegui il deployment della risorsa modello in un endpoint Vertex AI. Esegui un job di previsione online sulla risorsa del modello. Esegui la pulizia delle risorse create.	Colab Colab Enterprise GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Panoramica dell'addestramento personalizzato	Modello Scikit-Learn personalizzato con container di addestramento predefinito. Scopri come utilizzare Vertex AI Training per creare un modello addestrato personalizzato. Scopri di più sulla migrazione a Vertex AI. Scopri di più sulla panoramica dell'addestramento personalizzato. Passaggi del tutorial Crea un job personalizzato Vertex AI per l'addestramento di un modello scikitlearn. Caricare gli artefatti del modello addestrato come risorsa del modello. Generare previsioni batch. Esegui il deployment della risorsa modello in una risorsa endpoint di pubblicazione. Generare previsioni online. Annulla il deployment della risorsa del modello.	Colab Colab Enterprise GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Panoramica dell'addestramento personalizzato	Modello XGBoost personalizzato con container di addestramento predefinito. Scopri come utilizzare Vertex AI Training per creare un modello con addestramento personalizzato. Scopri di più su Eseguire la migrazione a Vertex AI. Scopri di più sulla panoramica dell'addestramento personalizzato. Passaggi del tutorial Creare un job personalizzato di Vertex AI per l'addestramento di un modello xgboost. Carica gli elementi del modello addestrato come risorsa modello. Generare previsioni batch. Esegui il deployment della risorsa modello in una risorsa endpoint di pubblicazione. Generare previsioni online. Annullare il deployment della risorsa modello.	Colab Colab Enterprise GitHub Vertex AI Workbench
Ottimizzazione degli iperparametri di Vertex AI Addestramento personalizzato	Ottimizzazione degli iperparametri. Scopri come utilizzare l'iperparametro Vertex AI per creare e ottimizzare un modello addestrato personalizzato. Scopri di più sull'ottimizzazione degli iperparametri di Vertex AI. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Crea un job di ottimizzazione degli iperparametri Vertex AI per l'addestramento di un modello TensorFlow.	Colab Colab Enterprise GitHub Vertex AI Workbench
Documentazione di Google Artifact Registry	Inizia a utilizzare Google Artifact Registry. Scopri come utilizzare Google Artifact Registry. Scopri di più sulla documentazione di Google Artifact Registry. Passaggi del tutorial Creazione di un repository Docker privato in corso... Tagging di un'immagine container, specifica per il repository Docker privato. Eseguire il push di un'immagine container nel repository Docker privato. Eseguire il pull di un'immagine container dal repository Docker privato. Eliminazione di un repository Docker privato.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex ML Metadata	Monitora i parametri e le metriche per i job di addestramento personalizzati. Scopri come utilizzare l'SDK Vertex AI per Python per: Passaggi del tutorial Tieni traccia dei parametri di addestramento e delle metriche di previsione per un job di addestramento personalizzato. Estrai ed esegui l'analisi di tutti i parametri e le metriche all'interno di un esperimento.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex ML Metadata	Monitora parametri e metriche per i modelli addestrati localmente. Scopri come utilizzare Vertex ML Metadata per monitorare i parametri di addestramento e le metriche di valutazione. Scopri di più su Vertex ML Metadata. Passaggi del tutorial Monitora i parametri e le metriche di un modello addestrato localmente. Estrarre ed eseguire l'analisi di tutti i parametri e le metriche di un esperimento.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex ML Metadata Vertex AI Pipelines	Monitora gli artefatti e le metriche nelle esecuzioni di Vertex AI Pipelines utilizzando Vertex ML Metadata. Scopri come tenere traccia di artefatti e metriche con Vertex ML Metadata nelle esecuzioni di Vertex AI Pipeline. Scopri di più su Vertex ML Metadata. Scopri di più su Vertex AI Pipelines. Passaggi del tutorial Utilizza l'SDK Kubeflow Pipelines per creare una pipeline ML che viene eseguita su Vertex AI. La pipeline crea un set di dati, addestra un modello scikitlearn ed esegue il deployment del modello su un endpoint. Scrivi componenti della pipeline personalizzati che generano artefatti e metadati. Confronta le esecuzioni di Vertex AI Pipelines, sia nella console Google Cloud sia in modo programmatico. Trace la derivazione per gli artefatti generati dalla pipeline. Eseguire query sui metadati di esecuzione della pipeline.	Colab Colab Enterprise GitHub Vertex AI Workbench
Valutazione dei modelli Vertex AI Classificazione per i dati tabulari	Valutazione dei risultati delle previsioni batch di un modello di classificazione tabulare AutoML. Scopri come addestrare un modello di classificazione tabulare AutoML di Vertex AI e come valutarlo tramite un job di pipeline Vertex AI utilizzando google_cloud_pipeline_components: Scopri di più su Vertex AI Model Evaluation. Scopri di più sulla classificazione per i dati tabulari. Passaggi del tutorial Crea un Dataset di Vertex AI. Addestra un modello di classificazione tabulare AutoML sulla risorsa Dataset. Importa l'oggetto AutoML model resource addestrato nella pipeline. Esegui un job Batch Prediction. Valutare il modello AutoML utilizzando l'Classification Evaluation component. Importa le metriche di classificazione nella risorsa del modello AutoML.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Model Evaluation Regressione per dati tabulari	Valutazione dei risultati della previsione batch dal modello di regressione tabulare AutoML. Scopri come valutare una risorsa modello Vertex AI tramite un job della pipeline Vertex AI utilizzando google_cloud_pipeline_components: Scopri di più sulla valutazione dei modelli Vertex AI. Scopri di più sulla regressione per i dati tabulari. Passaggi del tutorial Creare un set di dati Vertex AI. Configura un corso AutoMLTabularTrainingJob. Esegui AutoMLTabularTrainingJob che restituisce un modello. Importa un AutoML model resource preaddestrato nella pipeline. Esegui un job batch prediction nella pipeline. Valutare il modello AutoML utilizzando l'regression evaluation component. Importa le metriche di regressione generate nella risorsa del modello AutoML.	Colab Colab Enterprise GitHub Vertex AI Workbench
Valutazione dei modelli Vertex AI Classificazione per i dati video	Valutazione dei risultati delle previsioni batch del modello di classificazione dei video AutoML. Scopri come addestrare un modello di classificazione video AutoML di Vertex AI e come valutarlo tramite un job di pipeline Vertex AI utilizzando google_cloud_pipeline_components: Scopri di più su Vertex AI Model Evaluation. Scopri di più sulla classificazione per i dati video. Passaggi del tutorial Crea un set di dati Vertex AI. Addestra un modello di classificazione video AutoML sulla risorsa del set di dati Vertex AI. Importa la risorsa del modello AutoML Vertex AI addestrato nella pipeline. Esegui un job di previsione batch all'interno della pipeline. Valuta il modello AutoML utilizzando il componente di valutazione della classificazione. Importa le metriche di classificazione nella risorsa AutoML Vertex AI Model.	Colab Colab Enterprise GitHub Vertex AI Workbench
Addestramento personalizzato Vertex AI Valutazione dei modelli Vertex AI	Valutazione dei risultati di BatchPrediction da un modello di classificazione tabulare personalizzato. In questo tutorial, addestri un modello RandomForest di scikit-learn, lo salvi in Vertex AI Model Registry e impari a valutarlo tramite un job della pipeline Vertex AI utilizzando l'SDK Python di Google Cloud Pipeline Components. Scopri di più sull'addestramento personalizzato di Vertex AI. Scopri di più sulla valutazione dei modelli Vertex AI. Passaggi del tutorial Recupera il set di dati dall'origine pubblica. Esegui la preelaborazione dei dati localmente e salva i dati di test in BigQuery. Addestra un modello di classificazione RandomForest in locale utilizzando il pacchetto Python scikitlearn. Crea un container personalizzato in Artifact Registry per le previsioni. Carica il modello in Vertex AI Model Registry. Crea ed esegui una pipeline Vertex AI che	Colab Colab Enterprise GitHub Vertex AI Workbench
Valutazione dei modelli Vertex AI Addestramento personalizzato	Valutare i risultati delle previsioni in batch del modello di regressione tabulare personalizzata. Scopri come valutare una risorsa del modello Vertex AI tramite un job della pipeline Vertex AI utilizzando i componenti della pipeline di Google Cloud. Scopri di più su Vertex AI Model Evaluation. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Creare un job di addestramento personalizzato Vertex AI per addestrare un modello TensorFlow. Esegui il job di addestramento personalizzato. Recupera e carica gli artefatti del modello. Visualizza la valutazione del modello. Carica il modello come risorsa modello Vertex AI. Importa una risorsa di modello Vertex AI preaddestrata nella pipeline. Esegui un job di previsione batch nella pipeline. Valuta il modello utilizzando il componente di valutazione della regressione. Importa le metriche di regressione nella risorsa modello Vertex AI.	Colab Colab Enterprise GitHub Vertex AI Workbench
Valutazione del modello AutoSxS di Vertex AI	Verifica l'allineamento dello strumento di valutazione automatica rispetto a un set di dati con preferenze umane. Scopri come utilizzare Vertex AI Pipelines e google_cloud_pipeline_components per verificare l'allineamento dello strumento di valutazione automatica utilizzando i dati sulle preferenze umane: Scopri di più su Vertex AI AutoSxS Model Evaluation. Passaggi del tutorial Crea un set di dati di valutazione con previsioni e dati sulle preferenze umane. Pre-elabora i dati in locale e salvali in Cloud Storage. Crea ed esegui una pipeline AutoSxS di Vertex AI che genera i giudizi e un insieme di metriche AutoSxS utilizzando i giudizi generati. Stampa i giudizi e le metriche di AutoSxS. Esegui la pulizia delle risorse create in questo blocco note.	Colab Colab Enterprise GitHub Vertex AI Workbench
Valutazione del modello Vertex AI AutoSxS	Valutare un LLM in Vertex AI Model Registry rispetto a un modello di terze parti. Scopri come utilizzare Vertex AI Pipelines e google_cloud_pipeline_components per valutare le prestazioni tra due modelli LLM: Scopri di più su Vertex AI AutoSxS Model Evaluation. Passaggi del tutorial Recupera il set di dati dall'origine pubblica. Pre-elabora i dati in locale e salva i dati di test in Cloud Storage. Creare ed eseguire una pipeline Vertex AI AutoSxS che genera i giudizi e valuta i due modelli candidati utilizzando i giudizi generati. Stampa i giudizi e le metriche di valutazione. Esegui la pulizia delle risorse create in questo blocco note.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Model Monitoring per le previsioni batch	Previsione batch di Vertex AI con Model Monitoring. Scopri come utilizzare il servizio di monitoraggio dei modelli Vertex AI per rilevare deviazioni e anomalie nella previsione batch. Scopri di più su Vertex AI Model Monitoring per le previsioni batch. Passaggi del tutorial Carica un modello preaddestrato come risorsa modello Vertex AI. Genera richieste di previsione batch. Interpretare le statistiche, le visualizzazioni e altri dati riportati dalla caratteristica di monitoraggio del modello.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Model Monitoring	Vertex AI Model Monitoring per i modelli tabulari AutoML. Impara a utilizzare il servizio Vertex AI Model Monitoring per rilevare il disallineamento e la deriva delle funzionalità nelle richieste di previsione di input per i modelli tabulari AutoML. Scopri di più su Vertex AI Model Monitoring. Passaggi del tutorial Addestrare un modello AutoML. Esegui il deployment della risorsa modello in una risorsa endpoint Vertex AI. Configura la risorsa endpoint per il monitoraggio del modello. Generare richieste di previsione sintetiche relative al disallineamento. Generare richieste di previsione sintetiche per la deviazione. Attendi la notifica di avviso via email.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Model Monitoring	Vertex AI Model Monitoring per la previsione online nei modelli di immagini AutoML. Scopri come utilizzare Vertex AI Model Monitoring con Vertex AI Online Prediction con un modello di classificazione delle immagini AutoML per rilevare un'immagine fuori distribuzione. Scopri di più su Vertex AI Model Monitoring. Passaggi del tutorial 1. Addestra un modello di classificazione delle immagini AutoML. 2. Crea un endpoint. 3. Eseguire il deployment del modello nell'endpoint e configurarlo per il monitoraggio. 4. Invia una previsione online contenente immagini sia all'interno che all'esterno della distribuzione. 5. Usare Model Monitoring per calcolare il punteggio anomalia su ogni immagine. 6. Identifica le immagini nella richiesta di previsione online che non sono in distribuzione.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Model Monitoring	Vertex AI Model Monitoring per i modelli tabulari personalizzati. Scopri come utilizzare il servizio Vertex AI Model Monitoring per rilevare asimmetria e deviazione delle caratteristiche nelle richieste di previsione di input per i modelli tabulari personalizzati. Scopri di più su Vertex AI Model Monitoring. Passaggi del tutorial Scarica un modello tabulare personalizzato preaddestrato. Carica il modello preaddestrato in Vertex AI Model Registry. Eseguire il deployment della risorsa del modello su una risorsa endpoint Vertex AI. Configura la risorsa endpoint per il monitoraggio del modello. Genera richieste di previsione sintetica per simulare un'asimmetria. Attendi le notifiche di avviso via email. Genera richieste di previsione sintetiche per simulare il drift. Attendi le notifiche di avviso via email.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Model Monitoring	Vertex AI Model Monitoring per modelli tabulari personalizzati con il contenitore TensorFlow Serving. Scopri come utilizzare il servizio Vertex AI Model Monitoring per rilevare il disallineamento e la deviazione delle caratteristiche nelle richieste di previsione di input per i modelli tabulari personalizzati, utilizzando un container di deployment personalizzato. Scopri di più su Vertex AI Model Monitoring. Passaggi del tutorial Scarica un modello tabulare personalizzato preaddestrato. Carica il modello preaddestrato come risorsa modello. Deployment della risorsa del modello in una risorsa endpoint con "TensorFlow Serving" che gestisce il codice binario. Configurare la risorsa endpoint per il monitoraggio del modello. Genera richieste di previsione sintetica per lo scostamento. Attendi la notifica di avviso via email. Generare richieste di previsione sintetiche per la deviazione. Attendi la notifica di avviso via email.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Model Monitoring	Vertex AI Model Monitoring per la configurazione dei modelli tabulari. Scopri come configurare il servizio Vertex AI Model Monitoring per rilevare il disallineamento e la deviazione delle caratteristiche nelle richieste di previsione di input. Scopri di più su Vertex AI Model Monitoring. Passaggi del tutorial Scarica un modello tabulare personalizzato preaddestrato. Caricare il modello preaddestrato come risorsa del modello. Esegui il deployment della risorsa modello nella risorsa endpoint. Configura la risorsa endpoint per il monitoraggio del modello. Rilevamento di deviazioni e disallineamenti per gli input delle funzionalità. Rilevamento di deviazioni e disallineamenti per le attribuzioni delle caratteristiche. Generazione automatica dello schema di input inviando 1000 richieste di previsione. Elenca, metti in pausa, riprendi ed elimina i job di monitoraggio. Riavvia il job di monitoraggio con lo schema di input predefinito. Visualizzare i dati monitorati registrati.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Model Monitoring	Vertex AI Model Monitoring per i modelli XGBoost. Scopri come utilizzare il servizio Vertex AI Model Monitoring per rilevare il disallineamento e la deviazione delle caratteristiche nelle richieste di previsione di input per i modelli XGBoost. Scopri di più su Vertex AI Model Monitoring. Passaggi del tutorial Scarica un modello XGBoost preaddestrato. Carica il modello preaddestrato in Vertex AI Model Registry. Eseguire il deployment della risorsa del modello su una risorsa endpoint Vertex AI. Configura la risorsa endpoint per il monitoraggio del modello	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Model Monitoring	Vertex AI Model Monitoring con Vertex Explainable AI Feature Attributions. Scopri come utilizzare il servizio Vertex AI Model Monitoring per rilevare deviazioni e anomalie nelle richieste di previsione da una risorsa di modello Vertex AI di cui è stato eseguito il deployment. Scopri di più su Vertex AI Model Monitoring. Passaggi del tutorial Carica un modello preaddestrato come risorsa modello Vertex AI. Crea una risorsa endpoint Vertex AI. Eseguire il deployment della risorsa del modello nella risorsa endpoint. Configura la risorsa endpoint per il monitoraggio del modello. Inizializza la distribuzione di base per il monitoraggio del modello. Genera richieste di previsione sintetiche. Capire come interpretare le statistiche, le visualizzazioni e altri dati riportati dalla caratteristica di monitoraggio del modello.	Colab Colab Enterprise GitHub Vertex AI Workbench
model_monitoring_v2	Monitoraggio dei modelli per il job di previsione batch del modello personalizzato Vertex AI. In questo tutorial, completerai i seguenti passaggi: Passaggi del tutorial	Colab Colab Enterprise GitHub Vertex AI Workbench
model_monitoring_v2	Monitoraggio dei modelli per la previsione online dei modelli personalizzati di Vertex AI. In questo tutorial, completerai i seguenti passaggi: Passaggi del tutorial	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Model Registry	Inizia a utilizzare il Registro dei modelli di Vertex AI. Scopri come utilizzare Vertex AI Model Registry per creare e registrare più versioni di un modello. Scopri di più sul registro dei modelli di Vertex AI. Passaggi del tutorial Crea e registra una prima versione di un modello in Vertex AI Model Registry. Crea e registra una seconda versione di un modello in Vertex AI Model Registry. Aggiornamento della versione del modello, predefinita. Eliminazione di una versione del modello. Riattivazione della versione successiva del modello.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Pipelines Componente AutoML Classificazione per i dati tabulari	Pipeline tabulari AutoML che utilizzano google-cloud-pipeline-components. Scopri come utilizzare Vertex AI Pipelines e i componenti della pipeline di Google Cloud per creare un modello di classificazione tabulare AutoML. Scopri di più su Vertex AI Pipelines. Scopri di più sui componenti di AutoML. Scopri di più sulla classificazione dei dati tabulari. Passaggi del tutorial Creare una pipeline KFP che crea un set di dati Vertex AI. Aggiungi alla pipeline un componente che addestra una risorsa modello di classificazione tabulare AutoML. Aggiungi un componente che crea una risorsa endpoint Vertex AI. Aggiungi un componente che esegue il deployment della risorsa del modello nella risorsa endpoint. Compila la pipeline KFP. Esegui la pipeline KFP utilizzando Vertex AI Pipelines.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Pipelines	Metodo sfidante e metodo Blessed per il deployment dei modelli in produzione. Scopri come costruire una pipeline Vertex AI, che addestra una nuova versione challenger di un modello, valuta il modello e confronta la valutazione con il modello basato sull'esistenza esistente in produzione. Passaggi del tutorial Importa un modello preaddestrato (blessed) nel registro dei modelli di Vertex AI. Importa le metriche di valutazione del modello sintetico nel modello corrispondente (benefico). Crea una risorsa endpoint Vertex AI Eseguire il deployment del modello blessed nella risorsa endpoint. Crea una pipeline Vertex AI che esegua i seguenti passaggi	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Pipelines	Strutture di controllo della pipeline che utilizzano l'SDK KFP. Scopri come utilizzare l'SDK KFP, che utilizza loop e condizionali, inclusi esempi nidificati, per creare pipeline. Scopri di più su Vertex AI Pipelines. Passaggi del tutorial Creare una pipeline KFP utilizzando i componenti di flusso di controllo Compila la pipeline KFP Esegui la pipeline KFP utilizzando Vertex AI Pipelines	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Pipelines Componenti di addestramento personalizzati	Addestramento personalizzato con componenti della pipeline di Google Cloud predefiniti. Scopri come utilizzare Vertex AI Pipelines e i componenti della pipeline di Google Cloud per creare un modello personalizzato. Scopri di più su Vertex AI Pipelines. Scopri di più sui componenti di addestramento personalizzato. Passaggi del tutorial Crea una pipeline KFP	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Pipelines Componenti della previsione batch di Vertex AI	Addestramento e previsione batch con origine e destinazione BigQuery per un modello di classificazione tabulare personalizzato. In questo tutorial, addestrerai un modello di classificazione tabulare scikit-learn e creerai un job di previsione batch per questo modello tramite una pipeline Vertex AI utilizzando google_cloud_pipeline_components. Scopri di più su Vertex AI Pipelines. Scopri di più sui componenti di Vertex AI Batch Prediction. Passaggi del tutorial Crea un set di dati in BigQuery. Metti da parte alcuni dati del set di dati di origine per la previsione batch. Crea un pacchetto Python personalizzato per l'applicazione di addestramento. Carica il pacchetto Python in Cloud Storage. Creare una pipeline Vertex AI che	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Pipelines Ottimizzazione degli iperparametri di Vertex AI	Inizia a utilizzare i componenti della pipeline di ottimizzazione degli iperparametri di Vertex AI. Scopri come utilizzare i componenti predefiniti della pipeline di Google Cloud per l'ottimizzazione degli iperparametri di Vertex AI. Scopri di più su Vertex AI Pipelines. Scopri di più sull'ottimizzazione degli iperparametri Vertex AI. Passaggi del tutorial Crea una pipeline per	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Pipelines	Inizia a utilizzare la gestione delle macchine per Vertex AI Pipelines. Scopri come convertire un componente di addestramento personalizzato autonomo in un Vertex AI CustomJob, in cui: Passaggi del tutorial Crea un componente personalizzato con un job di addestramento autonomo. Esegui la pipeline utilizzando le impostazioni a livello di componente per le risorse della macchina Converti il componente di addestramento autonomo in un Vertex AI CustomJob. Esegui la pipeline utilizzando le impostazioni a livello di job personalizzato per le risorse di macchine	Colab GitHub Vertex AI Workbench
Vertex AI Pipelines Componenti AutoML	Pipeline di classificazione delle immagini AutoML che utilizzano google-cloud-pipeline-components. Scopri come utilizzare Vertex AI Pipelines e i componenti della pipeline di Google Cloud per creare un modello di classificazione delle immagini AutoML. Scopri di più su Vertex AI Pipelines. Scopri di più sui componenti di AutoML. Passaggi del tutorial Crea una pipeline KFP	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Pipelines Componente AutoML Regressione per dati tabulari	Pipeline di regressione tabulare AutoML che utilizzano google-cloud-pipeline-components. Scopri come utilizzare Vertex AI Pipelines e Google Cloud Pipeline Components per creare un modello di regressione tabulare AutoML. Scopri di più su Vertex AI Pipelines. Scopri di più sui componenti AutoML. Scopri di più sulla regressione dei dati tabulari. Passaggi del tutorial Crea una pipeline KFP che crea una risorsa Dataset. Aggiungi un componente alla pipeline che addestra una risorsa Model di regressione tabulare AutoML. Aggiungi un componente che crea una risorsa Endpoint. Aggiungi un componente che esegue il deployment della risorsa Model nella risorsa Endpoint. Compila la pipeline KFP. Esegui la pipeline KFP utilizzando Vertex AI Pipelines.	Colab Colab Enterprise GitHub Vertex AI Workbench
Componenti AutoML di Vertex AI Pipelines	Pipeline di classificazione del testo AutoML che utilizzano google-cloud-pipeline-components. Impara a usare Vertex AI Pipelines e Google Cloud Pipeline Components per creare un modello di classificazione del testo AutoML. Scopri di più su Vertex AI Pipelines. Scopri di più sui componenti di AutoML. Passaggi del tutorial Crea una pipeline KFP	Colab GitHub Vertex AI Workbench
Vertex AI Pipelines componenti BigQuery ML	Addestramento di un modello di acquisizione e previsione utilizzando Swivel, BigQuery ML e Vertex AI Pipelines Impara a creare una semplice pipeline BigQuery ML utilizzando le pipeline Vertex AI per calcolare gli embedding di testo dei contenuti degli articoli e classificarli nella categoria *Acquisizioni aziendali*. Scopri di più su Vertex AI Pipelines. Scopri di più sui componenti di BigQuery ML. Passaggi del tutorial Creazione di un componente per il job Dataflow che importa i dati in BigQuery. Creazione di un componente per le fasi di pre-elaborazione da eseguire sui dati in BigQuery. Creare un componente per addestrare un modello di regressione logistica utilizzando BigQuery ML. Creazione e configurazione di una pipeline Kubeflow DSL con tutti i componenti creati. Compilazione ed esecuzione della pipeline in Vertex AI Pipelines.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Pipelines Componente di addestramento personalizzato	Addestramento, caricamento e deployment dei modelli utilizzando Google Cloud Pipeline Components. Scopri come utilizzare Vertex AI Pipelines e il componente pipeline di Google Cloud per creare un modello personalizzato ed eseguirne il deployment. Scopri di più su Vertex AI Pipelines. Scopri di più sui componenti dell'addestramento personalizzato. Passaggi del tutorial Crea una pipeline KFP	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Pipelines	Vertex AI Pipelines con KFP 2.x. Impara a utilizzare Vertex AI Pipelines e KFP 2. Passaggi del tutorial Crea una pipeline KFP	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Pipelines	Componenti basati su funzioni Python leggeri e I/O dei componenti. Impara a utilizzare l'SDK KFP per creare componenti leggeri basati su funzioni Python, quindi impara a utilizzare Vertex AI Pipelines per eseguire la pipeline. Scopri di più su Vertex AI Pipelines. Passaggi del tutorial Crea componenti KFP basati su funzioni Python. Crea una pipeline KFP. Passa gli elementi e i parametri tra i componenti, sia tramite riferimento al percorso sia tramite valore. Utilizza il metodo kfp.dsl.importer. Compila la pipeline KFP. Eseguire la pipeline KFP utilizzando Vertex AI Pipelines	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Pipelines	Visualizzazione delle metriche ed esecuzione di un confronto utilizzando l'SDK KFP. Scopri come utilizzare l'SDK KFP per Python per creare pipeline che generano metriche di valutazione. Scopri di più su Vertex AI Pipelines. Passaggi del tutorial Crea componenti KFP	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Pipelines	Metodologia Multicontender e Champion per il deployment del modello in produzione. Scopri come creare una pipeline Vertex AI, che valuta i nuovi dati di produzione di un modello di cui è stato eseguito il deployment rispetto ad altre versioni del modello, per determinare se un modello contendente diventa il modello campione per la sostituzione in produzione. Passaggi del tutorial Importa un modello preaddestrato (campione) in Vertex AI Model Registry. Importa le metriche di valutazione dell'addestramento del modello sintetico nel modello (campione) corrispondente. Creare una risorsa endpoint Vertex AI. Eseguire il deployment del modello campione nella risorsa endpoint. Importa versioni aggiuntive (contenenti) del modello di cui è stato eseguito il deployment. Importa le metriche di valutazione dell'addestramento del modello sintetico nei modelli (concorrenti) corrispondenti. Crea una pipeline Vertex AI che esegua i seguenti passaggi	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Pipelines	Introduzione alle pipeline per KFP. Scopri come utilizzare l'SDK KFP per Python per creare pipeline che generano metriche di valutazione. Scopri di più su Vertex AI Pipelines. Passaggi del tutorial Definire e compilare una pipeline Vertex AI. Specifica quale account di servizio utilizzare per l'esecuzione di una pipeline. Esegui la pipeline utilizzando l'SDK Vertex AI per Python e l'API REST.	Colab Colab Enterprise GitHub Vertex AI Workbench
Componenti AutoML Componenti di BigQuery ML	BigQuery ML e AutoML - Prototipazione rapida con Vertex AI. Scopri come utilizzare Vertex AI Pipelines per la prototipazione rapida di un modello. Scopri di più sui componenti AutoML. Scopri di più sui componenti di BigQuery ML. Passaggi del tutorial Creare un set di dati di addestramento BigQuery e Vertex AI. Addestramento di un modello BigQuery ML e AutoML. Estrazione delle metriche di valutazione dai modelli BigQueryML e AutoML. Selezionare il modello migliore addestrato. Deployment del modello più addestrato. Testare l'infrastruttura del modello di cui è stato eseguito il deployment.	Colab Colab Enterprise GitHub Vertex AI Workbench
Previsione batch di Vertex AI	Previsione batch del modello personalizzato con filtro delle funzionalità. Scopri come creare un modello addestrato personalizzato da uno script Python in un contenitore Docker utilizzando l'SDK Vertex AI per Python, quindi esegui un job di previsione batch includendo o escludendo un elenco di funzionalità. Scopri di più su Vertex AI Batch Prediction. Passaggi del tutorial Crea un TrainingPipeline personalizzato di Vertex AI per l'addestramento di un modello. Addestra un modello TensorFlow. Invia il job di previsione batch.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Prediction	Inizia a utilizzare il server NVIDIA Triton. Scopri come eseguire il deployment di un contenitore che esegue Nvidia Triton Server con una risorsa modello Vertex AI in un endpoint Vertex AI per fare previsioni online. Scopri di più su Vertex AI Prediction. Passaggi del tutorial Scarica gli artefatti del modello da TensorFlow Hub. Crea il file di configurazione di pubblicazione di Triton per il modello. Crea un container personalizzato con l'immagine di servizio Triton per il deployment del modello. Carica il modello come risorsa di modello Vertex AI. Eseguire il deployment della risorsa del modello Vertex AI su una risorsa endpoint Vertex AI. Invia una richiesta di previsione. Annullare il deployment della risorsa modello ed eliminare l'endpoint.	Colab Colab Enterprise GitHub Vertex AI Workbench
Previsione non elaborata	Inizia a utilizzare le funzioni di distribuzione di TensorFlow con Vertex AI Raw Prediction. Scopri come utilizzare Vertex AI Raw Prediction su una risorsa Vertex AI Endpoint. Scopri di più su Raw Predict. Passaggi del tutorial Scarica gli elementi del modello di classificazione tabulare preaddestrato per un estimatore TensorFlow 1.x. Carica il modello di stima di TensorFlow come risorsa Vertex AI Model. Crea una risorsa Endpoint. Esegui il deployment della risorsa Model su una risorsa Endpoint. Esegui una previsione online non elaborata per l'istanza della risorsa Model di cui è stato eseguito il deployment nella risorsa Endpoint.	Colab Colab Enterprise GitHub Vertex AI Workbench
ottenere previsioni da un modello con addestramento personalizzato	Inizia a utilizzare TensorFlow Serving con Vertex AI Prediction. Scopri come utilizzare Vertex AI Prediction in una risorsa Vertex AI Endpoint con il servizio di pubblicazione di file binari TensorFlow Serving. Scopri di più su come ricevere previsioni da un modello addestrato personalizzato. Passaggi del tutorial	Colab Colab Enterprise GitHub Vertex AI Workbench
Endpoint privati	Inizia a utilizzare gli endpoint privati Vertex AI. Scopri come utilizzare le risorse Vertex AI Private Endpoint. Scopri di più sugli endpoint privati. Passaggi del tutorial Creazione di una risorsa Private Endpoint in corso... Configura una connessione di peering VPC. Configurazione del file binario di pubblicazione di una risorsa Model per il deployment in una risorsa Private Endpoint. Deployment di una risorsa Model in una risorsa Private Endpoint in corso... Inviare una richiesta di previsione a un Private Endpoint	Colab Colab Enterprise GitHub Vertex AI Workbench
Modelli linguistici Vertex AI	Modelli di lingua ampi e profondi (LLM) e previsione in streaming di Vertex AI. Scopri come utilizzare il modello LLM di Vertex AI per scaricare il modello LLM preaddestrato, fare previsioni e ottimizzare il modello. Scopri di più sui modelli linguistici di Vertex AI. Passaggi del tutorial Caricare un modello di generazione di testo preaddestrato. Effettuare una previsione non in streaming Carica un modello di generazione di testo preaddestrato che supporta lo streaming. Fai una previsione di flussi di dati Carica un modello di chat preaddestrato. Avvia una sessione di chat interattiva locale. Eseguire una previsione batch con un modello di generazione del testo. Eseguire una previsione batch con un modello di incorporamento del testo.	Colab Colab Enterprise GitHub Vertex AI Workbench
Container predefiniti per la previsione	Pubblicazione di modelli di immagini PyTorch con container predefiniti su Vertex AI. Scopri come pacchettizzare ed eseguire il deployment di un modello di classificazione delle immagini PyTorch utilizzando un container Vertex AI predefinito con TorchServe per fornire previsioni online e batch. Scopri di più sui container predefiniti per la previsione. Passaggi del tutorial Scaricare un modello di immagini preaddestrato da PyTorch Crea un gestore del modello personalizzato Imballa gli artefatti del modello in un file di archivio del modello Carica il modello per il deployment Esegui il deployment del modello per la previsione Effettuare previsioni online Fare previsioni batch	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Prediction	Addestrare ed eseguire il deployment di modelli PyTorch con container predefiniti su Vertex AI. Scopri come creare, addestrare e implementare un modello di classificazione delle immagini PyTorch utilizzando container predefiniti per l'addestramento e la previsione personalizzati. Passaggi del tutorial Pacchettizzazione dell'applicazione di addestramento in una distribuzione di origine Python Configura ed esegui un job di addestramento in un container predefinito Imballa gli artefatti del modello in un file di archivio del modello Carica il modello per il deployment Esegui il deployment del modello utilizzando un container predefinito per la previsione Effettuare previsioni online	Colab Colab Enterprise GitHub Vertex AI Workbench
Panoramica di Ray on Vertex AI	Inizia a utilizzare PyTorch su Ray su Vertex AI. Scopri come distribuire in modo efficiente il processo di addestramento di un modello di classificazione di immagini PyTorch sfruttando Ray su Vertex AI. Scopri di più sulla panoramica di Ray su Vertex AI. Passaggi del tutorial Prepara lo script per la formazione Invia un job Ray utilizzando l'API Ray Jobs Scaricare un modello di immagini addestrato da PyTorch Crea un gestore del modello personalizzato Pacchettizzazione degli artefatti del modello in un file di archivio dei modelli Registra il modello in Vertex AI Model Registry Esegui il deployment del modello in Vertex AI Endpoint Effettuare previsioni online	Colab Colab Enterprise GitHub Vertex AI Workbench
Panoramica di Ray on Vertex AI	Gestione dei cluster Ray on Vertex AI. Scopri come creare un cluster, elencare i cluster esistenti, ottenere un cluster, aggiornare un cluster ed eliminarlo. Scopri di più sulla panoramica di Ray on Vertex AI. Passaggi del tutorial Creare un cluster. Elenca i cluster esistenti. Ottieni un cluster. Fai lo scale up manuale del cluster e poi fare lo scale down del cluster. Eliminare i cluster esistenti.	Colab Colab Enterprise GitHub Vertex AI Workbench
Ray on Vertex AI Spark su Ray on Vertex AI	Spark su Ray su Vertex AI. Scopri come utilizzare RayDP per eseguire applicazioni Spark su un cluster Ray su Vertex AI. Scopri di più su Ray on Vertex AI. Scopri di più su Spark su Ray su Vertex AI. Passaggi del tutorial Creare un'immagine container personalizzata di Ray su Vertex AI Creare un cluster Ray su Vertex AI utilizzando un'immagine contenitore personalizzata Esegui Spark in modo interattivo sul cluster utilizzando RayDP Esegui l'applicazione Spark sul cluster tramite l'API Ray Job Leggere file da Google Cloud Storage nell'applicazione Spark UDF Pandas nell'applicazione Spark su Ray on Vertex AI Elimina il cluster Ray su Vertex AI	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Training Vertex AI Reduction Server	Addestramento distribuito di PyTorch con il server di riduzione di Vertex AI. Scopri come creare un job di addestramento distribuito PyTorch che utilizza gli strumenti e il framework di addestramento distribuito PyTorch ed esegui il job di addestramento sul servizio Vertex AI Training con Reduction Server. Scopri di più su Vertex AI Training. Scopri di più sul server di riduzione Vertex AI. Passaggi del tutorial Creare un'applicazione di addestramento distribuito PyTorch Pacchettizzazione dell'applicazione di addestramento con container predefiniti Creare un job personalizzato su Vertex AI con Reduction Server Invia e monitora il job	Colab Colab Enterprise GitHub Vertex AI Workbench
Classificazione dei dati video	Esempio di classificazione video AutoML. Lo scopo di questo notebook è creare un modello di classificazione dei video AutoML. Scopri di più sulla classificazione per i dati video. Passaggi del tutorial Imposta il nome dell'attività e il prefisso di Cloud Storage Copia i dati di addestramento dimostrativo per i video AutoML per creare un set di dati gestito Creare un set di dati su Vertex AI. configura un job di addestramento Avvia un job di addestramento e crea un modello su Vertex AI Copia i dati di previsione demo di AutoML Video per creare un job di previsione batch Esegui il job di previsione batch sul modello	Colab Colab Enterprise GitHub Vertex AI Workbench
Addestramento personalizzato	Addestramento personalizzato utilizzando il pacchetto Python, il set di dati di testo gestito e il contenitore TF Serving. Scopri come creare un modello personalizzato utilizzando l'addestramento di pacchetti Python personalizzato e come gestire il modello utilizzando il container di distribuzione TensorFlow per la previsione online. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Creare funzioni di utilità per scaricare i dati e preparare i file CSV per la creazione del set di dati gestito da Vertex AI Scarica dati Preparare i file CSV per la creazione del set di dati gestito Creare un pacchetto Python di addestramento personalizzato Crea un container TensorFlow Serving Esegui l'addestramento di pacchetti Python personalizzato con il set di dati di testo gestito Esegui il deployment di un modello e crea un endpoint su Vertex AI Previsione sull'endpoint Crea un job di previsione batch sul modello	Colab Colab Enterprise GitHub Vertex AI Workbench
Flusso di lavoro tabulare per TabNet	Vertex AI Explanations con i modelli TabNet. Scopri come fornire uno strumento di tracciamento di esempio per visualizzare l'output di TabNet, che è utile per spiegare l'algoritmo. Scopri di più sul flusso di lavoro tabulare per TabNet. Passaggi del tutorial Configura il progetto. Scarica i dati di previsione del modello di preaddestramento sui dati Syn2. Visualizza e comprendi l'importanza delle caratteristiche in base all'output delle maschere. Esegui la pulizia della risorsa creata da questo tutorial.	Colab Colab Enterprise GitHub Vertex AI Workbench
Previsione ARIMA+ di BigQuery ML per dati tabulari	Addestrare un modello ARIMA_PLUS di BigQuery ML utilizzando i flussi di lavoro tabulari di Vertex AI. Scopri come creare un modello ARIMA_PLUS di BigQuery ML utilizzando una pipeline Vertex AI di addestramento dai componenti della pipeline di Google Cloud , quindi eseguire una previsione batch utilizzando la pipeline di previsione corrispondente. Scopri di più sulle previsioni ARIMA+ di BigQuery ML per i dati tabulari. Passaggi del tutorial Addestrare il modello ARIMA_PLUS di BigQuery ML. Visualizza la valutazione del modello BigQuery ML. Fai una previsione batch con il modello BigQuery ML.	Colab Colab Enterprise GitHub Vertex AI Workbench
Google Cloud Pipeline Components Prophet per i dati tabulari	Addestra un modello Prophet utilizzando Tabular Workflows su Vertex AI. Scopri come creare diversi modelli Prophet utilizzando una pipeline Vertex AI di addestramento dai componenti della pipeline di Google Cloud , quindi esegui una previsione batch utilizzando la pipeline di previsione corrispondente. Scopri di più su Google Cloud Pipeline Components. Scopri di più su Prophet per i dati tabulari. Passaggi del tutorial 1. Addestra i modelli Prophet. 1. Visualizza le metriche di valutazione. 1. Fai una previsione batch con i modelli Prophet.	Colab Colab Enterprise GitHub Vertex AI Workbench
Flusso di lavoro tabulare per TabNet	Pipeline TabNet. Scopri come creare modelli di classificazione sui dati tabulari utilizzando due dei flussi di lavoro tabulari di TabNet di Vertex AI. Scopri di più sul flusso di lavoro tabulare per TabNet. Passaggi del tutorial Crea un job personalizzato TabNet. Questa è l'opzione migliore se sai quali iperparametri utilizzare per l'addestramento. Crea un job HyperparameterTuningJob di TabNet. In questo modo, puoi ottenere il miglior insieme di iperparametri per il tuo set di dati.	Colab Colab Enterprise GitHub Vertex AI Workbench
Flusso di lavoro tabulare per Wide & Deep	Grandangolare e Deep Pipeline. Scopri come creare due modelli di classificazione utilizzando i flussi di lavoro tabulari Wide & Deep di Vertex AI. Scopri di più sul flusso di lavoro tabulare per le reti Wide & Profondo. Passaggi del tutorial Crea un job personalizzato Wide & Deep. Questa è l'opzione migliore se sai quali iperparametri utilizzare per l'addestramento. Crea un Wide and Deep HyperparameterTuningJob. Ciò consente di ottenere il miglior set di iperparametri per il tuo set di dati.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI TensorBoard Addestramento personalizzato	Addestramento personalizzato di Vertex AI TensorBoard con container personalizzato. Scopri come creare un job di addestramento personalizzato utilizzando container personalizzati e monitora il processo di addestramento su Vertex AI TensorBoard quasi in tempo reale. Scopri di più su Vertex AI TensorBoard. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Crea il repository e la configurazione Docker. Crea un'immagine container personalizzata con il tuo codice di addestramento personalizzato. Configurare l'account di servizio e i bucket Google Cloud Storage. Crea e avvia il job di addestramento personalizzato con il tuo container personalizzato.	Colab Colab Enterprise GitHub Vertex AI Workbench
TensorBoard di Vertex AI Addestramento personalizzato	Addestramento personalizzato di Vertex AI TensorBoard con container predefinito. Scopri come creare un job di addestramento personalizzato utilizzando container predefiniti e monitorare il processo di addestramento su Vertex AI TensorBoard quasi in tempo reale. Scopri di più su Vertex AI TensorBoard. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Configurare l'account di servizio e i bucket Cloud Storage. Scrivi il codice di addestramento personalizzato. Pacchettizza e carica il codice di addestramento su Cloud Storage. Crea e avvia il tuo job di addestramento personalizzato con Vertex AI TensorBoard abilitato per il monitoraggio quasi in tempo reale.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI TensorBoard	Ottimizzazione degli iperparametri Vertex AI TensorBoard con la dashboard HParams. In questo notebook, addestri un modello ed esegui l'ottimizzazione degli iperparametri utilizzando TensorFlow. Passaggi del tutorial Adatta le esecuzioni di TensorFlow per registrare gli iperparametri e le metriche. Avvia le esecuzioni e registrale tutte in una directory principale. Visualizza i risultati nella dashboard HParams di Vertex AI TensorBoard.	Colab Colab Enterprise GitHub Vertex AI Workbench
Profiler Vertex AI TensorBoard	Esegui il profiling delle prestazioni di addestramento del modello utilizzando Cloud Profiler. Scopri come abilitare Profiler per i job di addestramento personalizzato. Scopri di più su Profiler. Scopri di più su Vertex AI TensorBoard. Passaggi del tutorial Configura un account di servizio e un bucket Cloud Storage Crea un'istanza di Vertex AI TensorBoard Crea ed esegui un job di addestramento personalizzato che attiva Profiler Visualizza la dashboard di Profiler per eseguire il debug del rendimento dell'addestramento del modello	Colab Colab Enterprise GitHub Vertex AI Workbench
Profiler TensorBoard di Vertex AI	Profila le prestazioni di addestramento dei modelli utilizzando Cloud Profiler nell'addestramento personalizzato con un container predefinito. Scopri come attivare Profiler in Vertex AI per i job di addestramento personalizzato con un container predefinito. Scopri di più su Profiler. Scopri di più su Vertex AI TensorBoard. Passaggi del tutorial Prepara il codice di addestramento personalizzato e caricalo come pacchetto Python in un contenitore predefinito Crea ed esegui un job di addestramento personalizzato che attiva Profiler Visualizza la dashboard di Profiler per eseguire il debug delle prestazioni di addestramento del modello	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI TensorBoard Vertex AI Pipelines	Integrazione di Vertex AI TensorBoard con Vertex AI Pipelines Scopri come creare una pipeline di addestramento utilizzando l'SDK KFP, esegui la pipeline in Vertex AI Pipelines e monitora il processo di addestramento su Vertex AI TensorBoard quasi in tempo reale. Scopri di più su Vertex AI TensorBoard. Scopri di più su Vertex AI Pipelines. Passaggi del tutorial Configurare un account di servizio e i bucket Google Cloud Storage. Crea una pipeline KFP con il tuo codice di addestramento personalizzato. Compila ed esegui la pipeline KFP in Vertex AI Pipelines con Vertex AI TensorBoard abilitato per il monitoraggio quasi in tempo reale.	Colab Colab Enterprise GitHub Vertex AI Workbench
Ottimizzazione degli iperparametri mediante Vertex AI	Ottimizzazione degli iperparametri di Vertex AI distribuita. In questo notebook, crei un modello addestrato personalizzato da uno script Python in un container Docker. Scopri di più sull'ottimizzazione degli iperparametri Vertex AI. Passaggi del tutorial Formazione con un pacchetto Python. Segnala l'accuratezza durante l'ottimizzazione degli iperparametri. Salva gli elementi del modello in Cloud Storage utilizzando Cloud Storage Fuse.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Training	Inizia a utilizzare Vertex AI Training per LightGBM. Scopri come addestrare un modello personalizzato LightGBM utilizzando il metodo del container personalizzato per Vertex AI Training. Passaggi del tutorial Formazione con un pacchetto Python. Salvare gli artefatti del modello in Cloud Storage utilizzando Cloud StorageFuse. Crea un server di previsione FastAPI. Creare un'immagine di deployment Dockerfile per il server. Testa l'immagine di deployment localmente (facoltativo e non per gli utenti Colab). Crea una risorsa modello Vertex AI. Eseguire un job di previsione batch. Eseguire il deployment del modello su un endpoint e inviare richieste di previsione online. Esegui la pulizia delle risorse create.	Colab Colab Enterprise GitHub Vertex AI Workbench
Addestramento distribuito di Vertex AI	Inizia a utilizzare l'addestramento distribuito di Vertex AI. Scopri come utilizzare l'addestramento distribuito di Vertex AI durante l'addestramento con Vertex AI. Scopri di più sull'addestramento distribuito di Vertex AI. Passaggi del tutorial	Colab Colab Enterprise GitHub Vertex AI Workbench
Ottimizzazione degli iperparametri di Vertex AI	Esegui l'ottimizzazione degli iperparametri per un modello TensorFlow. Scopri come eseguire un job di ottimizzazione degli iperparametri di Vertex AI per un modello TensorFlow. Scopri di più sull'ottimizzazione degli iperparametri di Vertex AI. Passaggi del tutorial Modificare il codice dell'applicazione di addestramento per l'ottimizzazione automatica degli iperparametri. Containerizza il codice dell'applicazione di addestramento. Configura e avvia un job di ottimizzazione degli iperparametri con l'SDK Vertex AI Python.	Colab Colab Enterprise GitHub Vertex AI Workbench
Ottimizzazione degli iperparametri mediante Vertex AI	Ottimizzazione degli iperparametri Vertex AI per XGBoost. Scopri come utilizzare il servizio di ottimizzazione degli iperparametri Vertex AI per addestrare un modello XGBoost. Scopri di più sull'ottimizzazione degli iperparametri Vertex AI. Passaggi del tutorial Addestramento utilizzando un pacchetto dell'applicazione di addestramento Python. Accuratezza dei report durante l'ottimizzazione degli iperparametri. Salva gli elementi del modello in Cloud Storage utilizzando Cloud Storage Fuse. Elenca il modello migliore.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Training	Addestramento parallelo di dati distribuiti con più nodi per la classificazione delle immagini PyTorch sulla CPU utilizzando l'addestramento di Vertex AI con il container personalizzato. Scopri come creare un job di addestramento PyTorch distribuito utilizzando l'SDK Vertex AI per Python e container personalizzati. Scopri di più su Vertex AI Training. Passaggi del tutorial Configurazione del progetto Google Cloud	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Training	Classificazione delle immagini PyTorch mediante l'addestramento parallelo di dati distribuiti NCCL a più nodi su CPU e Vertex AI. Scopri come creare un job di addestramento PyTorch distribuito utilizzando l'SDK Vertex AI per Python e container personalizzati. Scopri di più su Vertex AI Training. Passaggi del tutorial Creazione di un container personalizzato utilizzando Artifact Registry e Docker. Crea un'istanza di Vertex AI TensorBoard per archiviare l'esperimento Vertex AI. Eseguire un job di addestramento Vertex AI utilizzando l'SDK Vertex AI per Python.	Colab Colab Enterprise GitHub Vertex AI Workbench
Addestramento personalizzato	Addestramento, ottimizzazione ed esecuzione del deployment di un modello di classificazione del sentiment del testo PyTorch su Vertex AI. Impara a creare, addestrare, ottimizzare ed eseguire il deployment di un modello PyTorch su Vertex AI. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Crea un pacchetto di addestramento per il modello di classificazione del testo. Addestra il modello con l'addestramento personalizzato su Vertex AI. Controlla gli elementi del modello creati. Crea un container personalizzato per le previsioni. Eseguire il deployment del modello addestrato a un endpoint Vertex AI utilizzando il container personalizzato per le previsioni. Invia richieste di previsione online al modello di cui è stato eseguito il deployment ed esegui la convalida. Esegui la pulizia delle risorse create in questo notebook.	Colab Colab Enterprise GitHub Vertex AI Workbench
Integrazione di PyTorch in Vertex AI	Addestrare un modello PyTorch su Vertex AI con i dati di Cloud Storage. Scopri come creare un job di addestramento utilizzando PyTorch e un set di dati archiviato su Cloud Storage. Scopri di più sull'integrazione di PyTorch in Vertex AI. Passaggi del tutorial Scrivere uno script di addestramento personalizzato per creare set di dati e addestra il modello. Eseguire un CustomTrainingJob utilizzando l'SDK Vertex AI per Python.	Colab Colab Enterprise GitHub Vertex AI Workbench
Addestramento distribuito	Utilizzare PyTorch torchrun per semplificare l'addestramento multi-nodo con container personalizzati. Scopri come addestrare un modello ImageNet utilizzando Torchrun di PyTorch su più nodi. Scopri di più sull'addestramento distribuito. Passaggi del tutorial Crea uno script shell per avviare un cluster ETCD sul nodo principale Crea uno script di addestramento utilizzando il codice del repository GitHub di PyTorch Elastic Crea i contenitori che scaricano i dati e avvia un cluster ETCD sull'host Addestra il modello utilizzando più nodi con GPU	Colab Colab Enterprise GitHub Vertex AI Workbench
Addestramento personalizzato	Addestramento XGBoost distribuito con Dask. Scopri come creare un job di addestramento distribuito utilizzando XGBoost con Dask. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Configura le variabili PROJECT_ID e LOCATION per il tuo progetto Google Cloud. Crea un bucket Cloud Storage per archiviare gli artefatti del modello. Crea un container Docker personalizzato che ospiti il codice di addestramento ed esegui il push dell'immagine del container in Artifact Registry. Esegui un CustomContainerTrainingJob dell'SDK Vertex AI	Colab Colab Enterprise GitHub Vertex AI Workbench
ricerca_vettoriale	Utilizzo degli incorporamenti multimodali e della ricerca vettoriale di Vertex AI. Scopri come codificare gli incorporamenti di testo personalizzati, creare un indice di ricerca del vicino più prossimo approssimativo ed eseguire query sugli indici. Passaggi del tutorial Converti un set di dati di immagini in embedding. Crea un indice. Carica gli incorporamenti nell'indice. Crea un endpoint indice. Esegui il deployment dell'indice nell'endpoint indice. Esegui una query online.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Vector Search	Utilizzo di Vertex AI Vector Search per le domande su StackOverflow. Scopri come codificare gli incorporamenti di testo personalizzati, creare un indice del vicino più prossimo approssimato ed eseguire query sugli indici. Scopri di più su Vertex AI Vector Search. Passaggi del tutorial Crea un indice ANN. Crea un endpoint indice con la rete VPC. Esegui il deployment dell'indice ANN. Esegui una query online.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Vector Search Embedding di Vertex AI per il testo	Utilizzare Vertex AI Vector Search e gli incorporamenti Vertex AI per il testo per le domande di StackOverflow. Scopri come codificare gli incorporamenti di testo, creare un indice del vicino più prossimo approssimato ed eseguire query sugli indici. Scopri di più su Vertex AI Vector Search. Scopri di più sugli embedding di Vertex AI per il testo. Passaggi del tutorial Converti un set di dati BigQuery in embedding. Crea un indice. Carica gli incorporamenti nell'indice. Crea un endpoint indice. Esegui il deployment dell'indice nell'endpoint indice. Esegui una query online.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Vector Search	Crea l'indice di Vertex AI Vector Search. Scopri come creare un indice del vicino più vicino approssimativo, eseguire query sugli indici e convalidare le prestazioni dell'indice. Scopri di più su Vertex AI Vector Search. Passaggi del tutorial Crea un indice ANN e un indice di forza bruta. Crea un endpoint dell'indice con la rete VPC. Esegui il deployment degli indici ANN e di forza bruta. Esegui una query online. Esegui il calcolo del richiamo.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Vizier	Ottimizzazione di più obiettivi con Vertex AI Vizier. Scopri come utilizzare Vertex AI Vizier per ottimizzare uno studio multi-obiettivo. Scopri di più su Vertex AI Vizier. Passaggi del tutorial	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Vizier	Inizia a utilizzare Vertex AI Vizier. Scopri come utilizzare Vertex AI Vizier durante l'addestramento con Vertex AI. Scopri di più su Vertex AI Vizier. Passaggi del tutorial Ottimizzazione degli iperparametri con l'algoritmo casuale. Ottimizzazione degli iperparametri con l'algoritmo Vertex AI Vizier (bayesiano). suggerimento di prove e aggiornamento dei risultati per lo studio Vertex AI Vizier	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Workbench Vertex AI Training	Addestra un modello di classificazione multi-classe per il targeting degli annunci. Scopri come raccogliere dati da BigQuery, pre-elaborarli e addestrare un modello di classificazione multiclasse su un set di dati di e-commerce. Scopri di più su Vertex AI Workbench. Scopri di più su Vertex AI Training. Passaggi del tutorial Recupera i dati richiesti da BigQuery Esegui la preelaborazione dei dati Addestra un modello di classificazione TensorFlow (>=2.4) Valuta la perdita per il modello addestrato Automatizza l'esecuzione del blocco note utilizzando la funzionalità esecutore Salva il modello in un percorso Cloud Storage Esegui la pulizia delle risorse create	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Workbench Vertex Explainable AI	Previsione delle tariffe dei taxi utilizzando il set di dati Chicago Taxi Trips. L'obiettivo di questo blocco note è fornire una panoramica delle funzionalità di Vertex AI come Vertex Explainable AI e BigQuery nei Notebooks cercando di risolvere un problema di previsione delle tariffe dei taxi. Scopri di più su Vertex AI Workbench. Scopri di più su Vertex Explainable AI. Passaggi del tutorial Caricamento del set di dati utilizzando "BigQuery in Notebook". Eseguire un'analisi esplorativa dei dati sul set di dati. Selezione delle caratteristiche e pre-elaborazione. Creazione di un modello di regressione lineare utilizzando scikit-learn. Configurazione del modello per Vertex Explainable AI. Deployment del modello su Vertex AI. Test del modello di cui è stato eseguito il deployment. Eseguire la pulizia.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Workbench BigQuery ML	Previsione della domanda al dettaglio con Vertex AI e BigQuery ML. Scopri come creare un modello ARIMA (media mobile integrata autoregressiva) da BigQuery ML sui dati di vendita al dettaglio Scopri di più su Vertex AI Workbench. Scopri di più su BigQuery ML. Passaggi del tutorial Esplora i dati Creazione di modelli con BigQuery e ARIMA Valuta il modello Valutare i risultati del modello utilizzando BigQuery ML (sui dati di addestramento) Valutare i risultati del modello MAE, MAPE, MSE, RMSE (sui dati di test) Utilizzare la funzionalità esecutore	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Workbench BigQuery ML	Analisi esplorativa interattiva dei dati di BigQuery in un notebook. Scopri vari modi per esplorare e ottenere insight dai dati di BigQuery in un ambiente di blocchi note Jupyter. Scopri di più su Vertex AI Workbench. Scopri di più su BigQuery ML. Passaggi del tutorial Con Python e SQL per eseguire query su dati pubblici in BigQuery Esplorazione del set di dati utilizzando INFORMATION_SCHEMA di BigQuery Creare elementi interattivi per aiutare a esplorare parti interessanti dei dati Eseguire un'analisi esplorativa di correlazione e serie temporali Creazione di output statici e interattivi (tabelle e grafici di dati) nel blocco note Salvataggio di alcuni output in Cloud Storage	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Workbench Addestramento personalizzato	Crea un modello di rilevamento delle frodi su Vertex AI. Questo tutorial illustra l'analisi dei dati e la creazione di modelli utilizzando un set di dati finanziario sintetico. Scopri di più su Vertex AI Workbench. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Installazione delle librerie richieste Lettura del set di dati da un bucket Cloud Storage Eseguire un'analisi esplorativa sul set di dati Pre-elaborazione del set di dati Addestramento di un modello di foresta casuale utilizzando scikit-learn Salvataggio del modello in un bucket Cloud Storage Creazione di una risorsa del modello Vertex AI e deployment su un endpoint Esecuzione dello strumento WhatIf sui dati di test Annullamento del deployment del modello e pulizia delle risorse del modello	Colab GitHub Vertex AI Workbench
Vertex AI Workbench BigQuery ML	Previsione del tasso di abbandono per gli sviluppatori di giochi che utilizzano Google Analytics 4 e BigQuery ML. Scopri come addestrare e valutare un modello di propensione in BigQuery ML. Scopri di più su Vertex AI Workbench. Scopri di più su BigQuery ML. Passaggi del tutorial Esplora i dati esportati da Google Analytics 4 in BigQuery. Prepara i dati di addestramento utilizzando dati demografici, di comportamento ed etichette (churn/notchurn). Addestrare un modello XGBoost utilizzando BigQuery ML. Valutare il modello utilizzando BigQuery ML. Utilizza BigQuery ML per prevedere quali utenti sono propensi al churn.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Workbench Addestramento di Vertex AI	Manutenzione predittiva con Vertex AI. Scopri come utilizzare la funzionalità di esecuzione di Vertex AI Workbench per automatizzare un flusso di lavoro per l'addestramento e il deployment di un modello. Scopri di più su Vertex AI Workbench. Scopri di più sulla formazione Vertex AI. Passaggi del tutorial Caricamento del set di dati richiesto da un bucket Cloud Storage. Analisi dei campi presenti nel set di dati. Seleziona i dati richiesti per il modello di manutenzione predittiva. Addestramento di un modello di regressione XGBoost per la previsione della vita utile rimanente. Valutazione del modello. Esegui il notebook end-to-end come job di addestramento utilizzando Executor. Deployment del modello su Vertex AI. Eseguire la pulizia.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Workbench BigQuery ML	Analisi dell'ottimizzazione dei prezzi sui dati sui prezzi CDM. L'obiettivo di questo blocco note è creare un modello di ottimizzazione dei prezzi utilizzando BigQuery ML. Scopri di più su Vertex AI Workbench. Scopri di più su BigQuery ML. Passaggi del tutorial Carica il set di dati richiesto da un bucket Cloud Storage. Analizza i campi presenti nel set di dati. Elabora i dati per creare un modello. Crea un modello di previsione BigQuery ML sui dati elaborati. Ottieni i valori previsti dal modello BigQuery ML. Interpreta le previsioni per identificare i prezzi migliori. Eseguire la pulizia.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Workbench Analisi del sentiment per i dati di testo	Analisi del sentiment utilizzando AutoML Natural Language e Vertex AI. Scopri come addestrare e implementare un modello di analisi del sentiment AutoML ed eseguire previsioni. Scopri di più su Vertex AI Workbench. Scopri di più sull'analisi del sentiment per i dati di testo. Passaggi del tutorial Caricamento dei dati richiesti in corso. Pre-elaborazione dei dati. Selezione dei dati richiesti per il modello. Caricare il set di dati nei set di dati gestiti da Vertex AI. Addestramento di un modello di sentiment utilizzando l'addestramento di AutoML Text. Valutazione del modello. Deployment del modello su Vertex AI. Generazione di previsioni. Eseguire la pulizia.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Workbench Dataproc serverless per Spark	Esegui il digest e analizza i dati di BigQuery con Dataproc. Questo tutorial sul blocco note esegue un job Apache Spark che recupera i dati dai "Dati attività GitHub" di BigQuery esegue una query sui dati, quindi scrive i risultati in BigQuery. Scopri di più su Vertex AI Workbench. Scopri di più su Dataproc Serverless per Spark. Passaggi del tutorial Configurazione di un progetto Google Cloud e di un cluster Dataproc. Configurazione di sparkbigqueryconnector. Importazione di dati da BigQuery in un DataFrame Spark. Pre-elaborazione dei dati importati. Eseguire query sul linguaggio di programmazione più utilizzato nei repository monolingua. Esecuzione di query sulle dimensioni medie (MB) del codice in ciascun linguaggio archiviato in repository monoglot. Eseguire query sui file di lingue più frequentemente trovati insieme nei repository poliglotti. Scrittura dei risultati della query in BigQuery. Eliminazione delle risorse create per questo blocco note.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Workbench Dataproc	SparkML con Dataproc e BigQuery. Questo tutorial esegue un job Apache SparkML che recupera i dati dal set di dati BigQuery, esegue l'analisi esplorativa dei dati, pulisce i dati, esegue l'ingegneria delle funzionalità, addestra il modello, lo valuta, genera i risultati e lo salva in un bucket Cloud Storage. Scopri di più su Vertex AI Workbench. Scopri di più su Dataproc. Passaggi del tutorial Configura un progetto Google Cloud e un cluster Dataproc. Crea un bucket Cloud Storage e un set di dati BigQuery. Configura il connettore sparkbigquery. Importa i dati di BigQuery in un DataFrame Spark. Eseguire un'analisi esplorativa dei dati (EDA). Visualizza i dati con dei campioni. Pulisce i dati. Seleziona le funzionalità. Addestra il modello. Mostra i risultati. Salva il modello in un bucket Cloud Storage. Elimina le risorse create per il tutorial.	Colab Colab Enterprise GitHub Vertex AI Workbench