Tutorial sul blocco note Jupyter per le previsioni di Vertex AI

Questo documento contiene un elenco dei tutorial disponibili per il blocco note delle previsioni Vertex AI. Questi tutorial end-to-end ti aiutano a iniziare a utilizzare le previsioni di Vertex AI e possono darti idee su come implementare un progetto specifico.

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

• Eseguirle nel cloud utilizzando un servizio come Colaboratory (Colab) oppure Vertex AI Workbench
• Scaricali da GitHub ed eseguili 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 del blocco note in Colab, fai clic sul link Colab nell'elenco dei 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 blocco note utilizzando blocchi note 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 notebook gestiti dall'utente di Vertex AI Workbench sono ritratti. Il 30 gennaio 2025 verrà interrotto il supporto per i blocchi note gestiti dall'utente e la possibilità di creare istanze di blocchi note gestiti dall'utente verrà rimossa. 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 nell'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 notebook, 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 del modello 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 Crea 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
Ottenere le previsioni da un modello di classificazione delle immagini	Modello di classificazione delle immagini di addestramento AutoML per previsione batch. In questo tutorial, crei un modello di classificazione delle immagini AutoML da uno script Python e poi esegui una previsione batch utilizzando l'SDK Vertex. Scopri di più su come ottenere le 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. Fai una previsione batch.	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 online. In questo tutorial creerai un modello di classificazione delle immagini AutoML ed eseguirai 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 gestione. Fai una previsione. Annulla il deployment di Model.	Colab Colab Enterprise GitHub Vertex AI Workbench
AutoML	Modello di rilevamento degli oggetti immagine di addestramento AutoML per l'esportazione a livello perimetrale. In questo tutorial, creerai un modello di rilevamento di oggetti immagine AutoML da uno script Python utilizzando l'SDK Vertex, quindi esporterai 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 immagine	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 Crea una risorsa set di dati Vertex AI. Addestrare il modello. Visualizza la valutazione del modello. Eseguire il deployment della risorsa del modello in una risorsa dell'endpoint di distribuzione. Fai una previsione. Annullare il deployment del modello.	Colab Colab Enterprise GitHub Vertex AI Workbench
Flusso di lavoro tabulare per l'AutoML end-to-end	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 sul flusso di lavoro tabulare per AutoML end-to-end. Passaggi del tutorial Crea una pipeline di addestramento che riduca lo spazio di ricerca rispetto a quello predefinito per risparmiare tempo. Per risparmiare tempo, crea una pipeline di addestramento che riutilizzi i risultati di ricerca dell'architettura della pipeline precedente.	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 Addestrare 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, crei un modello di previsione gerarchico AutoML e lo esegui 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 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	Addestramento del modello di regressione tabulare AutoML per la previsione batch utilizzando 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 dei 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	Modello di regressione tabulare per l'addestramento di AutoML per la previsione online con BigQuery. Scopri come creare un modello di regressione tabulare AutoML e eseguirlo 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 a partire da uno script Python ed eseguire una previsione batch utilizzando l'SDK Vertex AI. Scopri di più sul riconoscimento delle azioni per i dati dei video. Passaggi del tutorial Crea una risorsa 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. Effettua 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. Creare un modello di monitoraggio di oggetti video AutoML da uno script Python ed eseguire una previsione batch utilizzando l'SDK Vertex AI per Python. Scopri di più sul monitoraggio degli 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 BigQuery ML Training. Scoprire 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 Addestrare un modello BigQuery ML Valutare il modello BigQuery ML Esporta 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 Vertex AI Prediction	Deployment del modello di rilevamento dell'iride utilizzando FastAPI e il servizio di container personalizzato Vertex AI. Scopri come creare, eseguire il deployment e gestire 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 dei fiori come input per prevedere la classe dell'iride. Salva il modello e il relativo preprocessore serializzato. Crea un server FastAPI per gestire previsioni e controlli di integrità. Crea un container personalizzato con artefatti del modello. Carica ed esegui il deployment del contenitore personalizzato negli endpoint Vertex AI.	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 quindi ottenere una previsione dal modello di cui è stato eseguito il deployment inviando dati. Scopri di più su Vertex AI Training. Passaggi del tutorial Crea un TrainingPipeline personalizzato Vertex AI per l'addestramento di un modello. Addestra un modello TensorFlow. 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
Addestramento personalizzato	Addestramento personalizzato con immagine container personalizzata e caricamento automatico del modello su Vertex AI Model Registry. In questo tutorial addestri un approccio di immagini di container personalizzate del 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 attivare 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 Creare ed eseguire 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 XGBoost personalizzato. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Addestramento con un pacchetto Python. Segnala l'accuratezza durante l'ottimizzazione degli iperparametri. Salvare gli artefatti del modello in Cloud Storage utilizzando Cloud StorageFuse. Creare una risorsa del 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 delle 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 Vertex AI Batch Prediction	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. Fai una previsione batch.	Colab Colab Enterprise GitHub Vertex AI Workbench
Addestramento personalizzato Previsione di Vertex AI	Addestramento personalizzato e previsione online. Impara a utilizzare Vertex AI Training per creare un modello con addestramento personalizzato da uno script Python in un contenitore Docker e a utilizzare Vertex AI Prediction per fare una previsione sul modello di cui è stato eseguito il deployment inviando i dati. Scopri di più sull'addestramento personalizzato. Scopri di più su Vertex AI Prediction. Passaggi del tutorial Crea un job Vertex AI personalizzato per l'addestramento di un modello TensorFlow. Carica gli artefatti del modello addestrato in una risorsa Model. Crea una risorsa Endpoint di pubblicazione. 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
Set di dati BigQuery Vertex AI per gli utenti di BigQuery	Inizia a utilizzare i set di dati BigQuery. Scoprire 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 Crea una risorsa set di dati Vertex AI dalla tabella BigQuery compatibile per l'addestramento AutoML. Estrai una copia del set di dati da BigQuery in un file CSV in Cloud Storage compatibile con 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 di un set di dati BigQuery in un tf.data.Dataset compatibile per l'addestramento personalizzato dei modelli TensorFlow. Seleziona le righe dei file CSV estratti in un tf.data.Dataset compatibile per l'addestramento personalizzato dei modelli TensorFlow. Creare 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 linea di Vertex AI Experiment per l'addestramento personalizzato. Scopri come integrare il codice di preelaborazione in esperimenti Vertex AI. Scopri di più su Vertex AI Experiments. Scopri di più su Vertex ML Metadata. Passaggi del tutorial Esegui il modulo per la pre-elaborazione dei dati crea un artefatto del set di dati Parametri 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 in 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 gli esperimenti di Vertex AI. 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
TensorBoard di Vertex AI	Elimina gli esperimenti obsoleti in Vertex AI TensorBoard. Scopri come eliminare gli esperimenti Vertex AI TensorBoard obsoleti per evitare costi di archiviazione non necessari. 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
Vertex AI Experiments	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 Esegui l'addestramento dei modelli utilizzando uno script locale su 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 Vertex AI Experiments 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. Registra i parametri e le metriche. Crea la derivazione degli artefatti. 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	Registrazione automatica. Scopri come utilizzare l'autologging di Vertex AI. Passaggi del tutorial Abilita 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 il modello TensorFlow, controlla le metriche e i parametri registrati automaticamente in Vertex AI Experiments impostando manualmente un'esecuzione dell'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 da uno script Python e poi a utilizzare Vertex AI Batch Prediction per fare previsioni con spiegazioni. Scopri di più sulla classificazione per i 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. Effettua 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 l'evidenziazione 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. Creare 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 di classificazione delle immagini con addestramento personalizzato per la previsione in 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 Vertex AI personalizzato per l'addestramento di un modello TensorFlow. Visualizza la valutazione del modello addestrato. Imposta i parametri di spiegazione per il deployment del modello. Carica gli artefatti del modello addestrato e i parametri di spiegazione come risorsa Model. Fai una previsione batch con le spiegazioni.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex Explainable AI Vertex AI Prediction	Modello di classificazione delle immagini con addestramento personalizzato 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 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 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 distribuzione. 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 Batch Prediction	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 di immagini personalizzato 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 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 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 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 distribuzione. Fai una previsione con una spiegazione. Annullare il deployment della risorsa 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 Creare 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. Eseguire il deployment della risorsa Model in una risorsa endpoint di pubblicazione. Fai una previsione con una 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 Fai previsioni 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 spiegazioni basate sulle caratteristiche utilizzando il metodo Shapley campionato su un modello di classificazione del testo TensorFlow per 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
Vertex AI Feature Store	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 del 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
Feature Store Vertex AI	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 ed eseguire il servizio di dati in BigQuery con Vertex AI Feature Store in un flusso di lavoro end-to-end di pubblicazione e recupero dei valori delle funzionalità. Scopri di più su Vertex AI Feature Store. Passaggi del tutorial Esegui il provisioning di un'istanza di Feature Store online per ospitare e pubblicare i dati utilizzando la pubblicazione online ottimizzata con endpoint pubblico o privato. Registrare una vista BigQuery con l'istanza del 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	Pubblicazione di funzionalità online e recupero di vettori 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 Esegui il provisioning di un'istanza di Feature Store online per ospitare e pubblicare i dati. Crea un'istanza del Feature Store online per pubblicare 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 Esegui il provisioning di un'istanza di Feature Store online per ospitare e pubblicare i dati. Crea un'istanza del Feature Store online per pubblicare 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 per 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 caratteristiche configurata per l'utilizzo di un account di servizio dedicato. Viene creato un account di servizio per ogni visualizzazione delle funzionalità. 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	Utilizzare Vertex AI Feature Store (legacy) con il dataframe Pandas. Scopri come utilizzare Vertex AI Feature Store con Pandas Dataframe. 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. Leggi i valori delle caratteristiche delle entità dal feature store online nel DataFrame Pandas. Pubblica in batch i valori delle caratteristiche dall'archivio di funzionalità nel DataFrame Pandas. Pubblicazione online con valori delle caratteristiche aggiornati. Correttezza puntuale per recuperare i valori delle funzionalità 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 caratteristiche e accedere ai dati delle caratteristiche sia per la distribuzione online che 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 in streaming per importare piccole quantità di dati.	Colab Colab Enterprise GitHub Vertex AI Workbench
Panoramica del supporto dell'IA generativa su Vertex AI	Inferenza batch LLM Vertex AI con modelli ottimizzati RLHF. In questo tutorial utilizzerai Vertex AI per ottenere previsioni da un modello linguistico di grandi dimensioni ottimizzato per 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. Eseguire la pipeline utilizzando Vertex AI Pipelines. Generare risultati di previsione rispetto a un modello per un determinato set di dati.	Colab Enterprise GitHub Vertex AI Workbench
generative_ai	Distilla un modello linguistico di grandi dimensioni. Scopri come distillare ed eseguire il deployment di un modello linguistico di grandi dimensioni utilizzando l'LLM di Vertex AI. Passaggi del tutorial Ottieni il modello LLM di Vertex AI. Distilla il modello(viene creato automaticamente un endpoint Vertex AI ed esegue il deployment del modello sull'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 con feedback umano di Vertex AI LLM. In questo tutorial utilizzerai la tecnica RLHF di Vertex AI per ottimizzare ed eseguire il deployment di un modello linguistico di grandi dimensioni. 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. Crea un job Vertex AI Pipeline utilizzando un modello di ottimizzazione predefinito. Esegui la pipeline utilizzando Vertex AI Pipelines. Ottieni le previsioni dal modello ottimizzato.	Colab Colab Enterprise GitHub Vertex AI Workbench
text embedding	Ricerca semantica mediante rappresentazioni distribuite. 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 più recenti di incorporamento del testo 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 Text Embedding. Passaggi del tutorial Installazione e importazioni Genera embedding	Colab Colab Enterprise GitHub Vertex AI Workbench
Ottimizza i modelli di testo utilizzando l'ottimizzazione supervisionata	Vertex AI Ottimizzazione di un modello PEFT. Scopri come utilizzare i modelli LLM di Vertex AI per ottimizzare ed eseguire il deployment di un modello linguistico di grandi dimensioni (LLM) 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. Viene creato automaticamente un endpoint Vertex AI e il modello viene implementato al suo interno. Fare una previsione utilizzando un modello LLM di Vertex AI. Fai 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. Utilizza l'endpoint di embedding 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 dei 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 su Eseguire la 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 su 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 nelle immagini 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 sulla migrazione a Vertex AI. Scopri di più sul rilevamento di oggetti per i dati delle immagini. Passaggi del tutorial Addestra un modello di rilevamento degli oggetti AutoML. Fai una previsione batch. esegui il deployment del modello su 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	Rilevamento degli oggetti 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 sul monitoraggio di 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 creerai un modello di classificazione binaria tabulare AutoML ed eseguirai il deployment per la previsione online da uno script Python utilizzando l'SDK Vertex AI. Scopri di più su Eseguire la migrazione a Vertex AI. Scopri di più sulla classificazione per i dati tabulari. Passaggi del tutorial Crea una risorsa set di dati Vertex AI. Addestrare il modello. Visualizza la valutazione del modello. Eseguire il deployment della risorsa del modello in una risorsa dell'endpoint di distribuzione. Fai una previsione. Annulla il deployment del modello	Colab Colab Enterprise GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Classificazione per i dati video	AutoML Video Classification (Classificazione 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 sulla migrazione a Vertex AI. Scopri di più sulla classificazione per i dati video. Passaggi del tutorial Addestra un modello di classificazione dei video AutoML. Fai 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 di immagini TensorFlow utilizzando un container personalizzato e l'addestramento di Vertex AI. Scopri di più sulla 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. Valuta il modello generato dal job di addestramento. Crea una risorsa modello per il modello addestrato in Vertex AI Model Registry. Eseguire un job di previsione batch di 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 personalizzata delle immagini con un container di addestramento predefinito. Scopri come addestrare un modello di classificazione delle 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. Valuta il modello generato dal job di addestramento. Crea una risorsa modello per il modello addestrato in Vertex AI Model Registry. Eseguire un job di previsione batch di 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 su Eseguire la 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. Eseguire il deployment della risorsa del modello in una risorsa dell'endpoint di distribuzione. Generare previsioni online. Annullare il deployment della risorsa 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. Impara a utilizzare Vertex AI Training per creare un modello addestrato personalizzato. Scopri di più su Eseguire la migrazione a Vertex AI. Scopri di più sulla panoramica dell'addestramento personalizzato. Passaggi del tutorial Crea un job personalizzato di Vertex AI per l'addestramento di un modello xgboost. Caricare gli artefatti del modello addestrato come risorsa del modello. Generare previsioni batch. Eseguire il deployment della risorsa del modello in una risorsa dell'endpoint di distribuzione. Generare previsioni online. Annulla il deployment della risorsa del modello.	Colab Colab Enterprise GitHub Vertex AI Workbench
Ottimizzazione degli iperparametri mediante Vertex AI Addestramento personalizzato	Ottimizzazione degli iperparametri. Impara a utilizzare l'iperparametro Vertex AI per creare e ottimizzare un modello addestrato personalizzato. Scopri di più sull'ottimizzazione degli iperparametri Vertex AI. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Crea un job di ottimizzazione degli iperparametri di 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 nella documentazione di Google Artifact Registry. Passaggi del tutorial Creazione di un repository Docker privato in corso... Taggare un'immagine container, specifica per il repository Docker privato. Push di un'immagine container nel repository Docker privato. Estrazione 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 Monitora i parametri di addestramento e le 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 Tieni traccia di parametri e metriche per un modello addestrato a livello locale. 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 Vertex AI Pipelines	Monitorare artefatti e 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 dei dati tabulari. Passaggi del tutorial Crea un Dataset di Vertex AI. Addestra un modello di classificazione tabulare AutoML sulla risorsa Dataset. Importa il modello AutoML model resource addestrato nella pipeline. Esegui un job Batch Prediction. Valuta il modello AutoML utilizzando 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 delle previsioni batch dal modello di regressione tabulare AutoML. Scopri come valutare una risorsa del modello Vertex AI tramite un job della pipeline Vertex AI utilizzando google_cloud_pipeline_components: Scopri di più su Vertex AI Model Evaluation. 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. Valuta il modello AutoML utilizzando regression evaluation component. Importa le metriche di regressione generate nella risorsa del modello AutoML.	Colab Colab Enterprise GitHub Vertex AI Workbench
Valutazione del modello Vertex AI Classificazione dei dati video	Valutazione dei risultati della previsione batch dal modello di classificazione di video AutoML. Scopri come addestrare un modello di classificazione video Vertex AI AutoML e come valutarlo 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 classificazione per i dati video. Passaggi del tutorial Crea un set di dati Vertex AI. Addestra un modello di classificazione dei video AutoML nella risorsa set di dati Vertex AI. Importa la risorsa del modello AutoML Vertex AI addestrato nella pipeline. Eseguire un job di previsione batch all'interno della pipeline. Valutare 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 di Vertex AI Valutazione dei modelli Vertex AI	Valutazione dei risultati di BatchPrediction da un modello di classificazione tabulare personalizzato. In questo tutorial, addestrerai un modello RandomForest di scikit-learn, salvi il modello in Vertex AI Model Registry e imparerai a valutarlo tramite un job di pipeline Vertex AI utilizzando l'SDK Python dei componenti della pipeline di Google Cloud. Scopri di più sull'addestramento personalizzato di Vertex AI. Scopri di più sulla valutazione dei modelli di 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. Addestrare un modello di classificazione RandomForest localmente utilizzando il pacchetto Python scikit-learn. 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 del modello Vertex AI Addestramento personalizzato	Valutazione dei risultati delle previsioni batch dal modello di regressione tabulare personalizzato. Scopri come valutare una risorsa 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 di modello Vertex AI. Importa una risorsa modello Vertex AI preaddestrata nella pipeline. Esegui un job di previsione batch nella pipeline. Valuta il modello usando il componente di valutazione della regressione. Importa le metriche di regressione nella risorsa del 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 delle 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	Valuta un modello LLM nel registro dei modelli di Vertex AI 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. Crea ed esegui 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 notebook.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Model Monitoring per le previsioni batch	Previsione batch di Vertex AI con Model Monitoring. Impara a utilizzare il servizio di monitoraggio dei modelli Vertex AI per rilevare la deriva e le anomalie nella previsione batch. Scopri di più su Vertex AI Model Monitoring per le previsioni batch. Passaggi del tutorial Caricare un modello preaddestrato come risorsa del modello Vertex AI. Generare richieste di previsione batch. Interpreta le statistiche, le visualizzazioni e gli altri dati riportati dalla funzionalità 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. Configurare la risorsa endpoint per il monitoraggio del modello. Genera richieste di previsione sintetica per lo scostamento. 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 non in 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. Esegui il deployment del modello nell'endpoint e configuralo 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 fuori distribuzione nella richiesta di previsione online.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Model Monitoring	Vertex AI Model Monitoring per i modelli tabulari personalizzati. Impara a utilizzare il servizio Vertex AI Model Monitoring per rilevare la distorsione e la deviazione delle funzionalità 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. Configurare la risorsa endpoint per il monitoraggio del modello. Genera richieste di previsione sintetiche per simulare l'asimmetria. Attendi le notifiche di avviso via email. Genera richieste di previsione sintetica per simulare la deviazione. 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. Caricare il modello preaddestrato come risorsa del modello. Deployment della risorsa del modello in una risorsa endpoint con "TensorFlow Serving" che gestisce il codice binario. Configura la risorsa Endpoint per il monitoraggio del modello. Generare richieste di previsione sintetica per il disallineamento. Attendi la notifica di avviso via email. Genera richieste di previsione sintetica per il rilevamento della deriva. 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. Carica il modello preaddestrato come risorsa modello. Esegui il deployment della risorsa modello nella risorsa endpoint. Configurare la risorsa endpoint per il monitoraggio del modello. Rilevamento di deviazioni e disallineamenti per gli input delle funzionalità. Rilevamento di disallineamenti e deviazioni 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. Impara a utilizzare il servizio Vertex AI Model Monitoring per rilevare lo skew e la deriva delle funzionalità 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. Esegui il deployment della risorsa modello in 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. Impara a utilizzare il servizio Vertex AI Model Monitoring per rilevare la deriva e le anomalie nelle richieste di previsione da una risorsa modello Vertex AI di cui è stato eseguito il deployment. Scopri di più su Vertex AI Model Monitoring. Passaggi del tutorial Caricare un modello preaddestrato come risorsa del modello Vertex AI. Creare 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. Scopri come interpretare le statistiche, le visualizzazioni e gli altri dati riportati dalla funzionalità 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
registro dei modelli di Vertex AI	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. Riaddestramento 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 Crea una pipeline KFP che crei 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. Eseguire 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. Impara a creare una pipeline Vertex AI che addestra una nuova versione concorrente di un modello, lo valuta e confronta la valutazione con il modello approvato esistente in produzione. Passaggi del tutorial Importa un modello preaddestrato (blessed) in Vertex AI Model Registry. Importa le metriche di valutazione del modello sintetico nel modello (approvato) corrispondente. Crea una risorsa endpoint Vertex AI Esegui il deployment del modello approvato 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 utilizzando 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 Eseguire la pipeline KFP utilizzando Vertex AI Pipelines	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Pipelines Componente di addestramento personalizzato	Addestramento personalizzato con i componenti predefiniti della pipeline di Google Cloud. Impara a 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 attraverso 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 Creare 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 su 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 della pipeline di Google Cloud predefiniti 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 dei macchinari 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 macchina Converti il componente di formazione 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
Componenti AutoML di Vertex AI Pipelines	Pipeline di classificazione delle immagini AutoML che utilizzano google-cloud-pipeline-components. Scopri come utilizzare Vertex AI Pipelines e i componenti di 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 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 utilizzare 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 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. Scopri come creare una semplice pipeline di BigQuery ML utilizzando le pipeline Vertex AI per calcolare gli incorporamenti 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. Creazione di un componente per l'addestramento di 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 della pipeline di Google Cloud per creare ed eseguire il deployment di un modello personalizzato. 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 sulle funzioni Python leggeri e I/O dei componenti. Impara a utilizzare l'SDK KFP per creare componenti leggeri basati su funzioni Python, quindi imparerai a utilizzare Vertex AI Pipelines per eseguire la pipeline. Scopri di più su Vertex AI Pipelines. Passaggi del tutorial Creare componenti KFP basati su funzioni Python. Crea una pipeline KFP. Trasmetti artefatti e parametri tra i componenti, sia per riferimento al percorso sia per valore. Utilizza il metodo kfp.dsl.importer. Compila la pipeline KFP. Esegui la pipeline KFP utilizzando Vertex AI Pipelines	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Pipelines	Visualizzazione delle metriche e confronto delle esecuzioni 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 concorrente diventa il modello migliore da sostituire 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 corrispondente (campione). 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 dei modelli sintetici nei modelli (contendenti) 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 Creazione di 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 addestrato migliore. Eseguire il deployment del modello addestrato migliore. Testare l'infrastruttura del modello di cui è stato eseguito il deployment.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Batch Prediction	Previsione batch di modelli personalizzati con filtri delle caratteristiche. Scopri come creare un modello con addestramento personalizzato da uno script Python in un container Docker utilizzando l'SDK Vertex AI per Python, quindi eseguire un job di previsione batch includendo o escludendo un elenco di caratteristiche. Scopri di più sulla previsione batch di Vertex AI. Passaggi del tutorial Crea un TrainingPipeline personalizzato 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 container che esegue Nvidia Triton Server con una risorsa di modello Vertex AI su un endpoint Vertex AI per effettuare previsioni online. Scopri di più su Vertex AI Prediction. Passaggi del tutorial Scarica gli elementi del modello da TensorFlow Hub. Crea il file di configurazione della 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 modello Vertex AI. Esegui il deployment della risorsa modello Vertex AI in una risorsa endpoint Vertex AI. Effettua una richiesta di previsione. Annulla il deployment della risorsa del modello ed elimina 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 artefatti di un modello di classificazione tabulare preaddestrato per uno strumento di stima 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 in 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 TensorFlow Serving in formato binario. 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 Vertex AI Private Endpoints. Scopri come utilizzare le risorse di 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. È in corso la configurazione del programma 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... Invia una richiesta di previsione a 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 i modelli LLM Vertex AI per scaricare un modello LLM preaddestrato, fare previsioni e perfezionare il modello. Scopri di più sui modelli linguistici Vertex AI. Passaggi del tutorial Caricare un modello di generazione di testo preaddestrato. Fai una previsione non di flusso Carica un modello di generazione di testo preaddestrato che supporta lo streaming. Fai una previsione in streaming Caricare un modello di chat preaddestrato. Avvia una sessione di chat interattiva locale. Esegui una previsione batch con un modello di generazione di 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 Pacchettizzazione degli artefatti del modello in un file di archivio dei modelli Carica il modello per il deployment Esegui il deployment del modello per la previsione Fai previsioni online Effettuare previsioni batch	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Prediction	Addestra ed esegui 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 Pacchettizzare l'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 delle immagini PyTorch sfruttando Ray su Vertex AI. Scopri di più sulla panoramica di Ray on 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 nell'endpoint Vertex AI 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 on Ray on 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 Crea un'immagine container Ray on Vertex AI personalizzata 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 su Vertex AI Elimina il cluster Ray su Vertex AI	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Training Server di riduzione Vertex AI	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 Impacchetta l'applicazione di addestramento con i 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. L'obiettivo di questo blocco note 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 Copiare i dati di addestramento della demo video AutoML per la creazione del set di dati gestito Crea 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 della demo video AutoML 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 il container TensorFlow Serving Esegui l'addestramento di un pacchetto Python personalizzato con un set di dati di testo gestito Esegui il deployment di un modello e crea un endpoint su Vertex AI Fai una 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 Explains con i modelli TabNet. Scopri come fornire uno strumento di rappresentazione di esempio per visualizzare l'output di TabNet, 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 preaddestrato 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	Addestra un modello ARIMA_PLUS BigQuery ML utilizzando i flussi di lavoro tabulari di Vertex AI. Scopri come creare il modello ARIMA_PLUS di BigQuery ML utilizzando una pipeline di addestramento Vertex AI dai componenti della pipeline di Google Cloud e poi esegui 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 Vertex AI Tabular Workflows. 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 sui componenti della pipeline di Google Cloud. 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. Creare un TabNet HyperparameterTuningJob. Ciò consente di ottenere il miglior set di iperparametri per il tuo set di dati.	Colab Colab Enterprise GitHub Vertex AI Workbench
Flusso di lavoro tabulare per Wide & Deep	Pipeline Wide and Deep. Scopri come creare due modelli di classificazione utilizzando Vertex AI Wide & Flussi di lavoro tabulari dettagliati. Scopri di più sul flusso di lavoro tabulare per le reti Wide & Profondo. Passaggi del tutorial Crea un Wide and Deep CustomJob. Questa è l'opzione migliore se sai quali iperparametri utilizzare per l'addestramento. Crea un Wide and Deep HyperparameterTuningJob. In questo modo, puoi ottenere il miglior insieme 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 codice di addestramento personalizzato. Configurare l'account di servizio e i bucket Google Cloud Storage. Crea e di avviare il job di addestramento personalizzato con il container personalizzato.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI TensorBoard 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 Configura 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 avviare 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 blocco note, addestrerai un modello ed eseguirai 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 TensorBoard di Vertex AI	Prestazioni di addestramento del modello di profilo 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 Vertex AI TensorBoard 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
Profiler Vertex AI TensorBoard	Esegui il profiling delle prestazioni dell'addestramento del modello 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 container predefinito 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
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 Configura 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 di 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 di Vertex AI. Passaggi del tutorial Addestramento con un pacchetto Python. Segnala l'accuratezza durante l'ottimizzazione degli iperparametri. Salvare gli artefatti del modello in Cloud Storage utilizzando Cloud StorageFuse.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Training	Inizia a utilizzare Vertex AI Training per LightGBM. Scopri come addestrare un modello LightGBM personalizzato utilizzando il metodo del contenitore personalizzato per l'addestramento Vertex AI. 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. Crea un'immagine di deployment Dockerfile per il server. Testa l'immagine di deployment localmente (facoltativo e non per gli utenti Colab). Creare una risorsa del modello Vertex AI. Eseguire un job di previsione batch. Esegui il deployment del modello in un endpoint e invia 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 mediante Vertex AI	Esegui l'ottimizzazione degli iperparametri per un modello TensorFlow. Scopri come eseguire un job di ottimizzazione degli iperparametri 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 per Python.	Colab Colab Enterprise GitHub Vertex AI Workbench
Ottimizzazione degli iperparametri di Vertex AI	Ottimizzazione degli iperparametri Vertex AI per XGBoost. Scopri come utilizzare il servizio di ottimizzazione degli iperparametri Vertex AI per l'addestramento di un modello XGBoost. Scopri di più sull'ottimizzazione degli iperparametri di Vertex AI. Passaggi del tutorial Addestra utilizzando un pacchetto dell'applicazione di addestramento Python. Accuratezza dei report durante l'ottimizzazione degli iperparametri. Salvare gli artefatti del modello in Cloud Storage utilizzando Cloud StorageFuse. 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 contenitori 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 contenitori 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. Esegui un job di addestramento Vertex AI utilizzando l'SDK Vertex AI per Python.	Colab Colab Enterprise GitHub Vertex AI Workbench
Addestramento personalizzato	Addestramento, ottimizzazione e deployment di un modello di classificazione del sentiment del testo PyTorch su Vertex AI. Scopri come creare, addestrare, ottimizzare ed eseguire il deployment di un modello PyTorch su Vertex AI. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Crea il 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. Esegui il deployment del modello addestrato in 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 e convalida. Esegui la pulizia delle risorse create in questo blocco note.	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 Scrittura di uno script di addestramento personalizzato che crea i set di dati di addestramento e di test e addestra il modello. Eseguire un CustomTrainingJob utilizzando l'SDK Vertex AI per Python.	Colab Colab Enterprise GitHub Vertex AI Workbench
Addestramento distribuito	Utilizzo di PyTorch torchrun per semplificare l'addestramento con più nodi 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 dal 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 tuo modello. Crea un container Docker personalizzato che ospita il tuo codice di addestramento ed esegui il push dell'immagine container su Artifact Registry. Esegui un CustomContainerTrainingJob dell'SDK Vertex AI	Colab Colab Enterprise GitHub Vertex AI Workbench
vector_search	Utilizzare gli embedding multimodali e la 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 le rappresentazioni nell'indice. Crea un endpoint indice. Esegui il deployment dell'indice nell'endpoint dell'indice. Esegui una query online.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Vector Search	Utilizzare Vertex AI Vector Search per le domande di 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 l'indice ANN. Crea un endpoint indice con la rete VPC. Esegui il deployment dell'indice ANN. Eseguire 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 Convertire un set di dati BigQuery in incorporamenti. Crea un indice. Carica le rappresentazioni nell'indice. Crea un endpoint indice. Esegui il deployment dell'indice nell'endpoint dell'indice. Esegui una query online.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Vector Search	Crea l'indice Vertex AI Vector Search. Scopri come creare l'indice di approssimazione del vicino più vicino, eseguire query sugli indici e convalidare il rendimento 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 indice con la rete VPC. Esegui il deployment dell'indice ANN e dell'indice Brute Force. Eseguire 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 di Vertex AI Vizier (Bayesian). 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 multiclasse 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 Pre-elabora i dati Addestra un modello di classificazione TensorFlow (>=2.4) Valuta la perdita per il modello addestrato Automatizzare l'esecuzione del notebook utilizzando la funzionalità di esecuzione Salvare 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 Notebooks". Eseguire un'analisi esplorativa dei dati sul set di dati. Selezione e pre-elaborazione delle caratteristiche. 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 (Autoregressive Integrated Media mobile) da BigQuery ML sui dati retail Scopri di più su Vertex AI Workbench. Scopri di più su BigQuery ML. Passaggi del tutorial Esplora i dati Modello con BigQuery e il modello 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 dell'eseguitore	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Workbench BigQuery ML	Analisi esplorativa interattiva dei dati di BigQuery in un blocco note. Scopri vari modi per esplorare e ottenere approfondimenti dai dati di BigQuery in un ambiente di Jupyter Notebook. Scopri di più su Vertex AI Workbench. Scopri di più su BigQuery ML. Passaggi del tutorial Utilizzare Python e SQL per eseguire query sui dati pubblici in BigQuery Esplorazione del set di dati utilizzando INFORMATION_SCHEMA di BigQuery Creazione di elementi interattivi per 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 mostra l'analisi dei dati e la creazione di modelli utilizzando un set di dati finanziari sintetici. 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. Utilizzare BigQuery ML per prevedere quali utenti potrebbero abbandonare il modello.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Workbench Vertex AI Training	Manutenzione predittiva con Vertex AI. Scopri come utilizzare la funzionalità esecutore di Vertex AI Workbench per automatizzare un flusso di lavoro di addestramento e 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. Esecuzione dell'endtoend del blocco note come job di addestramento utilizzando Executor. Esegui il 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 di prezzo del CDM. Lo scopo di questo notebook 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. Interpretare 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 ed eseguire il deployment di un modello di analisi del sentiment AutoML e fare 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 analisi del sentiment utilizzando l'addestramento di AutoML Text. Valutazione del modello. Esegui il deployment del modello su Vertex AI. Elaborazione di previsioni. Eseguire la pulizia.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Workbench Dataproc Serverless per Spark	Esegui il digest e l'analisi dei dati da 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 dei dati da BigQuery in un DataFrame Spark. Pre-elaborazione dei dati importati. Esecuzione di query sul linguaggio di programmazione più utilizzato nei repository monoglot. Esecuzione di query sulle dimensioni medie (MB) del codice in ciascun linguaggio archiviato in repository monoglot. Esecuzione di query sui file di lingua che si trovano più frequentemente insieme nei repository poliglotta. Scrivere nuovamente i risultati della query in BigQuery. Elimina le risorse create per questo tutorial del notebook.	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. Consente di selezionare le funzionalità. Addestra il modello. Restituisce i risultati. Salva il modello in un bucket Cloud Storage. Elimina le risorse create per il tutorial.	Colab Colab Enterprise GitHub Vertex AI Workbench