Tutorial sul blocco note Jupyter Vertex AI

Questo documento contiene un elenco di tutti i tutorial sul blocco note Jupyter per Vertex AI. Sono tutorial end-to-end che mostrano come pre-elaborare i dati, addestrare, eseguire il deployment e utilizzare i modelli per l'inferenza.

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

• Scaricale da GitHub ed eseguile sulla tua macchina locale
• Scaricali da GitHub ed eseguili su un server Jupyter o JupyterLab nella tua rete locale.

• Eseguile nel cloud utilizzando un servizio come Colaboratory (Colab) o Vertex AI Workbench.

Colab

L'esecuzione di un blocco note Jupyter in Colab è un modo semplice per iniziare rapidamente.

Per aprire un tutorial sul 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 sulla VM di hosting. Puoi specificare la configurazione e l'ambiente della VM di hosting.

I blocchi note gestiti dall'utente di Vertex AI Workbench sono stati ritirati. Il 30 gennaio 2025, non sarà più possibile creare istanze di blocchi note gestiti dall'utente e non sarà più possibile creare istanze di blocchi note gestiti dall'utente. Le istanze esistenti continueranno a funzionare, ma non saranno disponibili patch, aggiornamenti e upgrade. Per continuare a utilizzare Vertex AI Workbench, ti consigliamo di eseguire la migrazione delle istanze di blocchi note gestiti dall'utente alle istanze di Vertex AI Workbench.

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

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

Elenco di blocchi note

Seleziona un servizio AutoML BigQuery BigQuery ML Addestramento personalizzato Tabulari Immagine Testo Video Vertex AI Experiments Vertex AI Feature Store Vector Search Valutazione dei modelli Vertex AI Vertex AI Model Monitoring Vertex AI Model Registry Vertex AI Pipelines Vertex AI 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 ed eseguire previsioni su un modello AutoML in base a un set di dati tabulare. Scopri di più sulla classificazione dei dati tabulari. Passaggi del tutorial Creare un job di addestramento del modello Vertex AI. Addestra un modello tabulare AutoML. Eseguire il deployment della risorsa del modello in una risorsa dell'endpoint di distribuzione. Fai una previsione inviando dati. Annulla il deployment della risorsa del modello.	Colab GitHub Vertex AI Workbench
Classificazione dei dati di testo	Crea, addestra ed esegui il deployment di un modello di classificazione del testo AutoML. Scopri come utilizzare AutoML per addestrare un modello di classificazione del testo. Scopri di più sulla classificazione dei dati di testo. Passaggi del tutorial Creare un set di dati Vertex AI. Addestra una risorsa di modello di classificazione di testo AutoML. Ottenere le metriche di valutazione per la risorsa del modello. Creare una risorsa endpoint. Eseguire il deployment della risorsa del modello nella risorsa endpoint. Fai una previsione online fai una previsione batch	Colab GitHub Vertex AI Workbench
Ottieni previsioni da un modello di classificazione delle immagini	Modello di classificazione delle immagini di addestramento AutoML per previsione batch. In questo tutorial, creerai un modello di classificazione delle immagini AutoML da uno script Python ed eseguirai una previsione batch utilizzando l'SDK Vertex. Scopri di più su come ottenere previsioni da un modello di classificazione delle immagini. Passaggi del tutorial Crea una risorsa Vertex Dataset. Addestrare il modello. Visualizza la valutazione del modello. Fai una previsione batch.	Colab 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 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 Vertex Dataset. Addestrare il modello. Esporta il modello Edge dalla risorsa Model in Cloud Storage. Scarica il modello in locale. Fai una previsione locale.	Colab GitHub Vertex AI Workbench
Rilevamento di oggetti per i dati immagine	Modello di rilevamento degli oggetti di immagine di addestramento di AutoML per la previsione online. In questo tutorial, creerai un modello di rilevamento di oggetti immagine AutoML ed eseguirai 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 di immagine. 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 GitHub Vertex AI Workbench
Flusso di lavoro tabulare per AutoML E2E	Pipeline di flusso di lavoro tabulari AutoML. Scopri come creare due modelli di regressione utilizzando Vertex AI Pipelines scaricate dai componenti di Google Cloud Pipeline . Scopri di più su Tabular Workflow for E2E AutoML. Passaggi del tutorial Creare una pipeline di addestramento che riduce lo spazio di ricerca da quello predefinito per risparmiare tempo. Crea una pipeline di addestramento che riutilizza i risultati di ricerca dell'architettura della pipeline precedente per risparmiare tempo.	Colab GitHub Vertex AI Workbench
Estrazione di entità per i dati di testo	Modello di estrazione delle entità del testo di addestramento AutoML per previsione batch. In questo tutorial, creerai un modello di estrazione delle entità di testo AutoML da uno script Python e quindi eseguirai una previsione batch utilizzando l'SDK Vertex AI. Scopri di più sull'estrazione delle entità per i dati di testo. Passaggi del tutorial Crea una risorsa Vertex Dataset. Addestrare il modello. Visualizza la valutazione del modello. Fai una previsione batch.	Colab GitHub Vertex AI Workbench
AutoML	Modello di analisi del sentiment del testo di addestramento AutoML per previsione batch. In questo tutorial, creerai un modello di analisi del sentiment del testo AutoML da uno script Python ed eseguirai una previsione batch utilizzando l'SDK Vertex. Passaggi del tutorial Crea una risorsa Vertex Dataset. Addestrare il modello. Visualizza la valutazione del modello. Fai una previsione batch.	Colab GitHub Vertex AI Workbench
Addestramento AutoML	Inizia a utilizzare AutoML Training. Scopri come utilizzare AutoML per l'addestramento con Vertex AI. Scopri di più sull'addestramento con AutoML. Passaggi del tutorial Addestra un modello di immagine Esporta il modello immagine come modello edge Addestra un modello tabulare Esporta il modello tabulare come modello cloud Addestra un modello di testo Addestra un modello video	Colab GitHub Vertex AI Workbench
Previsione gerarchica per dati tabulari	Previsione gerarchica per l'addestramento di AutoML per la previsione batch. In questo tutorial, creerai un modello di previsione gerarchica AutoML e ne eseguirai il deployment per la previsione batch utilizzando l'SDK Vertex AI per Python. Scopri di più sulla previsione gerarchica per i dati tabulari. Passaggi del tutorial Crea una risorsa TimeSeriesDataset di Vertex AI. Addestrare il modello. Visualizza la valutazione del modello. Fai una previsione batch.	Colab GitHub Vertex AI Workbench
Rilevamento di oggetti per i dati immagine	Modello di rilevamento degli oggetti di immagine di addestramento di AutoML per la previsione batch. In questo tutorial, creerai un modello di rilevamento di oggetti immagine AutoML da uno script Python ed eseguirai una previsione batch utilizzando l'SDK Vertex AI. Scopri di più sul rilevamento di oggetti per i dati di immagine. Passaggi del tutorial Crea una risorsa Vertex Dataset. Addestrare il modello. Visualizza la valutazione del modello. Fai una previsione batch.	Colab GitHub Vertex AI Workbench
Previsione per dati tabulari	Modello di previsione tabulare AutoML per la previsione batch. Scopri come creare un modello di previsione tabulare AutoML da uno script Python ed eseguire una previsione batch utilizzando l'SDK Vertex AI. Scopri di più sulla previsione per dati tabulari. Passaggi del tutorial Crea una risorsa Vertex AI Dataset. Addestra una risorsa di AutoML previsione tabulareModel. Ottieni le metriche di valutazione per la risorsa Model. Fai una previsione batch.	Colab GitHub Vertex AI Workbench
Regressione per i dati tabulari	Modello di regressione tabulare per l'addestramento di AutoML per la previsione batch con BigQuery. Scopri come creare un modello di regressione tabulare AutoML ed eseguirne il deployment per la previsione batch utilizzando l'SDK Vertex AI per Python. Scopri di più sulla regressione dei dati tabulari. Passaggi del tutorial Crea una risorsa Dataset di Vertex AI. 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 GitHub Vertex AI Workbench
Regressione per i dati tabulari	Modello di regressione tabulare per l'addestramento di AutoML per la previsione online utilizzando BigQuery. Scopri come creare un modello di regressione tabulare AutoML ed eseguire il deployment per la previsione online da uno script Python utilizzando l'SDK Vertex AI. Scopri di più sulla regressione dei dati tabulari. 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 GitHub Vertex AI Workbench
Estrazione di entità per i dati di testo	Modello di estrazione delle entità del testo di addestramento AutoML per la previsione online. Scopri come creare un modello di estrazione delle entità di testo AutoML ed eseguire il deployment per la previsione online da uno script Python utilizzando l'SDK Vertex AI. Scopri di più sull'estrazione delle entità per i dati di testo. 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 GitHub Vertex AI Workbench
Analisi del sentiment per i dati di testo	Addestramento di un modello di analisi del sentiment del testo AutoML per le previsioni online. Scopri come creare un modello di analisi del sentiment testuale AutoML ed eseguirne il deployment per le previsioni online da uno script Python utilizzando l'SDK Vertex AI. Scopri di più sull'analisi del sentiment per i dati di testo. Passaggi del tutorial Crea una risorsa Vertex AI Dataset. Creare un job di addestramento per il modello AutoML basato sul set di dati. Visualizza le metriche di valutazione del modello. Esegui il deployment della risorsa Vertex AI Model in un Vertex AI Endpoint di gestione. Effettua una richiesta di previsione al modello di cui è stato eseguito il deployment. Annulla il deployment del modello nell'endpoint. Esegui il processo di pulizia.	Colab GitHub Vertex AI Workbench
Riconoscimento delle azioni per i dati video	Modello di riconoscimento delle azioni video per l'addestramento di AutoML per la previsione batch. Scopri come creare un modello AutoML per il riconoscimento delle azioni video da uno script Python ed eseguire una previsione batch utilizzando l'SDK Vertex AI. Scopri di più sul riconoscimento delle azioni per i dati dei video. Passaggi del tutorial Crea una risorsa Vertex AI Dataset. Addestrare il modello. Visualizza la valutazione del modello. Fai una previsione batch.	Colab GitHub Vertex AI Workbench
Classificazione dei dati video	Modello di classificazione dei video di addestramento AutoML per la previsione batch. Scopri come 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 Creare una risorsa del set di dati Vertex. Addestrare il modello. Visualizza la valutazione del modello. Fai una previsione batch.	Colab GitHub Vertex AI Workbench
Monitoraggio di oggetti per i dati video	Modello di monitoraggio degli oggetti video di addestramento AutoML per previsione batch. Scopri come creare un modello di monitoraggio di oggetti video AutoML da uno script Python ed eseguire una previsione batch utilizzando l'SDK Vertex AI. Scopri di più sul monitoraggio degli oggetti per i dati video. Passaggi del tutorial Crea una risorsa Vertex Dataset. Addestrare il modello. Visualizza la valutazione del modello. Fai una previsione batch.	Colab GitHub Vertex AI Workbench
BigQuery ML	Inizia a utilizzare BigQuery ML Training. Scopri come utilizzare BigQuery ML per l'addestramento con Vertex AI. Scopri di più su BigQuery ML. Passaggi del tutorial Crea una tabella BigQuery locale nel tuo progetto Addestra un modello BigQuery ML valuta il modello BigQuery ML Esporta il modello BigQuery ML come modello cloud Carica il modello esportato come risorsa del 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 GitHub Vertex AI Workbench
Addestramento personalizzato Vertex AI Prediction	Deployment del modello di rilevamento dell'iride mediante la distribuzione di container personalizzati FastAPI e 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 di un container personalizzato in Vertex AI Endpoints.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Training	Addestramento di un modello TensorFlow sui dati BigQuery. Scopri come creare un modello con addestramento personalizzato da uno script Python in un container Docker utilizzando l'SDK Vertex AI per Python e 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 di Vertex AI per l'addestramento di un modello. Addestra un modello TensorFlow. Esegui il deployment della risorsa Model in una risorsa Endpoint di gestione. Fai una previsione. Annulla il deployment della risorsa Model.	Colab Colab Enterprise GitHub Vertex AI Workbench
Addestramento personalizzato	Addestramento personalizzato con container di addestramento personalizzato e registrazione automatica del modello. In questo tutorial, creerai un modello personalizzato da uno script Python in un container Docker personalizzato utilizzando l'SDK Vertex AI e registrerai automaticamente il modello in Vertex AI Model Registry. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Creare un job personalizzato di Vertex AI per l'addestramento di un modello. Addestra e registra un modello TensorFlow utilizzando un container personalizzato Elenca il modello registrato da Vertex AI Model Registry.	Colab GitHub Vertex AI Workbench
Cloud Profiler	Prestazioni di addestramento del modello di profilo utilizzando Cloud Profiler. Scopri come abilitare Cloud Profiler per i job di addestramento personalizzati. Scopri di più su Cloud Profiler. Passaggi del tutorial Configura un account di servizio e un bucket Cloud Storage crea un'istanza Vertex AI TensorBoard Crea ed esegui un job di addestramento personalizzato Visualizza la dashboard di Cloud Profiler	Colab Colab Enterprise GitHub Vertex AI Workbench
Addestramento personalizzato	Inizia a utilizzare Vertex AI Training per XGBoost. Scopri come utilizzare Vertex AI Training per addestrare un modello personalizzato XGBoost. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial 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 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 delle 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) sulla 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 Previsione batch di Vertex AI	Addestramento personalizzato e previsione batch. Scopri come utilizzare Vertex AI Training per creare un modello addestrato personalizzato e come utilizzare 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 Creare 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 Vertex AI Prediction	Addestramento personalizzato e previsione online. Scopri come utilizzare Vertex AI Training per creare un modello con addestramento personalizzato da uno script Python in un container Docker e imparare a utilizzare Vertex AI Prediction per fare una previsione sul modello di cui è stato eseguito il deployment inviando dati. Scopri di più sull'addestramento personalizzato. Scopri di più su Vertex AI Prediction. Passaggi del tutorial Crea un job 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 gestione. 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 di BigQuery Vertex AI per gli utenti di BigQuery	Inizia a utilizzare i set di dati BigQuery. Scopri come utilizzare BigQuery come set di dati per l'addestramento con Vertex AI. Scopri di più sui set di dati BigQuery. Scopri di più su Vertex AI per gli utenti di BigQuery. Passaggi del tutorial Crea una risorsa Vertex AI Dataset 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 per AutoML o l'addestramento personalizzato. Seleziona le righe da un set di dati BigQuery in un dataframe pandas compatibile per l'addestramento personalizzato. Seleziona le righe da un set di dati BigQuery in un set di dati tf.data.Dataset compatibile per l'addestramento personalizzato di modelli TensorFlow. Seleziona le righe dei file CSV estratti in un modello tf.data.Dataset compatibile con l'addestramento personalizzato di modelli TensorFlow. Crea un set di dati BigQuery da file CSV. Estrai i dati dalla tabella BigQuery in una tabella DMatrix compatibile con l'addestramento personalizzato di modelli XGBoost.	Colab GitHub Vertex AI Workbench
Vertex AI Data Labeling	Inizia a utilizzare Vertex AI Data Labeling. Scopri come utilizzare il servizio Vertex AI Data Labeling. Scopri di più su Vertex AI Data Labeling. Passaggi del tutorial Crea un pool di esperti per gli etichettatori dei dati. Crea un job di etichettatura dati. Invia il job di etichettatura dati. Elenca i job di etichettatura dati. Annulla un job di etichettatura dati.	Colab GitHub Vertex AI Workbench
Vertex AI Experiments Vertex ML Metadata	Crea la derivazione dell'esperimento Vertex AI per l'addestramento personalizzato. Scopri come integrare il codice di pre-elaborazione in un esperimento Vertex AI. Scopri di più su Vertex AI Experiments. Scopri di più su Vertex ML Metadata. Passaggi del tutorial Esegui modulo per pre-elaborazione dei dati crea un artefatto del set di dati Parametri log Esegui il modulo per l'addestramento del modello Parametri log Crea artefatto del modello Assegna la derivazione del monitoraggio a set di dati, modello e parametri	Colab 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 Registra i parametri del modello Registra la perdita e le metriche in ogni epoca su Vertex AI TensorBoard registra le metriche di valutazione	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Experiments 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 Formalizza un componente di addestramento Crea una pipeline di addestramento Eseguire diversi job della pipeline e registrarne i risultati Confronta job di pipeline diversi	Colab 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 chiave-valore predefinita Come eliminare gli esperimenti TB creati prima di create_time Come eliminare gli esperimenti TB creati prima di update_time	Colab Colab Enterprise GitHub Vertex AI Workbench
Esperimenti Vertex AI	Registrazione automatica 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 Formalizza l'esperimento del modello in uno script Esegui l'addestramento dei modelli utilizzando lo script locale su Vertex AI Training Scopri i parametri e le metriche degli esperimenti ML in Vertex AI Experiments	Colab GitHub Vertex AI Workbench
Vertex AI Experiments 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. Parametri e metriche dei log. 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
Esperimenti Vertex AI	Registrazione automatica. Scopri come utilizzare Vertex AI Autologging. 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 un modello TensorFlow, controlla le metriche e i parametri registrati automaticamente in Vertex AI Experiments impostando manualmente l'esecuzione di un esperimento con aiplatform.start_run() e aiplatform.end_run(). Disabilita il logging automatico nell'SDK Vertex AI, addestra un modello PyTorch e controlla che nessuno dei parametri o delle metriche sia registrato.	Colab GitHub Vertex AI Workbench
Classificazione dei dati tabulari Vertex Explainable AI	Spiegazione batch per il modello di classificazione binaria tabulare AutoML. Impara a utilizzare AutoML per creare un modello di classificazione binaria tabulare a partire da uno script Python, quindi impara a utilizzare Vertex AI Batch Prediction per fare previsioni con spiegazioni. Scopri di più sulla classificazione dei dati tabulari. Scopri di più su Vertex Explainable AI. Passaggi del tutorial Creare una risorsa del set di dati gestita da Vertex AI. Addestra un modello di classificazione binaria tabulare AutoML. Visualizza le metriche di valutazione del modello addestrato. Fare una richiesta di previsione batch con spiegabilità.	Colab Colab Enterprise GitHub Vertex AI Workbench
Classificazione dei dati tabulari Vertex Explainable AI	Modello di classificazione tabulare per l'addestramento di AutoML per la spiegazione online. Scopri come utilizzare AutoML per creare un modello di classificazione binaria tabulare a partire da uno script Python, quindi impara a utilizzare Vertex AI Online Prediction per fare previsioni online con spiegazioni. Scopri di più sulla classificazione dei dati tabulari. Scopri di più su Vertex Explainable AI. Passaggi del tutorial Crea una risorsa Vertex AI dataset. Addestra un modello di classificazione binaria tabulare AutoML. Visualizza le metriche di valutazione del modello addestrato. Crea una risorsa Endpoint di gestione. Esegui il deployment della risorsa Model in una risorsa Endpoint di gestione. Fare una richiesta di previsione online con spiegabilità. Annulla il deployment della risorsa Model.	Colab GitHub Vertex AI Workbench
Vertex Explainable AI Previsione batch di Vertex AI	Modello personalizzato di classificazione delle immagini di addestramento per la previsione batch con spiegabilità. Scopri come utilizzare Vertex AI Training and Vertex Explainable AI per creare un modello di classificazione delle immagini personalizzato con le spiegazioni, quindi imparerai a utilizzare Vertex AI Batch Prediction per effettuare una richiesta di previsione batch con le 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 momento in cui viene eseguito 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 GitHub Vertex AI Workbench
Vertex Explainable AI Previsione di Vertex AI	Modello personalizzato di classificazione delle immagini di addestramento per la previsione online con spiegabilità. Scopri come utilizzare Vertex AI Training and Vertex Explainable AI per creare un modello di classificazione delle immagini personalizzato con le spiegazioni, poi imparerai a utilizzare Vertex AI Prediction per effettuare una richiesta di previsione online con le spiegazioni. Scopri di più su Vertex Explainable AI. Scopri di più su Vertex AI Prediction. 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 momento in cui viene eseguito il deployment del modello. Carica gli artefatti e le spiegazioni del modello addestrato come risorsa Model. Crea una risorsa Endpoint di gestione. Esegui il deployment della risorsa Model in una risorsa Endpoint di gestione. Fai una previsione con una spiegazione. Annulla il deployment della risorsa Model.	Colab GitHub Vertex AI Workbench
Vertex Explainable AI Previsione batch di Vertex AI	Modello di regressione tabulare di addestramento personalizzato per previsioni batch con spiegabilità. Scopri come utilizzare Vertex AI Training and Vertex Explainable AI per creare un modello di classificazione delle immagini personalizzato con le spiegazioni, quindi imparerai a utilizzare Vertex AI Batch Prediction per effettuare una richiesta di previsione batch con le 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 momento in cui viene eseguito il deployment del modello. Carica gli artefatti e le spiegazioni del modello addestrato come risorsa Model. Fai una previsione batch con le spiegazioni.	Colab GitHub Vertex AI Workbench
Vertex Explainable AI Previsione di Vertex AI	Modello di regressione tabulare di addestramento personalizzato per la previsione online con spiegabilità. Scopri come utilizzare Vertex AI Training and Vertex Explainable AI per creare un modello di classificazione delle immagini personalizzato con le spiegazioni, poi imparerai a utilizzare Vertex AI Prediction per effettuare una richiesta di previsione online con le spiegazioni. Scopri di più su Vertex Explainable AI. Scopri di più su Vertex AI Prediction. 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 momento in cui viene eseguito il deployment del modello. Carica gli artefatti e le spiegazioni del modello addestrato come risorsa Model. Crea una risorsa Endpoint di gestione. Esegui il deployment della risorsa Model in una risorsa Endpoint di gestione. Fai una previsione con una spiegazione. Annulla il deployment della risorsa Model.	Colab GitHub Vertex AI Workbench
Vertex Explainable AI Previsione di Vertex AI	Modello di regressione tabulare di addestramento personalizzato per la previsione online con spiegabilità mediante get_metadata. Scopri come creare un modello personalizzato da uno script Python in un container Docker predefinito di Google utilizzando l'SDK Vertex AI, quindi fai una previsione con spiegazioni sul modello di cui è stato eseguito il deployment inviando i dati. Scopri di più su Vertex Explainable AI. Scopri di più su Vertex AI Prediction. Passaggi del tutorial Creare un job Vertex personalizzato per l'addestramento di un modello. Addestra un modello TensorFlow. Recupera e carica gli artefatti del modello. Visualizza la valutazione del modello. Imposta i parametri di spiegazione. Carica il modello come risorsa Vertex Model. Esegui il deployment della risorsa Model in una risorsa Endpoint di gestione. Fai una previsione con una spiegazione. Annulla il deployment della risorsa Model.	Colab GitHub Vertex AI Workbench
Vertex Explainable AI Previsione di Vertex AI	Spiegazione della classificazione delle immagini con Vertex Explainable AI. Scopri come configurare spiegazioni basate sulle funzionalità in un modello di classificazione delle immagini preaddestrato e fare 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 Fare previsioni batch con spiegazioni	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex Explainable AI	Spiegazione della classificazione del testo con Vertex Explainable AI. Scopri come configurare le spiegazioni basate 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 GitHub Vertex AI Workbench
Feature Store Vertex AI	Pubblicazione e recupero dei dati di BigQuery online con Vertex AI Feature Store. Scopri come creare e utilizzare un'istanza di archivio di caratteristiche online per ospitare e gestire i dati in BigQuery con Vertex AI Feature Store in un flusso di lavoro end-to-end della pubblicazione dei valori delle caratteristiche e del 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. Registra una vista BigQuery con l'istanza di archivio di caratteristiche online e configura il job di sincronizzazione. Utilizza il server online per recuperare i valori delle caratteristiche per la previsione online.	Colab GitHub Vertex AI Workbench
Feature Store Vertex AI	Distribuzione e recupero dei dati di BigQuery relativi alle caratteristiche online con la pubblicazione ottimizzata di Vertex AI Feature Store. Scopri come creare e utilizzare un'istanza di archivio di caratteristiche online per ospitare e gestire i 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 Eseguire il provisioning di un'istanza di un archivio di caratteristiche online per ospitare e gestire i dati utilizzando la pubblicazione online ottimizzata con l'endpoint pubblico o privato. Registra una vista BigQuery con l'istanza di archivio di caratteristiche online e configura 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 di caratteristiche online e recupero vettoriale dei dati BigQuery con Vertex AI Feature Store. Scopri come creare e utilizzare un'istanza di Feature Store online per ospitare e gestire i dati in BigQuery con Vertex AI Feature Store in un flusso di lavoro end-to-end del percorso dell'utente di distribuzione delle caratteristiche e recupero vettoriale. Scopri di più su Vertex AI Feature Store. Passaggi del tutorial Eseguire il provisioning di un'istanza di un archivio di caratteristiche online per ospitare e pubblicare i dati. Crea un'istanza di un archivio di caratteristiche online per gestire una tabella BigQuery. Utilizza il server online per cercare i vicini più prossimi.	Colab Colab Enterprise GitHub Vertex AI Workbench
Feature Store Vertex AI	Tutorial sul grounding dei modelli LLM basati su Vertex AI Feature Store. Scopri come creare e utilizzare un'istanza di Feature Store online per ospitare e gestire i dati in BigQuery con Vertex AI Feature Store in un flusso di lavoro end-to-end del percorso dell'utente di distribuzione delle caratteristiche e recupero vettoriale. Scopri di più su Vertex AI Feature Store. Passaggi del tutorial Eseguire il provisioning di un'istanza di un archivio di caratteristiche online per ospitare e pubblicare i dati. Crea un'istanza di un archivio di caratteristiche online per gestire una tabella BigQuery. Utilizza il server online per cercare i vicini più prossimi.	Colab 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 caratteristiche in Vertex AI Feature Store. Scopri di più su Vertex AI Feature Store. Passaggi del tutorial	Colab Colab Enterprise GitHub Vertex AI Workbench
Feature Store Vertex AI	SDK per l'importazione dei flussi di dati. 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 Creare un archivio di caratteristiche. Crea un nuovo tipo di entità per l'archivio di caratteristiche. Importa i valori delle caratteristiche da Pandas DataFrame nel tipo di entità nell'archivio di caratteristiche.	Colab GitHub Vertex AI Workbench
Feature Store Vertex AI	Utilizzo di Vertex AI Feature Store (legacy) con Pandas Dataframe. Scopri come utilizzare Vertex AI Feature Store con Pandas Dataframe. Scopri di più su Vertex AI Feature Store. Passaggi del tutorial Crea risorse Featurestore, EntityType e Feature. Importa i valori delle caratteristiche da Pandas DataFrame nel tipo di entità. Legge i valori delle caratteristiche dell'entità dall'archivio di caratteristiche online in Pandas DataFrame. Pubblica i valori delle caratteristiche in batch dall'archivio di caratteristiche a Pandas DataFrame. Pubblicazione online con valori delle caratteristiche aggiornati. Correttezza pointintime per recuperare i valori delle caratteristiche per l'addestramento.	Colab GitHub Vertex AI Workbench
Feature Store Vertex AI	Previsioni online e batch mediante Vertex AI Feature Store (legacy). Scopri come utilizzare Vertex AI Feature Store per importare i dati delle funzionalità e accedere a questi dati 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 risorse Featurestore, EntityType e Feature. Importa i dati delle caratteristiche nella risorsa Featurestore. Gestire le richieste di previsione online utilizzando le caratteristiche importate. Accedere alle caratteristiche importate in job offline, come job di addestramento. Utilizza l'importazione di flussi di dati per importare piccole quantità di dati.	Colab 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 di pipeline Vertex AI utilizzando un modello predefinito per l'inferenza collettiva. Eseguire la pipeline utilizzando Vertex AI Pipelines. Produrre risultati di previsione rispetto a un modello per un determinato set di dati.	Colab Enterprise GitHub Vertex AI Workbench
distilla-modelli-testo	Vertex AI Distill un modello. Scopri come utilizzare Vertex AI LLM per distillare ed eseguire il deployment di un modello linguistico di grandi dimensioni (LLM). Scopri di più su distill-text-models. Passaggi del tutorial Ottieni il modello LLM di Vertex AI. Distilla il modello. Verrà creato automaticamente un endpoint Vertex AI e vi verrà eseguito il deployment del modello. Fai una previsione utilizzando Vertex AI LLM. Fai una previsione utilizzando Vertex AI Prediction	Colab GitHub Vertex AI Workbench
Ottimizza i modelli di testo utilizzando l'ottimizzazione RLHF	Apprendimento per rinforzo LLM di Vertex AI dal feedback umano. In questo tutorial utilizzerai Vertex AI RLHF per ottimizzare ed eseguire il deployment di un modello linguistico di grandi dimensioni (LLM). Scopri di più sull'ottimizzazione dei modelli di testo mediante l'ottimizzazione RLHF. Passaggi del tutorial Imposta il numero di passaggi di ottimizzazione del modello. Creare un job di pipeline Vertex AI utilizzando un modello di ottimizzazione predefinito. Esegui la pipeline utilizzando Vertex AI Pipelines. Ottieni previsioni dal modello ottimizzato.	Colab GitHub Vertex AI Workbench
incorporamento del testo	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 incorporamento Crea un indice Eseguire 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 e text-multilingual-embedding-002 Scopri di più sull'API di incorporamento del testo. Passaggi del tutorial Installazione e importazioni Genera incorporamenti	Colab Colab Enterprise GitHub Vertex AI Workbench
Ottimizza i modelli di testo utilizzando l'ottimizzazione supervisionata	Vertex AI Ottimizzazione di un modello PEFT. Scopri come utilizzare Vertex AI LLM 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. Verrà creato automaticamente un endpoint Vertex AI e vi verrà eseguito il deployment del modello. Fai una previsione utilizzando Vertex AI LLM. Fai una previsione utilizzando Vertex AI Prediction	Colab GitHub Vertex AI Workbench
generative_ai	Ottimizzare gli incorporamenti di testo su Vertex AI. Scopri come ottimizzare un modello di incorporamento del testo, textembedding-gecko. Passaggi del tutorial	Colab GitHub Vertex AI Workbench
API PaLM	Utilizzo dell'SDK Vertex AI con modelli linguistici di grandi dimensioni (LLM). Scopri come fornire input di testo ai modelli linguistici di grandi dimensioni disponibili su Vertex AI per testare, ottimizzare ed eseguire il deployment di modelli linguistici di IA generativa. Scopri di più sull'API PaLM. Passaggi del tutorial Utilizza gli endpoint di previsione dell'API Vertex AI PaLM per ricevere risposte dell'IA generativa a un messaggio. Utilizzare l'endpoint di incorporamento del testo per ricevere una rappresentazione vettoriale di un messaggio. Eseguire l'ottimizzazione dei prompt di un LLM, in base ai dati di addestramento di input/output.	Colab Colab Enterprise GitHub Vertex AI Workbench
Migrazione a Vertex AI Classificazione dei dati di immagine	Classificazione delle 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 su Eseguire la migrazione a Vertex AI. Scopri di più sulla classificazione dei 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 GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Rilevamento di oggetti per i dati di immagine	Rilevamento di oggetti immagine AutoML. Scopri come utilizzare AutoML per addestrare un modello di immagine e come utilizzare Vertex AI Prediction e Vertex AI Batch Prediction per fare previsioni online e batch. Scopri di più su Eseguire la migrazione a Vertex AI. Scopri di più sul rilevamento di oggetti per i dati di immagine. 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 GitHub Vertex AI Workbench
Migrazione a Vertex AI Monitoraggio di oggetti per i dati video	AutoML Video Object Tracking (Tracciamento degli oggetti video AutoML). Scopri come usare AutoML per addestrare un modello video e come usare Vertex AI Batch Prediction per fare previsioni batch. Scopri di più su Eseguire la migrazione a Vertex AI. Scopri di più sul monitoraggio degli oggetti per i dati video. Passaggi del tutorial Addestra un modello di monitoraggio di oggetti video AutoML. Fai una previsione batch.	Colab GitHub Vertex AI Workbench
Migrazione a Vertex AI Classificazione dei 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 dei dati tabulari. 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 GitHub Vertex AI Workbench
Migrazione a Vertex AI Classificazione dei dati di testo	AutoML Text Classification (Classificazione del testo AutoML). L'obiettivo di questo blocco note è creare un modello di classificazione del testo AutoML. Scopri di più su Eseguire la migrazione a Vertex AI. Scopri di più sulla classificazione dei dati di testo. Passaggi del tutorial Imposta il nome dell'attività e il prefisso di Cloud Storage Copia i dati di addestramento dimostrativo di testo AutoML per creare un set di dati gestito Creare un set di dati su Vertex AI. configura un job di addestramento Avvia un job di addestramento e crea un modello su Vertex AI Copia i dati di previsione dimostrativa del testo AutoML per creare un job di previsione batch Esegui un job di previsione batch sul modello	Colab GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Estrazione di entità per i dati di testo	AutoML Text Entity Extraction (Estrazione delle entità di testo AutoML). L'obiettivo di questo blocco note è creare un modello di estrazione delle entità di testo AutoML. Scopri di più su Eseguire la migrazione a Vertex AI. Scopri di più sull'estrazione delle entità per i dati di testo. Passaggi del tutorial Imposta il nome dell'attività e il prefisso di Cloud Storage Copia i dati di addestramento dimostrativo per i video AutoML per creare un set di dati gestito Creare un set di dati su Vertex AI. configura un job di addestramento Avvia un job di addestramento e crea un modello su Vertex AI Copia i dati di previsione demo di AutoML Video per creare un job di previsione batch Esegui un job di previsione batch sul modello	Colab GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Analisi del sentiment per i dati di testo	AutoML Text Sentiment Analysis. L'obiettivo di questo blocco note è creare un modello di analisi del sentiment testuale AutoML. Scopri di più su Eseguire la migrazione a Vertex AI. Scopri di più sull'analisi del sentiment per i dati di testo. Passaggi del tutorial Copia i dati di addestramento dimostrativo per i video AutoML per creare un set di dati gestito Creare un set di dati su Vertex AI. configura un job di addestramento Avvia un job di addestramento e crea un modello su Vertex AI Copia i dati di previsione demo di AutoML Video per creare un job di previsione batch Esegui un job di previsione batch sul modello	Colab GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Classificazione dei dati video	AutoML Video Classification (Classificazione video AutoML). Scopri come usare AutoML per addestrare un modello video e come usare Vertex AI Batch Prediction per fare previsioni batch. Scopri di più su Eseguire la migrazione a Vertex AI. Scopri di più sulla classificazione dei dati dei video. Passaggi del tutorial Addestrare un modello di classificazione di video AutoML. Fai una previsione batch.	Colab GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Addestramento personalizzato	Classificazione personalizzata delle immagini 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 su Eseguire la migrazione a Vertex AI. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Pacchettizzare il codice di addestramento in un'applicazione Python. Containerizza l'applicazione di addestramento con Cloud Build e Artifact Registry. Crea un job di addestramento di container personalizzato in Vertex AI ed eseguilo. Valutare il modello generato dal job di addestramento. Creare una risorsa di modello per il modello addestrato in Vertex AI Model Registry. Eseguire un job di previsione batch di Vertex AI. Eseguire il deployment della risorsa del modello su un endpoint Vertex AI. Esegui un job di previsione online sulla risorsa del modello. Esegui la pulizia delle risorse create.	Colab GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI 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 su Eseguire la migrazione a Vertex AI. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Pacchettizzare il codice di addestramento in un'applicazione Python. Containerizza l'applicazione di addestramento con Cloud Build e Artifact Registry. Crea un job di addestramento di container personalizzato in Vertex AI ed eseguilo. Valutare il modello generato dal job di addestramento. Creare una risorsa di modello per il modello addestrato in Vertex AI Model Registry. Eseguire un job di previsione batch di Vertex AI. Eseguire il deployment della risorsa del modello su un endpoint Vertex AI. Esegui un job di previsione online sulla risorsa del modello. Esegui la pulizia delle risorse create.	Colab GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Addestramento personalizzato	Modello Scikit-Learn personalizzato con container di addestramento predefinito. Scopri come utilizzare Vertex AI Training per creare un modello addestrato personalizzato e come utilizzare Vertex AI Batch Prediction per eseguire una previsione batch sul modello addestrato. Scopri di più su Eseguire la migrazione a Vertex AI. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Crea un job Vertex AI personalizzato per l'addestramento di un modello scikitlearn. Carica gli artefatti del modello addestrato come risorsa Model. Fai una previsione batch. esegui il deployment del modello su un endpoint Fai una previsione online	Colab GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Addestramento personalizzato	Modello XGBoost personalizzato con container di addestramento predefinito. Scopri come utilizzare Vertex AI Training per creare un modello addestrato personalizzato e come utilizzare Vertex AI Batch Prediction per eseguire una previsione batch sul modello addestrato. Scopri di più su Eseguire la migrazione a Vertex AI. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Crea un job Vertex AI personalizzato per l'addestramento di un modello scikitlearn. Carica gli artefatti del modello addestrato come risorsa Model. Fai una previsione batch. esegui il deployment del modello su un endpoint Fai una previsione online	Colab GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Addestramento personalizzato	Ottimizzazione degli iperparametri. Scopri come utilizzare Vertex AI Hyperparameter per creare e ottimizzare un modello addestrato personalizzato. Scopri di più su Eseguire la migrazione a Vertex AI. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Crea un job di ottimizzazione degli iperparametri Vertex AI per l'addestramento di un modello TensorFlow.	Colab GitHub Vertex AI Workbench
Documentazione di Google Artifact Registry	Inizia a utilizzare Google Artifact Registry. Scopri come utilizzare Google Artifact Registry. Scopri di più sulla documentazione di Google Artifact Registry. Passaggi del tutorial Creazione di un repository Docker privato in corso... Taggare un'immagine container, specifica per il repository Docker privato. Push di un'immagine container nel repository Docker privato. Pull di un'immagine container dal repository Docker privato. Eliminazione di un repository Docker privato.	Colab GitHub Vertex AI Workbench
Vertex ML Metadata Addestramento personalizzato Vertex AI Experiments	Monitorare parametri e metriche per i job di addestramento personalizzato. Scopri come utilizzare l'SDK Vertex AI per Python per: Scopri di più su Vertex ML Metadata. Scopri di più sull'addestramento personalizzato. Scopri di più su Vertex AI Experiments. Passaggi del tutorial Tieni traccia dei parametri di addestramento e delle metriche di previsione per un job di addestramento personalizzato. Estrai ed esegui l'analisi di tutti i parametri e le metriche all'interno di un esperimento.	Colab 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 localmente. Estrai ed esegui l'analisi di tutti i parametri e le metriche all'interno di un esperimento.	Colab 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 Utilizzare l'SDK Kubeflow Pipelines per creare una pipeline ML 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 personalizzati della pipeline 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 GitHub Vertex AI Workbench
Vertex AI Model Evaluation Classificazione per dati tabulari	Valutazione dei risultati delle previsioni batch da 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 Valutazione di modelli Vertex AI. 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 l'oggetto AutoML model resource addestrato nella pipeline. Esegui un job Batch Prediction. Valutare il modello AutoML utilizzando l'Classification Evaluation component. Importa le metriche di classificazione nella risorsa del modello AutoML.	Colab GitHub Vertex AI Workbench
Valutazione dei modelli Vertex AI Regressione per i dati tabulari	Valutazione dei risultati della previsione batch dal modello di regressione tabulare AutoML. Scopri come valutare una risorsa di modello Vertex AI tramite un job di pipeline Vertex AI utilizzando google_cloud_pipeline_components: Scopri di più su Vertex AI Model Evaluation. Scopri di più sulla regressione dei dati tabulari. Passaggi del tutorial Crea un set di dati Vertex AI Configura un 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 l'regression evaluation component Importa le metriche di regressione nella risorsa del modello AutoML	Colab GitHub Vertex AI Workbench
Valutazione del modello Vertex AI Classificazione su dati di testo	Pipeline di classificazione del testo AutoML che utilizzano google-cloud-pipeline-components. Scopri come utilizzare Vertex AI Pipelines e Google Cloud Pipeline Components per creare e valutare un modello di classificazione del testo AutoML. Scopri di più su Vertex AI Model Evaluation. Scopri di più sulla classificazione in base ai dati di testo. Passaggi del tutorial Crea un Dataset di Vertex AI. Addestra un modello di classificazione del testo di AutoML sulla risorsa Dataset. Importa l'oggetto AutoML model resource addestrato nella pipeline. Esegui un job Batch Prediction. Valutare il modello AutoML utilizzando l'Classification Evaluation Component. Importa le metriche di valutazione nella risorsa del modello AutoML.	Colab 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 AutoML di Vertex AI e come valutarlo tramite un job di pipeline Vertex AI utilizzando google_cloud_pipeline_components: Scopri di più su Valutazione di modelli Vertex AI. Scopri di più sulla classificazione dei dati dei video. Passaggi del tutorial Crea un Vertex AI Dataset. Addestra un modello di classificazione video AutoML sulla risorsa Vertex AI Dataset. Importa l'oggetto AutoML Vertex AI Model resource 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 GitHub Vertex AI Workbench
Addestramento personalizzato di Vertex AI Valutazione del modello 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 di 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 Vertex AI. Passaggi del tutorial Recupera il set di dati dall'origine pubblica. Pre-elabora i dati localmente e salva i dati di test in BigQuery. Addestra un modello di classificazione RandomForest in locale utilizzando il pacchetto Python scikitlearn. Creare 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 di modello Vertex AI tramite un job di pipeline Vertex AI utilizzando google_cloud_pipeline_components: Scopri di più su Vertex AI Model Evaluation. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Crea un CustomTrainingJob di Vertex AI per l'addestramento di un modello. Esegui CustomTrainingJob Recupera e carica gli artefatti del modello. Visualizza la valutazione del modello. Carica il modello come risorsa del modello Vertex AI. Importa un Vertex AI model resource preaddestrato nella pipeline. Esegui un job batch prediction nella pipeline. Valuta il modello utilizzando il valore regression evaluation component. Importa le metriche di regressione nella risorsa del modello Vertex AI.	Colab GitHub Vertex AI Workbench
Valutazione del modello in Vertex AI	Inizia a importare una valutazione di un modello personalizzato in Vertex AI Model Registry. Scopri come creare e caricare una valutazione del modello personalizzato e come caricare la valutazione del modello personalizzato in una voce di risorsa del modello in Vertex AI Model Registry. Scopri di più sulla valutazione dei modelli in Vertex AI. Passaggi del tutorial Importare un modello preaddestrato (blessed) in Vertex AI Model Registry. Costruire una valutazione del modello personalizzato. Importa le metriche di valutazione del modello nel modello corrispondente in Vertex AI Model Registry. Elenca la valutazione del modello corrispondente in Vertex AI Model Registry. Costruire una seconda valutazione del modello personalizzato. Importa la seconda metrica di valutazione del modello nel modello corrispondente in Vertex AI Model Registry. Elenca la seconda valutazione del modello corrispondente in Vertex AI Model Registry.	Colab GitHub Vertex AI Workbench
Valutazione del modello Vertex AI AutoSxS	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 dati basati sulle preferenze umane: Scopri di più su Vertex AI AutoSxS Model Evaluation. Passaggi del tutorial Creare 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 AutoSxS. Esegui la pulizia delle risorse create in questo blocco note.	Colab Colab Enterprise GitHub Vertex AI Workbench
Valutazione del modello Vertex AI AutoSxS	Valutare un LLM in Vertex AI Model Registry rispetto a un modello di terze parti. Scopri come utilizzare Vertex AI Pipelines e google_cloud_pipeline_components per valutare le prestazioni tra due modelli LLM: Scopri di più su Vertex AI AutoSxS Model Evaluation. Passaggi del tutorial Recupera il set di dati dall'origine pubblica. Pre-elabora i dati in locale e salva i dati di test in Cloud Storage. Creare ed eseguire una pipeline Vertex AI AutoSxS che genera i giudizi e valuta i due modelli candidati utilizzando i giudizi generati. Stampa i giudizi e le metriche di valutazione. Esegui la pulizia delle risorse create in questo blocco note.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Model Monitoring per le previsioni batch	Previsione batch di Vertex AI con Model Monitoring. Scopri come utilizzare il servizio Vertex AI Model Monitoring per rilevare le deviazioni 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. Interpretare le statistiche, le visualizzazioni e altri dati riportati dalla caratteristica di monitoraggio del modello.	Colab GitHub Vertex AI Workbench
Vertex AI Model Monitoring	Vertex AI Model Monitoring per i modelli tabulari AutoML. 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 AutoML. Scopri di più su Vertex AI Model Monitoring. Passaggi del tutorial Addestra un modello AutoML. Esegui il deployment della risorsa Model nella risorsa Endpoint. Configura la risorsa Endpoint per il monitoraggio del modello. Generare richieste di previsione sintetiche relative al disallineamento. Generare richieste di previsione sintetiche per la deviazione. Attendi la notifica di avviso via email.	Colab GitHub Vertex AI Workbench
Vertex AI Model Monitoring	Vertex AI Model Monitoring per la previsione batch nei modelli di immagini AutoML. Scopri come utilizzare Vertex AI Model Monitoring con Vertex AI Batch Prediction con un modello di classificazione delle immagini AutoML per rilevare un'immagine fuori distribuzione. Scopri di più su Vertex AI Model Monitoring. Passaggi del tutorial 1. Addestra un modello di classificazione delle immagini AutoML. 2. Invia una previsione batch contenente immagini sia dentro che fuori dalla distribuzione. 3. Usare Model Monitoring per calcolare il punteggio anomalia su ogni immagine. 4. Identificare le immagini nella richiesta di previsione batch che sono fuori distribuzione.	Colab GitHub Vertex AI Workbench
Vertex AI Model Monitoring	Vertex AI Model Monitoring per la previsione online nei modelli di immagini AutoML. Scopri come utilizzare Vertex AI Model Monitoring con Vertex AI Online Prediction con un modello di classificazione delle immagini AutoML per rilevare un'immagine fuori distribuzione. Scopri di più su Vertex AI Model Monitoring. Passaggi del tutorial 1. Addestra un modello di classificazione delle immagini AutoML. 2. Crea un endpoint. 3. Eseguire il deployment del modello nell'endpoint e configurarlo per il monitoraggio. 4. Invia una previsione online contenente immagini sia all'interno che all'esterno della distribuzione. 5. Usare Model Monitoring per calcolare il punteggio anomalia su ogni immagine. 6. Identifica le immagini fuori distribuzione nella richiesta di previsione online.	Colab GitHub Vertex AI Workbench
Vertex AI Model Monitoring	Vertex AI Model Monitoring per modelli tabulari personalizzati. 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. Scopri di più su Vertex AI Model Monitoring. Passaggi del tutorial Scarica un modello tabulare personalizzato preaddestrato. Carica il modello preaddestrato come risorsa Model. Esegui il deployment della risorsa Model nella risorsa Endpoint. Configura la risorsa Endpoint per il monitoraggio del modello. Generare richieste di previsione sintetiche relative al disallineamento. Attendi la notifica di avviso via email. Generare richieste di previsione sintetiche per la deviazione. Attendi la notifica di avviso via email.	Colab GitHub Vertex AI Workbench
Vertex AI Model Monitoring	Vertex AI Model Monitoring per i modelli tabulari personalizzati con il container TensorFlow Serving. Scopri come utilizzare il servizio Vertex AI Model Monitoring per rilevare il disallineamento e la deviazione delle caratteristiche nelle richieste di previsione di input per i modelli tabulari personalizzati, utilizzando un container di deployment personalizzato. Scopri di più su Vertex AI Model Monitoring. Passaggi del tutorial Scarica un modello tabulare personalizzato preaddestrato. Carica il modello preaddestrato come risorsa Model. Deployment della risorsa Model in una risorsa Endpoint con il programma binario di gestione TensorFlow Serving. Configura la risorsa Endpoint per il monitoraggio del modello. Generare richieste di previsione sintetiche relative al disallineamento. Attendi la notifica di avviso via email. Generare richieste di previsione sintetiche per la deviazione. Attendi la notifica di avviso via email.	Colab 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 Model. Esegui il deployment della risorsa Model nella risorsa Endpoint. Configura la risorsa Endpoint per il monitoraggio del modello. Rilevamento di disallineamenti e deviazioni per gli input delle caratteristiche. Rilevamento di disallineamenti e deviazioni per le attribuzioni delle caratteristiche. Generazione automatica di input schema mediante l'invio di una richiesta di previsione di 1000. Elenca, metti in pausa, riprendi ed elimina i job di monitoraggio. Riavvia il job di monitoraggio con il valore predefinito input schema. Visualizzare i dati monitorati registrati.	Colab GitHub Vertex AI Workbench
Vertex AI Model Monitoring	Vertex AI Model Monitoring per i modelli XGBoost. Scopri come utilizzare il servizio Vertex AI Model Monitoring per rilevare il disallineamento e la deviazione delle caratteristiche nelle richieste di previsione di input per i modelli XGBoost. Scopri di più su Vertex AI Model Monitoring. Passaggi del tutorial Scarica un modello XGBoost preaddestrato. Carica il modello preaddestrato come risorsa Model. Esegui il deployment della risorsa Model nella risorsa Endpoint. Configura la risorsa Endpoint per il monitoraggio del modello	Colab GitHub Vertex AI Workbench
Vertex AI Model Monitoring	Vertex AI Model Monitoring con Vertex Explainable AI Feature Attributions. Scopri come utilizzare il servizio Vertex AI Model Monitoring per rilevare deviazioni e anomalie nelle richieste di previsione da una risorsa Vertex AI Model di cui è stato eseguito il deployment. Scopri di più su Vertex AI Model Monitoring. Passaggi del tutorial Carica un modello preaddestrato come risorsa Vertex AI Model. Crea una risorsa Vertex AI Endpoint. Esegui il deployment della risorsa Model nella risorsa Endpoint. Configura la risorsa Endpoint per il monitoraggio del modello. Inizializzare la distribuzione di base per il monitoraggio del modello. Generare richieste di previsione sintetiche. Capire come interpretare le statistiche, le visualizzazioni e altri dati riportati dalla caratteristica di monitoraggio del modello.	Colab 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 di 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 Vertex AI Model Registry. Scopri come utilizzare Vertex AI Model Registry per creare e registrare più versioni di un modello. Scopri di più su Vertex AI Model Registry. Passaggi del tutorial Crea e registra una prima versione di un modello in Vertex AI Model Registry. Creare e registrare 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 Componenti AutoML Classificazione per dati tabulari	Pipeline tabulari AutoML che utilizzano google-cloud-pipeline-components. Impara a utilizzare Vertex AI Pipelines e Google Cloud Pipeline Components 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	Colab GitHub Vertex AI Workbench
Vertex AI Pipelines Valutazione di modelli in Vertex AI	Metodologia Challenge vs Blessed per il deployment del modello in produzione. Scopri come creare una pipeline Vertex AI che addestra una nuova versione di un modello challenger, valuta il modello e confronta la valutazione con il modello blessed esistente in produzione per determinare se il modello sfidante diventa il modello supportato per la sostituzione in produzione. Scopri di più su Vertex AI Pipelines. Scopri di più sulla valutazione dei modelli in Vertex AI. Passaggi del tutorial Importa un modello preaddestrato (benefico) nel Vertex AI Model Registry. Importa le metriche di valutazione del modello sintetico nel modello corrispondente (benefico). Crea una risorsa Vertex AI Endpoint Esegui il deployment del modello blessed nella risorsa Endpoint. Creazione di una pipeline Vertex AI Ottieni il modello migliore. Importa un'altra istanza (challenger) del modello preaddestrato. Registrare il modello preaddestrato (challenger) come una nuova versione del modello blessed esistente. Crea una valutazione del modello sintetico. Importa le metriche di valutazione del modello sintetico nel modello Challenger corrispondente. Confronta le valutazioni e imposta il beato o lo sfidante come valore predefinito. Esegui il deployment del nuovo entusiasmante modello.	Colab GitHub Vertex AI Workbench
Vertex AI Pipelines	Strutture di controllo della pipeline utilizzando l'SDK KFP. Scopri come utilizzare l'SDK KFP per creare pipeline che utilizzano loop e condizionali, inclusi esempi nidificati. Scopri di più su Vertex AI Pipelines. Passaggi del tutorial Crea una pipeline KFP	Colab GitHub Vertex AI Workbench
Vertex AI Pipelines Componenti di addestramento personalizzato	Addestramento personalizzato con i componenti predefiniti della pipeline di Google Cloud. Scopri come utilizzare i componenti di Vertex AI Pipelines e Google Cloud Pipeline per creare 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 GitHub Vertex AI Workbench
Vertex AI Pipelines Componenti di Vertex AI Batch Prediction	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 della previsione batch di Vertex AI. Passaggi del tutorial Creare un set di dati in BigQuery. Impostare alcuni dati da parte del set di dati di origine per la previsione batch. Crea un pacchetto Python personalizzato per l'applicazione di addestramento. Carica il pacchetto Python in Cloud Storage. Creare una pipeline Vertex AI che	Colab GitHub Vertex AI Workbench
Vertex AI Pipelines Ottimizzazione degli iperparametri Vertex AI	Inizia a utilizzare i componenti della pipeline di ottimizzazione degli iperparametri di Vertex AI. Scopri come utilizzare i componenti predefiniti della pipeline di Google Cloud per l'ottimizzazione degli iperparametri di Vertex AI. Scopri di più su Vertex AI Pipelines. Scopri di più sull'ottimizzazione degli iperparametri Vertex AI. Passaggi del tutorial Crea una pipeline per	Colab GitHub Vertex AI Workbench
Vertex AI Pipelines	Inizia a utilizzare la gestione delle macchine per Vertex AI Pipelines. Scopri come convertire un componente di addestramento personalizzato autonomo in un Vertex AI CustomJob, dove: Passaggi del tutorial Creare 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 addestramento autonomo in un Vertex AI CustomJob. Esegui la pipeline utilizzando le impostazioni customjoblevel per le risorse della macchina	Colab GitHub Vertex AI Workbench
Vertex AI Pipelines Componenti AutoML	Pipeline di classificazione delle immagini AutoML che utilizzano google-cloud-pipeline-components. Scopri come utilizzare Vertex AI Pipelines e Google Cloud Pipeline Components per creare un modello di classificazione delle immagini AutoML. Scopri di più su Vertex AI Pipelines. Scopri di più sui componenti di AutoML. Passaggi del tutorial Crea una pipeline KFP	Colab GitHub Vertex AI Workbench
Vertex AI Pipelines Componenti 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 di AutoML. Scopri di più sulla regressione dei dati tabulari. Passaggi del tutorial Crea una pipeline KFP	Colab GitHub Vertex AI Workbench
Vertex AI Pipelines Componenti AutoML	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 di AutoML. Passaggi del tutorial Crea una pipeline KFP	Colab GitHub Vertex AI Workbench
Vertex AI Pipelines Componenti di 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. Creare un componente per addestrare un modello di regressione logistica utilizzando BigQuery ML. Creazione e configurazione di una pipeline DSL Kubeflow con tutti i componenti creati. Compilazione ed esecuzione della pipeline in Vertex AI Pipelines.	Colab GitHub Vertex AI Workbench
Vertex AI Pipelines Componenti di addestramento personalizzato	Addestramento, caricamento e deployment del modello utilizzando i componenti della pipeline di Google Cloud. Scopri come utilizzare Vertex AI Pipelines e Google Cloud Pipeline Components per creare un modello personalizzato ed eseguirne il deployment. Scopri di più su Vertex AI Pipelines. Scopri di più sui componenti dell'addestramento personalizzato. Passaggi del tutorial Crea una pipeline KFP	Colab GitHub Vertex AI Workbench
Vertex AI Pipelines Componenti di Vertex AI Model	Caricamento, previsione e valutazione del modello utilizzando google-cloud-pipeline-components. Scopri come valutare un modello personalizzato utilizzando una pipeline con componenti di google_cloud_pipeline_components e un componente pipeline personalizzato creato da te. Scopri di più su Vertex AI Pipelines. Scopri di più sui componenti di Vertex AI Model. Passaggi del tutorial Carica un modello preaddestrato come risorsa Model. Esegui un BatchPredictionJob sulla risorsa Model con dati di fatto. Genera l'artefatto Metrics di valutazione sulla risorsa Model. Confronta le metriche di valutazione con una soglia.	Colab GitHub Vertex AI Workbench
Vertex AI Pipelines	Vertex AI Pipelines con KFP 2.x. Scopri come utilizzare Vertex AI Pipelines e KFP 2. Passaggi del tutorial Crea una pipeline KFP	Colab 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. Costruire una pipeline KFP. Trasmetti artefatti e parametri tra i componenti, sia per riferimento al percorso sia per valore. Usa il metodo kfp.dsl.importer. Compila la pipeline KFP. Esegui la pipeline KFP utilizzando Vertex AI Pipelines	Colab GitHub Vertex AI Workbench
Vertex AI Pipelines	Visualizzazione delle metriche ed esecuzione di un confronto utilizzando l'SDK KFP. Scopri come utilizzare l'SDK KFP per creare pipeline che generano metriche di valutazione. Scopri di più su Vertex AI Pipelines. Passaggi del tutorial Creazione componenti KFP	Colab 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 campione per la sostituzione in produzione. Passaggi del tutorial Importa un modello preaddestrato (campione) nel Vertex AI Model Registry. Importa le metriche di valutazione dell'addestramento del modello sintetico nel modello corrispondente (campione). Crea una risorsa Vertex AI Endpoint Esegui 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. Creazione di una pipeline Vertex AI Ottieni il modello campione. (Falso) Perfeziona il modello campione con dati di produzione Importa metriche sintetiche di valutazione dell'addestramento e della produzione per il modello campione. Ottieni i modelli dei candidati. (Fato) Ottimizza il modello contendente con i dati di produzione Importa metriche sintetiche di addestramento e valutazione della produzione per il modello dei contendenti. Confronta le valutazioni dei candidati rispetto al campione e imposta il nuovo campione come predefinito. Esegui il deployment del nuovo modello campione.	Colab GitHub Vertex AI Workbench
Vertex AI Pipelines	Introduzione alle pipeline per KFP. Scopri come utilizzare l'SDK KFP per creare pipeline che generano metriche di valutazione. Scopri di più su Vertex AI Pipelines. Passaggi del tutorial Definisci e compila una pipeline Vertex AI. Specifica quale account di servizio utilizzare per l'esecuzione di una pipeline.	Colab GitHub Vertex AI Workbench
Componenti AutoML Componenti di BigQuery ML	BigQuery ML e AutoML - Esperimenti con Vertex AI. Scopri come utilizzare Vertex AI Predictions per la prototipazione rapida di un modello. Scopri di più sui componenti di 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 migliore addestrato. Deployment del modello più addestrato. Test dell'infrastruttura del modello di cui è stato eseguito il deployment.	Colab GitHub Vertex AI Workbench
Previsione batch di Vertex AI	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 di Vertex AI per l'addestramento di un modello. Addestra un modello TensorFlow. Invia 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 del modello Vertex AI su un endpoint Vertex AI per effettuare previsioni online. Scopri di più su Vertex AI Prediction. Passaggi del tutorial Scarica gli artefatti del modello da TensorFlow Hub. Crea il file di configurazione 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 di modello Vertex AI. Eseguire il deployment della risorsa del modello Vertex AI su 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 sulla previsione non elaborata. Passaggi del tutorial Scarica gli artefatti di un modello di classificazione tabulare preaddestrato per uno strumento di stima di TensorFlow 1.x. Carica il modello di stima di TensorFlow come risorsa Vertex AI Model. Crea una risorsa Endpoint. Esegui il deployment della risorsa Model su una risorsa Endpoint. Esegui una previsione online non elaborata per l'istanza della risorsa Model di cui è stato eseguito il deployment nella risorsa Endpoint.	Colab Colab Enterprise GitHub Vertex AI Workbench
ottenere previsioni da un modello con addestramento personalizzato	Inizia a utilizzare TensorFlow Serving con Vertex AI Prediction. Scopri come utilizzare Vertex AI Prediction su una risorsa Vertex AI Endpoint con il programma binario di gestione TensorFlow Serving. Scopri di più su come ricevere previsioni da un modello addestrato personalizzato. Passaggi del tutorial	Colab Colab Enterprise GitHub Vertex AI Workbench
Endpoint privati	Inizia a utilizzare Vertex AI Private Endpoints. Scopri come utilizzare le risorse Vertex AI Private Endpoint. Scopri di più sugli endpoint privati. Passaggi del tutorial Creazione di una risorsa Private Endpoint in corso... Configurare una connessione in 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	LLM Vertex AI e previsione di flussi di dati. 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 i flussi di dati. Fai una previsione di flussi di dati Caricare un modello di chat preaddestrato. Avvia una sessione di chat interattiva locale. Eseguire una previsione batch con un modello di generazione del testo. Eseguire una previsione batch con un modello di incorporamento del testo.	Colab Colab Enterprise GitHub Vertex AI Workbench
Container predefiniti per la previsione	Pubblicazione di modelli di immagine 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 Scarica un modello di immagine 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 Fare 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 ed eseguire il deployment di un modello di classificazione delle immagini PyTorch utilizzando container predefiniti per addestramento e previsione personalizzati. Passaggi del tutorial Pacchettizzazione dell'applicazione di addestramento in una distribuzione di origine Python Configura ed esegui un job di addestramento in un container predefinito Pacchettizzazione degli artefatti del modello in un file di archivio dei modelli Carica il modello per il deployment Esegui il deployment del modello utilizzando un container predefinito per la previsione Fai previsioni online	Colab Colab Enterprise GitHub Vertex AI Workbench
Panoramica di Ray on Vertex AI	Inizia a utilizzare PyTorch su Ray su Vertex AI. Scopri come distribuire in modo efficiente il processo di addestramento di un modello di classificazione di immagini PyTorch sfruttando Ray su Vertex AI. Scopri di più sulla panoramica di Ray on Vertex AI. Passaggi del tutorial Prepara lo script per la formazione Inviare un job Ray utilizzando l'API Ray Jobs Scarica un modello di immagine addestrato da PyTorch Crea un gestore del modello personalizzato Pacchettizzazione degli artefatti del modello in un file di archivio dei modelli Registra il modello in Vertex AI Model Registry Esegui il deployment del modello in Vertex AI Endpoint Fai 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 e ottenere un cluster, aggiornarlo 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. Elimina i cluster esistenti.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Training Vertex AI Reduct Server	Addestramento distribuito di PyTorch con il server di riduzione di Vertex AI. Scopri come creare un job di addestramento distribuito PyTorch che utilizzi il framework di addestramento distribuito PyTorch e gli strumenti ed eseguire il job di addestramento sul servizio Vertex AI Training con Reduct Server. Scopri di più su Vertex AI Training. Scopri di più sul server di riduzione Vertex AI. Passaggi del tutorial Crea un'applicazione di addestramento distribuito PyTorch Pacchettizzazione dell'applicazione di addestramento con container predefiniti Crea un job personalizzato su Vertex AI con Reduct Server Invia e monitora il job	Colab 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 video AutoML. Scopri di più sulla classificazione dei dati dei video. Passaggi del tutorial Imposta il nome dell'attività e il prefisso di Cloud Storage Copia i dati di addestramento dimostrativo per i video AutoML per creare un set di dati gestito Creare un set di dati su Vertex AI. configura un job di addestramento Avvia un job di addestramento e crea un modello su Vertex AI Copia i dati di previsione demo di AutoML Video per creare un job di previsione batch Esegui un job di previsione batch sul modello	Colab GitHub Vertex AI Workbench
Addestramento personalizzato	Addestramento personalizzato mediante pacchetto Python, set di dati di testo gestito e container di servizio TF. Scopri come creare un modello personalizzato utilizzando l'addestramento di pacchetti Python personalizzato e come pubblicare il modello utilizzando il container di pubblicazione TensorFlow per le previsioni online. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Creare funzioni di utilità per scaricare dati e preparare i file csv per la creazione di un set di dati gestito da Vertex AI Scarica dati Prepara i file CSV per la creazione di un set di dati gestito Creazione pacchetto Python di addestramento personalizzato Crea un container di distribuzione TensorFlow Esegui addestramento di pacchetti Python personalizzato con set di dati di testo gestito Esegui il deployment di un modello e crea un endpoint su Vertex AI Previsione sull'endpoint Creare un job di previsione batch sul modello	Colab GitHub Vertex AI Workbench
Flusso di lavoro tabulare per TabNet	Vertex AI Explains con i modelli TabNet. Scopri come fornire uno strumento di tracciamento di esempio per visualizzare l'output di TabNet, che è utile per spiegare l'algoritmo. Scopri di più sul flusso di lavoro tabulare per TabNet. Passaggi del tutorial Configura il progetto. Scarica i dati di previsione dei dati onf Syn2 del modello di preaddestramento. Visualizza e comprendi l'importanza delle caratteristiche in base all'output delle maschere. Esegui la pulizia della risorsa creata da questo tutorial.	Colab GitHub Vertex AI Workbench
Flusso di lavoro tabulare per TabNet	Inizia a utilizzare l'algoritmo integrato TabNet per l'addestramento dei modelli tabulari. Scopri come eseguire l'algoritmo creato da Vertex AI TabNet per l'addestramento di modelli tabulari personalizzati. Scopri di più sul flusso di lavoro tabulare per TabNet. Passaggi del tutorial Recupera i dati di addestramento. Configura i parametri di addestramento per il container Vertex AI TabNet. Addestra il modello utilizzando Vertex AI Training usando i dati CSV. Carica il modello come risorsa Vertex AI Model. Esegui il deployment della risorsa Vertex AI Model su una risorsa Vertex AI Endpoint. Fai una previsione con il modello di cui è stato eseguito il deployment. Ottimizzazione degli iperparametri del modello Vertex AI TabNet.	Colab GitHub Vertex AI Workbench
TabNet di Vertex AI	Addestra un modello TabNet utilizzando l'addestramento remoto di Vertex AI con l'SDK Vertex AI 2.0. Impara a utilizzare Vertex AI SDK 2. Tutorial steps Download and split the dataset Ingest the data in a Dataframe and perform transformations. Train a tabular classification model. Train a tabular regression model.	Colab GitHub Vertex AI Workbench
Flusso di lavoro tabulare per TabNet	Vertex AI TabNet Scopri come eseguire il modello TabNet su Vertex AI. Scopri di più sul flusso di lavoro tabulare per TabNet. Passaggi del tutorial 1. Configurazione	Colab GitHub Vertex AI Workbench
Previsione ARIMA+ di BigQuery ML per dati tabulari	Addestra un modello ARIMA_PLUS BigQuery ML utilizzando Tabular Workflows su Vertex AI. Scopri come creare un modello ARIMA_PLUS BigQuery ML utilizzando una pipeline Vertex AI di addestramento dai componenti della pipeline di Google Cloud e poi eseguire una previsione batch utilizzando la pipeline di previsione corrispondente. Scopri di più sulle previsioni ARIMA+ di BigQuery ML per i dati tabulari. Passaggi del tutorial Addestrare il modello ARIMA_PLUS di BigQuery ML. Visualizza la valutazione del modello BigQuery ML. Fare una previsione batch con il modello BigQuery ML.	Colab GitHub Vertex AI Workbench
Componenti della pipeline di Google Cloud 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 eseguire 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. Fare una previsione batch con i modelli Prophet.	Colab GitHub Vertex AI Workbench
Flusso di lavoro tabulare per TabNet	Pipeline TabNet. Scopri come creare modelli di classificazione su dati tabulari utilizzando due dei flussi di lavoro tabulari Vertex AI TabNet. Scopri di più sul flusso di lavoro tabulare per TabNet. Passaggi del tutorial Creare un TabNet CustomJob. 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 GitHub Vertex AI Workbench
Flusso di lavoro tabulare per Wide and Deep	Wide and Deep Pipeline. Scopri come creare due modelli di classificazione utilizzando Vertex AI Wide & Deep Tabular Workflows. Scopri di più sul flusso di lavoro tabulare per Wide and Deep. Passaggi del tutorial Creare un CustomJob Wide and Deep. Questa è l'opzione migliore se sai quali iperparametri utilizzare per l'addestramento. Creare un job di ottimizzazione degli iperparametri Wide and Deep. Ciò consente di ottenere il miglior set di iperparametri per il tuo set di dati.	Colab 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 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 Crea un repository Docker ed esegui la configurazione. Crea un'immagine container personalizzata con il tuo codice di addestramento personalizzato. Configurare l'account di servizio e i bucket Google Cloud Storage. Crea e avvia il tuo 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 Configurare l'account di servizio e i bucket Google Cloud Storage. Scrivi il tuo codice di addestramento personalizzato. Pacchettizza e carica il codice di addestramento su Google Cloud Storage. Crea e avvia il tuo job di addestramento personalizzato con Vertex AI TensorBoard abilitato per il monitoraggio quasi in tempo reale.	Colab GitHub Vertex AI Workbench
TensorBoard di Vertex AI	Ottimizzazione degli iperparametri Vertex AI TensorBoard con la dashboard HParams. Questo tutorial mostra come registrare i risultati degli esperimenti sugli iperparametri in TensorFlow e visualizzarli nella dashboard Hparams di Vertex AI TensorBoard. Scopri di più su Vertex AI TensorBoard. Passaggi del tutorial Adatta le esecuzioni di TensorFlow per registrare iperparametri e metriche. Avvia le esecuzioni e registrale tutte in un'unica directory principale. Visualizza i risultati nella dashboard HParams di Vertex AI TensorBoard.	Colab Colab Enterprise GitHub Vertex AI Workbench
Profiler Vertex AI TensorBoard	Prestazioni di addestramento del modello di profilo utilizzando Vertex AI TensorBoard Profiler. Scopri come abilitare il profiler Vertex AI TensorBoard per i job di addestramento personalizzati. Scopri di più su Vertex AI TensorBoard Profiler. Passaggi del tutorial Configura un account di servizio e un bucket Cloud Storage crea un'istanza Vertex AI TensorBoard Crea ed esegui un job di addestramento personalizzato che consente il profiler Vertex AI TensorBoard Visualizza la dashboard del profiler Vertex AI TensorBoard per eseguire il debug delle prestazioni di addestramento del tuo modello	Colab GitHub Vertex AI Workbench
Profiler Vertex AI TensorBoard	Profilo delle prestazioni dell'addestramento dei modelli con Vertex AI TensorBoard Profiler nell'addestramento personalizzato con container predefinito. Scopri come abilitare Vertex AI TensorBoard Profiler in Vertex AI per i job di addestramento personalizzato con un container predefinito. Scopri di più su Vertex AI TensorBoard Profiler. 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 abilita Vertex AI TensorBoard Profiler Visualizza la dashboard di Vertex AI TensorBoard Profiler per eseguire il debug delle prestazioni di addestramento del tuo 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, eseguire la pipeline in Vertex AI Pipelines e monitorare il processo di addestramento su Vertex AI TensorBoard quasi in tempo reale. Scopri di più su Vertex AI TensorBoard. Scopri di più su Vertex AI Pipelines. Passaggi del tutorial Configurare un account di servizio e i bucket Google Cloud Storage. Crea una pipeline KFP con il tuo codice di addestramento personalizzato. Compila ed esegui la pipeline KFP in Vertex AI Pipelines con Vertex AI TensorBoard abilitato per il monitoraggio quasi in tempo reale.	Colab Colab Enterprise GitHub Vertex AI Workbench
Ottimizzazione degli iperparametri mediante Vertex AI	Ottimizzazione degli iperparametri Vertex AI distribuita. In questo blocco note, creerai un modello con addestramento personalizzato da uno script Python in un container Docker. Scopri di più sull'ottimizzazione degli iperparametri 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
Addestramento personalizzato	Inizia a utilizzare Vertex AI Training per LightGBM. Scopri come utilizzare Vertex AI Training per addestrare un modello personalizzato LightGBM. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Addestramento con un pacchetto Python. Salvare gli artefatti del modello in Cloud Storage utilizzando Cloud StorageFuse. Costruire un server di previsione FastAPI. Creare un'immagine di deployment Dockerfile. Testa l'immagine di deployment in locale. Crea una risorsa Vertex AI Model.	Colab 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 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 mediante Vertex AI	Ottimizzazione degli iperparametri Vertex AI per XGBoost. Scopri come utilizzare il servizio di **ottimizzazione degli iperparametri Vertex AI** per addestrare un modello XGBoost. Scopri di più sull'ottimizzazione degli iperparametri Vertex AI. Passaggi del tutorial 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 container personalizzati. Scopri di più su Vertex AI Training. Passaggi del tutorial Configurazione del progetto Google Cloud	Colab GitHub Vertex AI Workbench
Vertex AI Training	Classificazione delle immagini PyTorch mediante l'addestramento parallelo di dati distribuiti NCCL a più nodi su CPU e Vertex AI. Scopri come creare un job di addestramento PyTorch distribuito utilizzando l'SDK Vertex AI per Python e container personalizzati. Scopri di più su Vertex AI Training. Passaggi del tutorial Creazione di un container personalizzato utilizzando Artifact Registry e Docker. Creazione di un'istanza TensorBoard di Vertex AI per archiviare l'esperimento Vertex AI. Eseguire un job di addestramento Vertex AI utilizzando l'SDK Vertex AI per Python.	Colab Colab Enterprise GitHub Vertex AI Workbench
Addestramento personalizzato	Addestramento, ottimizzazione 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 un pacchetto di addestramento per il modello di classificazione del testo. Addestra il modello con l'addestramento personalizzato su Vertex AI. Controlla gli artefatti del modello creati. Crea un container personalizzato per le previsioni. Eseguire il deployment del modello addestrato a un endpoint Vertex AI utilizzando il container personalizzato per le previsioni. Invia richieste di previsione online al modello di cui è stato eseguito il deployment ed esegui la convalida. Esegui la pulizia delle risorse create in questo blocco note.	Colab Colab Enterprise GitHub Vertex AI Workbench
Integrazione di PyTorch in Vertex AI	Addestra un modello PyTorch su Vertex AI con i dati di Cloud Storage. Scopri come creare un job di addestramento utilizzando PyTorch e un set di dati archiviato su Cloud Storage. Scopri di più sull'integrazione di PyTorch in Vertex AI. Passaggi del tutorial Scrivere uno script di addestramento personalizzato che crei i tuoi set di dati di addestramento e test e addestra il modello. Esecuzione di 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. In questo tutorial imparerai ad 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 master Crea uno script di addestramento utilizzando il codice dal repository GitHub di PyTorch Elastic Creare container che scaricano i dati e avviare un cluster ETCD sull'host Addestra il modello utilizzando più nodi con GPU	Colab 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	Utilizzo degli incorporamenti multimodali e della ricerca vettoriale di Vertex AI. Scopri come codificare incorporamenti di testo personalizzati, creare un indice del vicino approssimativo più vicino ed eseguire query sugli indici. Passaggi del tutorial Convertire un set di dati immagine in incorporamenti. Crea un indice. Carica gli incorporamenti nell'indice. Crea un endpoint indice. Esegui il deployment dell'indice nell'endpoint indice. Esegui una query online.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Vector Search	Utilizzo di Vertex AI Vector Search per domande su StackOverflow. Scopri come codificare incorporamenti di testo personalizzati, creare un indice del vicino approssimativo più vicino ed eseguire query sugli indici. Scopri di più su Vertex AI Vector Search. Passaggi del tutorial Crea un indice ANN. Crea un endpoint indice con la rete VPC. Esegui il deployment dell'indice ANN. Eseguire una query online.	Colab Colab Enterprise GitHub Vertex AI Workbench
Vertex AI Vector Search Incorporamenti Vertex AI per il testo	Utilizzo degli incorporamenti di Vertex AI Vector Search e Vertex AI per il testo per le domande su StackOverflow. Scopri come codificare gli incorporamenti di testo, creare un indice del vicino approssimativo più vicino ed eseguire query sugli indici. Scopri di più su Vertex AI Vector Search. Scopri di più sugli incorporamenti di Vertex AI per il testo. Passaggi del tutorial Convertire un set di dati BigQuery in incorporamenti. Crea un indice. Carica gli incorporamenti nell'indice. Crea un endpoint indice. Esegui il deployment dell'indice nell'endpoint indice. Esegui una query online.	Colab GitHub Vertex AI Workbench
Vertex AI Vector Search	Crea l'indice di Vertex AI Vector Search. Scopri come creare un indice del vicino più vicino approssimativo, eseguire query sugli indici e convalidare le prestazioni dell'indice. Scopri di più su Vertex AI Vector Search. Passaggi del tutorial Crea un indice ANN e un indice di forza bruta. Crea un endpoint indice con la rete VPC. Esegui il deployment degli indici ANN e di forza bruta. Eseguire una query online. Richiamo Compute.	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 con più obiettivi. Scopri di più su Vertex AI Vizier. Passaggi del tutorial	Colab GitHub Vertex AI Workbench
Vertex AI Vizier	Inizia a utilizzare Vertex AI Vizier. Scopri come utilizzare Vertex AI Vizier per 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 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 Automatizza l'esecuzione del blocco note utilizzando la funzionalità esecutore Salva il modello in un percorso Cloud Storage Esegui la pulizia delle risorse create	Colab 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 più recenti, come **Vertex Explainable AI** e **BigQuery in 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". Esecuzione di un'analisi esplorativa dei dati sul set di dati. Selezione delle caratteristiche e pre-elaborazione. Creazione di un modello di regressione lineare con scikitlearn. 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 GitHub Vertex AI Workbench
Vertex AI Workbench BigQuery ML	Previsione della domanda del retail 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 Creazione di modelli con BigQuery e ARIMA Valuta il modello Valutare i risultati del modello utilizzando BigQuery ML (sui dati di addestramento) Valutare i risultati del modello MAE, MAPE, MSE, RMSE (sui dati di test) Utilizzare la funzionalità esecutore	Colab 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 insight dai dati di BigQuery in un ambiente di blocchi note Jupyter. Scopri di più su Vertex AI Workbench. Scopri di più su BigQuery ML. Passaggi del tutorial Utilizzo di Python e SQL per eseguire query su dati pubblici in BigQuery Esplorazione del set di dati utilizzando BigQuery INFORMATION_SCHEMA Creare elementi interattivi per aiutare a esplorare parti interessanti dei dati Fare un'analisi esplorativa delle correlazioni e delle serie temporali Creazione di output statici e interattivi (tabelle e grafici di dati) nel blocco note Salvataggio di alcuni output in Cloud Storage	Colab GitHub Vertex AI Workbench
Vertex AI Workbench Addestramento personalizzato	Crea un modello di rilevamento delle frodi su Vertex AI. Questo tutorial illustra l'analisi dei dati e la creazione di modelli utilizzando un set di dati finanziario sintetico. Scopri di più su Vertex AI Workbench. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Installazione delle librerie richieste Lettura del set di dati da un bucket Cloud Storage Esecuzione di un'analisi esplorativa sul set di dati Pre-elaborazione del set di dati Addestramento di un modello di foresta casuale con scikitlearn 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 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 Esplorare un'esportazione dei dati di Google Analytics 4 in BigQuery. Prepara i dati di addestramento utilizzando dati demografici, comportamentali ed etichette (abbandono/notchurn). Addestrare un modello XGBoost utilizzando BigQuery ML. Valutare un modello utilizzando BigQuery ML. Utilizza BigQuery ML per fare previsioni sugli utenti che abbandoneranno.	Colab GitHub Vertex AI Workbench
Vertex AI Workbench	Previsione dell'inventario sui dati di e-commerce utilizzando Vertex AI. Questo tutorial mostra come eseguire un'analisi esplorativa dei dati, pre-elaborare i dati, addestrare il modello, valutare il modello, eseguirne il deployment e configurare lo strumento What-If. Passaggi del tutorial Carica il set di dati da BigQuery utilizzando l'integrazione "BigQuery in Notebooks". Analizzare il set di dati. Pre-elabora le caratteristiche nel set di dati. Crea un modello di classificazione delle foreste casuale che preveda se un prodotto verrà venduto nei prossimi 60 giorni. Valutare il modello. Eseguire il deployment del modello utilizzando Vertex AI. Configura e testa con lo strumento WhatIf.	Colab 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 su Vertex AI Training. Passaggi del tutorial Caricamento del set di dati richiesto da un bucket Cloud Storage. Analisi dei campi presenti nel set di dati. Selezione dei dati richiesti per il modello di manutenzione predittiva. Addestramento di un modello di regressione XGBoost per prevedere la vita utile rimanente. Valutazione del modello. Esecuzione dell'endtoend del blocco note come job di addestramento utilizzando Executor. Deployment del modello su Vertex AI. Eseguire la pulizia.	Colab GitHub Vertex AI Workbench
Vertex AI Workbench BigQuery ML	Analisi dell'ottimizzazione dei prezzi sui dati sui prezzi CDM. L'obiettivo di questo blocco note è creare un modello di ottimizzazione dei prezzi utilizzando BigQuery ML. Scopri di più su Vertex AI Workbench. Scopri di più su BigQuery ML. Passaggi del tutorial Carica il set di dati richiesto da un bucket Cloud Storage. Analizzare i campi presenti nel set di dati. Elabora i dati per creare un modello. Creare un modello di previsione di 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 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 sentiment utilizzando l'addestramento di AutoML Text. Valutazione del modello. Deployment del modello su Vertex AI. Ottenere previsioni. Eseguire la pulizia.	Colab 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 dal set di dati "GitHub Activity Data" di BigQuery, esegue query sui dati e poi scrive i risultati in BigQuery. Scopri di più su Vertex AI Workbench. Scopri di più su Dataproc Serverless per Spark. Passaggi del tutorial Configurazione di un progetto Google Cloud e di un cluster Dataproc. Configurazione di sparkbigqueryconnector. Importazione di dati da BigQuery in un DataFrame Spark. Pre-elaborazione dei dati importati. Esecuzione di query sul linguaggio di programmazione più utilizzato nei repository monoglot. Interroga le 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. Scrittura dei risultati della query in BigQuery. Eliminazione delle risorse create per questo blocco note.	Colab 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 un'analisi esplorativa dei dati, pulisce i dati, esegue il feature engineering, addestra il modello, valuta il modello, restituisce 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 BigQuery in un DataFrame Spark. Eseguire un'analisi esplorativa dei dati (EDA). Visualizza i dati con dei campioni. Pulisce i dati. Seleziona le funzionalità. Addestra il modello. Restituisce i risultati. Salva il modello in un bucket Cloud Storage. Elimina le risorse create per il tutorial.	Colab GitHub Vertex AI Workbench