Tutorial sui blocchi note per Vertex AI Jupyter

Questo documento contiene un elenco di tutti i tutorial per i blocchi note per Vertex AI Jupyter. 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:

• Scaricali da GitHub ed eseguili 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 sui blocchi 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 quelli 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 deprecati. Il 30 gennaio 2025 terminerà il supporto per i blocchi note gestiti dall'utente e verrà rimossa la possibilità di 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 sul blocco 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 Tutto pronto per l'apertura del blocco note visualizzata dopo l'avvio dell'istanza, fai clic su Apri.
4. Nella pagina Conferma deployment nel server di blocchi note, seleziona Conferma.
5. Prima di eseguire il blocco note, seleziona Kernel > Riavvia kernel e Cancella tutti gli output.

Elenco dei blocchi note

Seleziona un servizio AutoML BigQuery BigQuery ML Addestramento personalizzato Tabulari Immagine Testo Video Esperimenti Vertex AI Vertex AI Feature Store Vector Search Valutazione del modello 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 per 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 per i dati tabulari. Passaggi del tutorial Creare un job di addestramento del modello Vertex AI. Addestra un modello tabulare AutoML. Eseguire il deployment della risorsa modello in una risorsa endpoint di gestione. Fai una previsione inviando dati. Annulla il deployment della risorsa del modello.	Colab GitHub Vertex AI Workbench
Classificazione per dati di testo	Crea, addestra ed esegui il deployment di un modello di classificazione di 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 modello di classificazione di testo AutoML. Ottieni le metriche di valutazione per la risorsa Modello. Creare una risorsa endpoint. Eseguire il deployment della risorsa del modello nella risorsa Endpoint. Fare una previsione online esegui 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 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 AI. Scopri di più su come ottenere previsioni da un modello di classificazione delle immagini. Passaggi del tutorial Creare una risorsa del set di dati Vertex AI. Addestrare il modello. Visualizza la valutazione del modello. Esegui 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 AI. Scopri di più su come ottenere previsioni da un modello di classificazione delle immagini. Passaggi del tutorial Creare una risorsa del set di dati Vertex AI. Addestrare il modello. Visualizza la valutazione del modello. Eseguire il deployment della risorsa modello in una risorsa endpoint di gestione. Fai una previsione. Annulla il deployment del modello.	Colab GitHub Vertex AI Workbench
AutoML	Modello di rilevamento di oggetti immagine di addestramento AutoML per l'esportazione a livello perimetrale. In questo tutorial, creerai un modello di rilevamento degli oggetti immagine AutoML da uno script Python utilizzando l'SDK Vertex AI, quindi esporterai il modello come modello Edge in formato TFLite. Passaggi del tutorial Creare una risorsa del set di dati Vertex AI. Addestrare il modello. Esporta il modello Edge dalla risorsa Modello a Cloud Storage. Scarica il modello in locale. Fai una previsione locale.	Colab GitHub Vertex AI Workbench
Rilevamento di oggetti per i dati delle immagini	Modello di rilevamento degli oggetti immagine di addestramento AutoML per la previsione online. In questo tutorial creerai un modello di rilevamento degli 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 degli oggetti per i dati delle immagini. Passaggi del tutorial Creare una risorsa del set di dati Vertex AI. Addestrare il modello. Visualizza la valutazione del modello. Eseguire il deployment della risorsa modello in una risorsa endpoint di gestione. Fai una previsione. Annulla il deployment del modello.	Colab GitHub Vertex AI Workbench
Flusso di lavoro tabulare per AutoML E2E	Pipeline di flusso di lavoro tabulare AutoML. Scopri come creare due modelli di regressione utilizzando Vertex AI Pipelines scaricata da Google Cloud Pipeline Componentis . Scopri di più su Tabular Workflow for E2E AutoML. Passaggi del tutorial Crea una pipeline di addestramento che riduca lo spazio di ricerca rispetto all'impostazione predefinita 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 di testo di addestramento AutoML per la 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 Creare una risorsa del set di dati Vertex AI. Addestrare il modello. Visualizza la valutazione del modello. Esegui una previsione batch.	Colab GitHub Vertex AI Workbench
AutoML	Modello di analisi del sentiment del testo per l'addestramento AutoML per la previsione batch. In questo tutorial, creerai un modello di analisi del sentiment del testo AutoML da uno script Python e quindi eseguirai una previsione batch utilizzando l'SDK Vertex AI. Passaggi del tutorial Creare una risorsa del set di dati Vertex AI. Addestrare il modello. Visualizza la valutazione del modello. Esegui 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 di AutoML. Passaggi del tutorial Addestra un modello di immagine Esporta il modello di immagine come modello perimetrale 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 i dati tabulari	Previsione gerarchica di addestramento 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. Esegui una previsione batch.	Colab GitHub Vertex AI Workbench
Rilevamento di oggetti per i dati delle immagini	Modello di rilevamento degli oggetti immagine di addestramento AutoML per la previsione batch. In questo tutorial, creerai un modello di rilevamento degli oggetti immagine AutoML da uno script Python ed eseguirai una previsione batch utilizzando l'SDK Vertex AI. Scopri di più sul rilevamento degli oggetti per i dati delle immagini. Passaggi del tutorial Creare una risorsa del set di dati Vertex AI. Addestrare il modello. Visualizza la valutazione del modello. Esegui una previsione batch.	Colab GitHub Vertex AI Workbench
Previsione per i 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 dei dati tabulari. Passaggi del tutorial Creare una risorsa del set di dati Vertex AI. Addestra una risorsa modello di previsione tabulare AutoML. Ottieni le metriche di valutazione per la risorsa Modello. Esegui una previsione batch.	Colab GitHub Vertex AI Workbench
Regressione per i dati tabulari	Modello di regressione tabulare di addestramento AutoML per la previsione batch con BigQuery. Scopri come creare un modello di regressione tabulare AutoML ed eseguirne il deployment per la previsione batch utilizzando l'SDK Vertex AI per Python. Scopri di più sulla regressione per i dati tabulari. Passaggi del tutorial Creare una risorsa del set di dati Vertex AI. Addestrare il modello. Visualizza la valutazione del modello. Eseguire il deployment della risorsa modello in una risorsa endpoint di gestione. Fai una previsione. Annulla il deployment del modello.	Colab GitHub Vertex AI Workbench
Regressione per i dati tabulari	Modello di regressione tabulare di addestramento AutoML per la previsione online mediante BigQuery. Scopri come creare un modello di regressione tabulare AutoML ed eseguire il deployment per la previsione online da uno script Python utilizzando l'SDK Vertex AI. Scopri di più sulla regressione per i dati tabulari. Passaggi del tutorial Creare una risorsa del set di dati Vertex AI. Addestrare il modello. Visualizza la valutazione del modello. Eseguire il deployment della risorsa modello in una risorsa endpoint di gestione. Fai una previsione. Annulla il deployment del modello.	Colab GitHub Vertex AI Workbench
Estrazione di entità per i dati di testo	Modello di estrazione delle entità di testo per l'addestramento AutoML per la previsione online. Scopri come creare un modello di estrazione delle entità di testo AutoML ed eseguirne 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 Creare una risorsa del set di dati Vertex AI. Addestrare il modello. Visualizza la valutazione del modello. Eseguire il deployment della risorsa modello in una risorsa endpoint di gestione. Fai una previsione. Annulla il deployment del modello.	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 del testo 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 Creare una risorsa del set di dati Vertex AI. Crea un job di addestramento per il modello AutoML sul set di dati. Visualizza le metriche di valutazione del modello. Esegui il deployment della risorsa Vertex AI Model su un endpoint Vertex AI di gestione. Invia una richiesta di previsione al modello di cui è stato eseguito il deployment. Annulla il deployment del modello dall'endpoint. Esegui il processo di pulizia.	Colab GitHub Vertex AI Workbench
Riconoscimento delle azioni per i dati dei video	Modello di riconoscimento delle azioni video di addestramento AutoML per la previsione batch. Scopri come creare un modello di riconoscimento delle azioni video AutoML 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 Creare una risorsa del set di dati Vertex AI. Addestrare il modello. Visualizza la valutazione del modello. Esegui una previsione batch.	Colab GitHub Vertex AI Workbench
Classificazione per i dati video	Modello di classificazione di 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 per i dati dei video. Passaggi del tutorial Creare una risorsa del set di dati Vertex AI. Addestrare il modello. Visualizza la valutazione del modello. Esegui una previsione batch.	Colab GitHub Vertex AI Workbench
Monitoraggio degli oggetti per i dati video	Modello di monitoraggio degli oggetti video di addestramento AutoML per la previsione batch. Scopri come creare un modello di monitoraggio degli 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 Creare una risorsa del set di dati Vertex AI. Addestrare il modello. Visualizza la valutazione del modello. Esegui una previsione batch.	Colab GitHub Vertex AI Workbench
BigQuery ML	Inizia a utilizzare il corso di formazione BigQuery ML. Scopri come utilizzare BigQueryML 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 Esportare il modello BigQuery ML come modello cloud Carica il modello esportato come risorsa Vertex AI Model Ottimizzazione degli iperparametri di un modello BigQuery ML con Vertex AI Vizier Registra automaticamente un modello BigQuery ML in Vertex AI Model Registry	Colab GitHub Vertex AI Workbench
Addestramento personalizzato Previsione di Vertex AI	Deployment del modello di rilevamento dell'iride con FastAPI e la gestione di container personalizzati 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 utilizzi 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 gli artefatti del modello. Carica ed esegui il deployment di un container personalizzato su Vertex AI Endpoints.	Colab GitHub Vertex AI Workbench
Formazione su Vertex AI	Addestramento di un modello TensorFlow su dati BigQuery. Scopri come creare un modello con addestramento personalizzato da uno script Python in un container Docker usando l'SDK Vertex AI per Python. Quindi, ottieni 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 addestrare un modello. Addestra un modello TensorFlow. Eseguire il deployment della risorsa modello in una risorsa endpoint di gestione. Fai una previsione. Annulla il deployment della risorsa del modello.	Colab GitHub Vertex AI Workbench
Addestramento personalizzato	Addestramento personalizzato con container di addestramento personalizzato e registrazione automatica del modello. In questo tutorial potrai creare un modello personalizzato da uno script Python in un container Docker personalizzato utilizzando l'SDK Vertex AI e registrare automaticamente il modello in Vertex AI Model Registry. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Creare un job Vertex AI personalizzato 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
Profiler di Vertex AI TensorBoard	Prestazioni dell'addestramento del modello di profilo utilizzando Profiler. Scopri come abilitare Vertex AI TensorBoard Profiler per i job di addestramento personalizzato. 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 Visualizza la dashboard di Vertex AI TensorBoard Profiler	Colab GitHub Vertex AI Workbench
Addestramento personalizzato	Inizia a utilizzare Vertex AI Training per XGBoost. Scopri come utilizzare Vertex AI Training per addestrare un modello XGBoost personalizzato. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Addestramento mediante un pacchetto Python. Precisione dei report durante l'ottimizzazione degli iperparametri. Salva gli artefatti del modello in Cloud Storage utilizzando Cloud StorageFuse. Creare una risorsa Model Vertex AI.	Colab GitHub Vertex AI Workbench
Risorse condivise tra i deployment	Inizia a utilizzare gli endpoint e la VM condivisa. 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 modello (modello A). Carica un modello di codificatore di frasi di testo preaddestrato come risorsa modello (modello B). Creare un pool di risorse di deployment delle VM condiviso. Elenca i pool di risorse di deployment delle VM condivisi. Creare due risorse endpoint. Esegui il deployment del primo modello (modello A) sulla 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 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 usa la previsione batch di Vertex AI per eseguire una previsione batch sul modello addestrato. Scopri di più sull'addestramento personalizzato. Scopri di più sulla previsione batch di Vertex AI. Passaggi del tutorial Crea un job Vertex AI personalizzato per l'addestramento di un modello TensorFlow. Carica gli artefatti del modello addestrati come risorsa del modello. Esegui una previsione batch.	Colab GitHub Vertex AI Workbench
Addestramento personalizzato Previsione di Vertex AI	Addestramento personalizzato e previsione online. Impara a utilizzare Vertex AI Training per creare un modello con addestramento personalizzato da uno script Python in un container Docker e impara a usare Vertex AI Prediction per effettuare una previsione sul modello di cui hai 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 addestrati in una risorsa modello. Creare una risorsa endpoint di gestione. Eseguire il deployment della risorsa modello in una risorsa endpoint di gestione. Fai una previsione. Annulla il deployment della risorsa del modello.	Colab GitHub Vertex AI Workbench
Set di dati BigQuery Vertex AI per gli utenti 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 del set di dati Vertex AI da una 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 per 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 compatibile con tf.data.Dataset per i modelli TensorFlow di addestramento personalizzato. Seleziona le righe dai file CSV estratti in un file tf.data.Dataset compatibile per i modelli TensorFlow di addestramento personalizzato. Crea un set di dati BigQuery da file CSV. Estrai i dati dalla tabella BigQuery in un file XGBoost compatibile con DMatrix per l'addestramento personalizzato di modelli XGBoost.	Colab GitHub Vertex AI Workbench
Etichettatura dati di Vertex AI	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 Creare un pool di esperti per gli etichettatori di dati. Creare un job di etichettatura dei dati. Invia il job di etichettatura dei dati. Elenca i job di etichettatura dei dati. Annulla un job di etichettatura dati.	Colab GitHub Vertex AI Workbench
Vertex AI Experiments Metadati Vertex ML	Crea la derivazione degli esperimenti 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 sui metadati Vertex ML. Passaggi del tutorial Esegui modulo per pre-elaborare i dati crea un artefatto del set di dati Parametri del log Esegui modulo per addestrare il modello Parametri del log Crea artefatto del modello Assegna la derivazione del monitoraggio a set di dati, modello e parametri	Colab GitHub Vertex AI Workbench
Esperimenti di Vertex AI	Monitorare parametri e metriche per i modelli addestrati localmente. Scopri come utilizzare gli esperimenti di Vertex AI per confrontare e valutare gli esperimenti dei modelli. Scopri di più su Vertex AI Experiments. Passaggi del tutorial registra i parametri del modello registra la perdita e le metriche di ogni epoca in Vertex AI TensorBoard registra le metriche di valutazione	Colab GitHub Vertex AI Workbench
Esperimenti di Vertex AI Pipeline Vertex AI	Confronta le esecuzioni delle pipeline con gli esperimenti Vertex AI. Scopri come utilizzare Vertex AI Experiments per registrare un job di pipeline e confrontare diversi job di pipeline. Scopri di più su Vertex AI Experiments. Scopri di più su Vertex AI Pipelines. Passaggi del tutorial Formalizzare un componente di addestramento Crea una pipeline di addestramento Esegui diversi job di pipeline e registra i relativi risultati Confrontare diversi job di pipeline	Colab GitHub Vertex AI Workbench
Vertex AI TensorBoard	Elimina gli esperimenti obsoleti in Vertex AI TensorBoard. Scopri come eliminare gli esperimenti obsoleti di Vertex AI TensorBoard per evitare costi di archiviazione inutili. Scopri di più su Vertex AI TensorBoard. Passaggi del tutorial Come eliminare l'esperimento TB con una coppia di etichetta valore-chiave predefinita <label_key, label_value=""></label_key,> Come eliminare gli esperimenti TB creati prima di create_time Come eliminare gli esperimenti TB creati prima di update_time	Colab GitHub Vertex AI Workbench
Esperimenti di Vertex AI	Registrazione automatica dell'addestramento personalizzato - Script locale. Scopri come automatizzare i parametri e le metriche di un esperimento ML in esecuzione nell'addestramento di Vertex AI sfruttando l'integrazione con Vertex AI Experiments. Scopri di più su Vertex AI Experiments. Passaggi del tutorial Formalizza l'esperimento del modello in uno script Esegui il traning dei modelli utilizzando lo script locale su Vertex AI Training Dai un'occhiata ai parametri e alle 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 gli esperimenti di Vertex AI durante l'addestramento con Vertex AI. Scopri di più su Vertex AI Experiments. Scopri di più sui metadati Vertex ML. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Addestramento locale (blocco note) Crea un esperimento Crea una prima esecuzione nell'esperimento Parametri e metriche dei log Crea derivazione dell'artefatto Visualizzare i risultati dell'esperimento Esegui una seconda esecuzione Confronta le due esecuzioni dell'esperimento Formazione sul cloud (Vertex AI) All'interno dello script di addestramento	Colab GitHub Vertex AI Workbench
Esperimenti di Vertex AI	Autologging. Scopri come utilizzare Vertex AI Autologging. Passaggi del tutorial Attiva il logging automatico nell'SDK Vertex AI. Addestra il modello scikitlearn e osserva l'esecuzione dell'esperimento risultante con metriche e parametri registrati automaticamente in Vertex AI Experiments senza impostare un'esecuzione dell'esperimento. Addestra il modello TensorFlow, controlla le metriche e i parametri autologati con gli esperimenti Vertex AI impostando manualmente un'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 venga registrato.	Colab GitHub Vertex AI Workbench
Classificazione per dati tabulari Vertex Explainable AI	Modello di classificazione binaria tabulare di addestramento AutoML per la spiegazione dei batch. Impara a utilizzare AutoML per creare un modello di classificazione binaria tabulare a partire da uno script Python, quindi impara a usare la previsione batch di Vertex AI per fare previsioni con spiegazioni. Scopri di più sulla classificazione per i dati tabulari. Scopri di più su Vertex Explainable AI. Passaggi del tutorial Creare una risorsa del set di dati Vertex AI. Addestra un modello di classificazione binaria tabulare AutoML. Visualizza le metriche di valutazione per il modello addestrato. Crea una richiesta di previsione batch con spiegabilità.	Colab GitHub Vertex AI Workbench
Classificazione per dati tabulari Vertex Explainable AI	Modello di classificazione tabulare di addestramento AutoML per la spiegazione online. Scopri come utilizzare AutoML per creare un modello di classificazione binaria tabulare a partire da uno script Python, quindi impara a usare la previsione online di Vertex AI per fare previsioni online con spiegazioni. Scopri di più sulla classificazione per i dati tabulari. Scopri di più su Vertex Explainable AI. Passaggi del tutorial Creare una risorsa del set di dati Vertex AI. Addestra un modello di classificazione binaria tabulare AutoML. Visualizza le metriche di valutazione per il modello addestrato. Creare una risorsa endpoint di gestione. Eseguire il deployment della risorsa modello in una risorsa endpoint di gestione. Effettua una richiesta di previsione online con spiegabilità. Annulla il deployment della risorsa del modello.	Colab GitHub Vertex AI Workbench
Vertex Explainable AI Previsione batch di Vertex AI	Modello di classificazione delle immagini di addestramento personalizzato per la previsione batch con spiegabilità. Impara a utilizzare Vertex AI Training e Explainable AI per creare un modello di classificazione delle immagini personalizzato con spiegazioni, quindi imparerai a usare la previsione batch di Vertex AI per effettuare una richiesta di previsione batch con spiegazioni. Scopri di più su Vertex Explainable AI. Scopri di più sulla previsione batch di Vertex AI. Passaggi del tutorial Crea un job Vertex AI personalizzato per l'addestramento di un modello TensorFlow. Visualizza la valutazione per il modello addestrato. Imposta i parametri di spiegazione per il momento in cui viene eseguito il deployment del modello. Carica gli artefatti del modello addestrati e i parametri di spiegazione come risorsa del modello. Esegui una previsione batch con le spiegazioni.	Colab GitHub Vertex AI Workbench
Vertex Explainable AI Previsione di Vertex AI	Modello di classificazione delle immagini di addestramento personalizzato per la previsione online con spiegabilità. Scopri come utilizzare Vertex AI Training e Explainable AI per creare un modello di classificazione delle immagini personalizzato con spiegazioni, quindi imparerai a usare Vertex AI Prediction per effettuare una richiesta di previsione online con 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 per il 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 addestrati come risorsa del modello. Creare una risorsa endpoint di gestione. Eseguire il deployment della risorsa modello in una risorsa endpoint di gestione. Fai una previsione con una spiegazione. Annulla il deployment della risorsa del modello.	Colab GitHub Vertex AI Workbench
Vertex Explainable AI Previsione batch di Vertex AI	Modello di regressione tabulare di addestramento personalizzato per la previsione batch con spiegabilità. Scopri come utilizzare Vertex AI Training e Explainable AI per creare un modello di classificazione delle immagini personalizzato con spiegazioni, quindi imparerai a usare Vertex AI Batch Prediction per effettuare una richiesta di previsione batch con spiegazioni. Scopri di più su Vertex Explainable AI. Scopri di più sulla previsione batch di Vertex AI. Passaggi del tutorial Crea un job Vertex AI personalizzato per l'addestramento di un modello TensorFlow. Visualizza la valutazione per il 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 addestrati come risorsa del modello. Esegui una previsione batch con le spiegazioni.	Colab GitHub Vertex AI Workbench
Vertex Explainable AI Previsione di Vertex AI	Modello di regressione tabulare ad addestramento personalizzato per la previsione online con spiegabilità. Scopri come utilizzare Vertex AI Training e Explainable AI per creare un modello di classificazione delle immagini personalizzato con spiegazioni, quindi imparerai a usare Vertex AI Prediction per effettuare una richiesta di previsione online con 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 per il 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 addestrati come risorsa del modello. Creare una risorsa endpoint di gestione. Eseguire il deployment della risorsa modello in una risorsa endpoint di gestione. Fai una previsione con una spiegazione. Annulla il deployment della risorsa del modello.	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 utilizzando get_metadata. Scopri come creare un modello personalizzato da uno script Python in un container Docker predefinito di Google utilizzando l'SDK Vertex AI, quindi esegui una previsione con spiegazioni sul modello di cui è stato eseguito il deployment inviando 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 della spiegazione. Carica il modello come risorsa Vertex AI Model. Eseguire il deployment della risorsa modello in una risorsa endpoint di gestione. Fai una previsione con una spiegazione. Annulla il deployment della risorsa del modello.	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 su un modello di classificazione delle immagini preaddestrato ed eseguire previsioni online e batch con le 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 modello per il deployment Esegui il deployment del modello per la previsione online Fare previsioni online con le spiegazioni Eseguire previsioni batch con le spiegazioni	Colab GitHub Vertex AI Workbench
Vertex Explainable AI	Spiegazione della classificazione del testo con Vertex Explainable AI. Scopri come configurare le spiegazioni basate sulle funzionalità utilizzando il **metodo Shapley campionato** su un modello di classificazione testuale TensorFlow per le previsioni online con spiegazioni. Scopri di più su Vertex Explainable AI. Passaggi del tutorial Crea e addestra un modello di classificazione del testo TensorFlow Carica modello per il deployment Esegui il deployment del modello per la previsione online Fare previsioni online con le spiegazioni	Colab GitHub Vertex AI Workbench
Feature Store di Vertex AI	SDK per l'importazione dei flussi di dati. Scopri come importare le caratteristiche da un DataFrame Pandas 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 di Vertex AI	Pubblicazione e recupero di funzionalità online dei dati BigQuery con Vertex AI Feature Store. Scopri come creare e utilizzare un'istanza di Feature Store online per ospitare e gestire dati in BigQuery con Vertex AI Feature Store in un flusso di lavoro end-to-end di pubblicazione dei valori delle funzionalità e recupero del percorso dell'utente. Scopri di più su Vertex AI Feature Store. Passaggi del tutorial Esegui il provisioning di un'istanza di Feature Store online per ospitare e gestire i dati. Registra una vista BigQuery con l'istanza del Feature Store online e configura il job di sincronizzazione. Utilizza il server online per recuperare i valori delle funzionalità per la previsione online.	Colab GitHub Vertex AI Workbench
Feature Store di Vertex AI	Pubblicazione e recupero di funzionalità online dei dati BigQuery con la pubblicazione ottimizzata di Vertex AI Feature Store. Scopri come creare e utilizzare un'istanza di Feature Store online per ospitare e gestire dati in BigQuery con Vertex AI Feature Store in un flusso di lavoro end-to-end di pubblicazione e recupero dei valori delle caratteristiche. Scopri di più su Vertex AI Feature Store. Passaggi del tutorial Esegui il provisioning di un'istanza di Feature Store online per ospitare e gestire i dati utilizzando la pubblicazione online ottimizzata con endpoint pubblico o privato. Registra una vista BigQuery con l'istanza del Feature Store online e configura il job di sincronizzazione. Utilizza il server online per recuperare i valori delle funzionalità per la previsione online.	Colab GitHub Vertex AI Workbench
Feature Store di Vertex AI	Pubblicazione di funzionalità 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 per la pubblicazione di caratteristiche e il percorso dell'utente per il recupero vettoriale. Scopri di più su Vertex AI Feature Store. Passaggi del tutorial Esegui il provisioning di un'istanza di Feature Store online per ospitare e gestire i dati. Crea un'istanza di Feature Store online per gestire una tabella BigQuery. Utilizza il server online per cercare i vicini più prossimi.	Colab GitHub Vertex AI Workbench
Feature Store di 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 Creare risorse archivio di caratteristiche, EntityType e caratteristiche. Importa i valori delle caratteristiche da Pandas DataFrame nel tipo di entità. Legge i valori delle funzionalità dell'entità dal Feature Store online in Pandas DataFrame. Pubblica in gruppo i valori delle funzionalità dal tuo archivio di caratteristiche in DataFrame Pandas. Pubblicazione online con valori delle funzionalità aggiornati. Correttezza pointintime per recuperare i valori delle funzionalità per l'addestramento.	Colab GitHub Vertex AI Workbench
Feature Store di Vertex AI	Previsioni online e batch utilizzando Vertex AI Feature Store (legacy). Scopri come utilizzare Vertex AI Feature Store per importare i dati delle caratteristiche e accedervi sia per la pubblicazione online sia per le attività offline, come l'addestramento. Scopri di più su Vertex AI Feature Store. Passaggi del tutorial Creare risorse archivio di caratteristiche, EntityType e caratteristiche. Importa i dati delle caratteristiche nella risorsa archivio di caratteristiche. Gestire le richieste di previsione online utilizzando le caratteristiche importate. Accedere alle caratteristiche importate in job offline, come job di addestramento. Utilizza l'importazione flusso per importare piccole quantità di dati.	Colab GitHub Vertex AI Workbench
Panoramica del supporto dell'IA generativa su Vertex AI	Valutazione LLM di Vertex AI e inferenza batch. Impara a utilizzare Vertex AI per valutare un modello linguistico di grandi dimensioni (LLM). 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 della previsione rispetto a un modello per un determinato set di dati.	GitHub Vertex AI Workbench
Ottimizza i modelli di testo utilizzando l'ottimizzazione RLHF	Vertex AI LLM Reinforcement Learning from Human Feedback. In questo tutorial imparerai a usare Vertex AI RLHF per ottimizzare ed eseguire il deployment di un modello linguistico di grandi dimensioni (LLM). Scopri di più su come ottimizzare i modelli di testo utilizzando l'ottimizzazione RLHF. Passaggi del tutorial Imposta il numero di passaggi di ottimizzazione del modello. Crea un job di pipeline Vertex AI utilizzando un modello predefinito per l'ottimizzazione. Eseguire la pipeline utilizzando Vertex AI Pipelines. Esegui la previsione online con il modello ottimizzato.	Colab GitHub Vertex AI Workbench
incorporamento del testo	Ricerca semantica mediante incorporamenti. In questo tutorial, dimostriamo come creare un incorporamento generato a partire 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 Esegui una query sull'indice	Colab GitHub Vertex AI Workbench
API di incorporamento del testo	Text Embedding New API (Nuova API di incorporamento del testo). Scopri come chiamare le API più recenti di incorporamento del testo su due nuovi modelli, textembedding-gecko@002 e textembedding-gecko-multilingual@001: Scopri di più sull'API di incorporamento del testo. Passaggi del tutorial Installazione e importazioni Genera incorporamenti	Colab GitHub Vertex AI Workbench
Ottimizza i modelli di testo utilizzando l'ottimizzazione supervisionata	Vertex AI - Ottimizzazione di un modello PEFT. Scopri come utilizzare i modelli LLM di Vertex AI per ottimizzare ed eseguire il deployment di un modello linguistico di grandi dimensioni PEFT. Scopri di più su come ottimizzare i modelli di testo con l'ottimizzazione supervisionata. Passaggi del tutorial Scarica il modello LLM di Vertex AI. Ottimizza il modello. Verrà creato automaticamente un endpoint Vertex AI su cui verrà eseguito il deployment del modello. Esegui una previsione utilizzando l'LLM di Vertex AI. Fai una previsione utilizzando Vertex AI Prediction	Colab GitHub Vertex AI Workbench
l'API PaLM	Utilizzare l'SDK Vertex AI con i modelli linguistici di grandi dimensioni (LLM). Scopri come fornire input di testo ai modelli linguistici di grandi dimensioni (LLM) 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 di IA generativa a un messaggio. Utilizza 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 GitHub Vertex AI Workbench
Ricerca vettoriale	Using Vertex AI Multimodal Embeddings and Vector Search. Scopri come codificare incorporamenti di testo personalizzati, creare un indice approssimativo del vicino più prossimo ed eseguire query sugli indici. Passaggi del tutorial Converti un set di dati di immagini in incorporamenti Crea un indice Carica incorporamenti nell'indice Crea un endpoint indice esegui il deployment dell'indice nell'endpoint indice Esecuzione di una query online	Colab GitHub Vertex AI Workbench
Ricerca vettoriale	Utilizzo di Vector Search per le domande di StackOverflow. Scopri come codificare incorporamenti di testo personalizzati, creare un indice approssimativo del vicino più prossimo ed eseguire query sugli indici. Scopri di più sulla ricerca vettoriale. Passaggi del tutorial Crea indice ANN Crea un endpoint indice con la rete VPC Esegui il deployment dell'indice ANN Esegui query online	Colab GitHub Vertex AI Workbench
Vector Search Vertex AI Embeddings per il testo	Using Vector Search and Vertex AI Embeddings for Text for StackOverflow Domande. Scopri come codificare gli incorporamenti di testo, creare un indice approssimativo del vicino più prossimo ed eseguire query sugli indici. Scopri di più sulla ricerca vettoriale. Scopri di più su Vertex AI Embeddings per il testo. Passaggi del tutorial Converti un set di dati BigQuery in incorporamenti Crea un indice Carica incorporamenti nell'indice Crea un endpoint indice esegui il deployment dell'indice nell'endpoint indice Esecuzione di una query online	Colab GitHub Vertex AI Workbench
Ricerca vettoriale	Crea l'indice di Vector Search. Scopri come creare l'indice approssimativo del vicino più vicino, eseguire query sugli indici e convalidare le prestazioni dell'indice. Scopri di più sulla ricerca vettoriale. Passaggi del tutorial Crea indice ANN e indice di forza bruta Crea un endpoint indice con una rete VPC Esegui il deployment di ANN Index e Brute Force Index Esegui query online Richiamo calcolo	Colab GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Classificazione per i dati delle immagini	Classificazione delle immagini AutoML. Scopri come utilizzare AutoML per addestrare un modello di immagine e usa Vertex AI Prediction e Vertex AI Batch Prediction per effettuare previsioni online e batch. Scopri di più sulla migrazione a Vertex AI. Scopri di più sulla classificazione dei dati delle immagini. Passaggi del tutorial Addestra un modello di classificazione delle immagini AutoML. Esegui una previsione batch. Esegui il deployment del modello su un endpoint Fare una previsione online	Colab GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Rilevamento di oggetti per i dati delle immagini	Rilevamento degli oggetti immagine AutoML. Scopri come utilizzare AutoML per addestrare un modello di immagine e usa Vertex AI Prediction e Vertex AI Batch Prediction per effettuare previsioni online e batch. Scopri di più sulla migrazione a Vertex AI. Scopri di più sul rilevamento degli oggetti per i dati delle immagini. Passaggi del tutorial Addestrare un modello di rilevamento degli oggetti AutoML. Esegui una previsione batch. Esegui il deployment del modello su un endpoint Fare una previsione online	Colab GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Monitoraggio degli oggetti per i dati video	Monitoraggio oggetti video AutoML. Scopri come utilizzare AutoML per addestrare un modello video e usa la previsione batch di Vertex AI per eseguire previsioni batch. Scopri di più sulla migrazione a Vertex AI. Scopri di più sul monitoraggio degli oggetti per i dati video. Passaggi del tutorial Addestra un modello di monitoraggio degli oggetti video AutoML. Esegui una previsione batch.	Colab GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Classificazione per 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 sulla migrazione a Vertex AI. Scopri di più sulla classificazione per i dati tabulari. Passaggi del tutorial Creare una risorsa del set di dati Vertex AI. Addestrare il modello. Visualizza la valutazione del modello. Eseguire il deployment della risorsa modello in una risorsa endpoint di gestione. Fai una previsione. Annulla il deployment del modello	Colab GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Classificazione per dati di testo	Classificazione del testo AutoML. L'obiettivo di questo blocco note è creare un modello di classificazione del testo AutoML. Scopri di più sulla 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 del testo AutoML per la creazione di 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 della demo di 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 dati di testo	AutoML Text Entity Estrazione. L'obiettivo di questo blocco note è creare un modello di estrazione delle entità di testo AutoML. Scopri di più sulla 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 della demo 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 della demo video 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 Analisi del sentiment per i dati di testo	AutoML Text Text Analysis. L'obiettivo di questo blocco note è creare un modello AutoML Text Analysis. Scopri di più sulla migrazione a Vertex AI. Scopri di più sull'analisi del sentiment per i dati di testo. Passaggi del tutorial Copia i dati di addestramento della demo 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 della demo video 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 Classificazione per dati video	Classificazione video AutoML. Scopri come utilizzare AutoML per addestrare un modello video e usa la previsione batch di Vertex AI per eseguire previsioni batch. Scopri di più sulla migrazione a Vertex AI. Scopri di più sulla classificazione per i dati dei video. Passaggi del tutorial Addestra un modello di classificazione di video AutoML. Esegui una previsione batch.	Colab GitHub Vertex AI Workbench
Esegui la migrazione a Vertex AI Addestramento personalizzato	Classificazione delle immagini personalizzate con un container di addestramento personalizzato. Scopri come addestrare un modello di classificazione delle immagini TensorFlow utilizzando un container personalizzato e l'addestramento di Vertex AI. Scopri di più sulla migrazione a Vertex AI. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial pacchettizza il codice di addestramento in un'applicazione Python. Containerizza l'applicazione di addestramento con Cloud Build e Artifact Registry. Crea un job di addestramento dei container personalizzato in Vertex AI ed eseguilo. Valuta il modello generato dal job di addestramento. Crea una risorsa 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. Eseguire 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 delle immagini personalizzate con un container di addestramento predefinito. Scopri come addestrare un modello di classificazione delle immagini Tensorflow utilizzando un container predefinito e l'addestramento di Vertex AI. Scopri di più sulla migrazione a Vertex AI. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial pacchettizza il codice di addestramento in un'applicazione Python. Containerizza l'applicazione di addestramento con Cloud Build e Artifact Registry. Crea un job di addestramento dei container personalizzato in Vertex AI ed eseguilo. Valuta il modello generato dal job di addestramento. Crea una risorsa 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. Eseguire 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 usa la previsione batch di Vertex AI per eseguire una previsione batch sul modello addestrato. Scopri di più sulla migrazione a Vertex AI. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Crea un job personalizzato Vertex AI per l'addestramento di un modello scikitlearn. Carica gli artefatti del modello addestrati come risorsa del modello. Esegui una previsione batch. Esegui il deployment del modello su un endpoint Fare 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 usa la previsione batch di Vertex AI per eseguire una previsione batch sul modello addestrato. Scopri di più sulla migrazione a Vertex AI. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Crea un job personalizzato Vertex AI per l'addestramento di un modello scikitlearn. Carica gli artefatti del modello addestrati come risorsa del modello. Esegui una previsione batch. Esegui il deployment del modello su un endpoint Fare 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 sulla 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. Tagging di un'immagine container, specifica per il repository Docker privato. Esegui il 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 Tenere 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 di un esperimento.	Colab GitHub Vertex AI Workbench
Metadati Vertex ML	Monitorare 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 sui metadati Vertex ML. Passaggi del tutorial Tieni traccia di parametri e metriche per un modello addestrato a livello locale. Estrai ed esegui l'analisi di tutti i parametri e le metriche di un esperimento.	Colab GitHub Vertex AI Workbench
Metadati Vertex ML Pipeline Vertex AI	Monitorare artefatti e metriche nelle esecuzioni di Vertex AI Pipelines utilizzando Vertex ML Metadata. Scopri come monitorare artefatti e metriche con Vertex ML Metadata nelle esecuzioni di Vertex AI Pipeline. Scopri di più sui metadati Vertex ML. Scopri di più su Vertex AI Pipelines. Passaggi del tutorial Usa l'SDK Kubeflow Pipelines per creare una pipeline ML eseguita su Vertex AI La pipeline creerà 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 Cloud che in modo programmatico Trace la derivazione per gli artefatti generati dalla pipeline Esegui una query sui metadati di esecuzione della pipeline	Colab GitHub Vertex AI Workbench
Valutazione dei modelli di Vertex AI Classificazione per dati tabulari	Valutazione dei risultati della previsione batch da un modello di classificazione tabulare AutoML. Scopri come addestrare un modello di classificazione tabulare AutoML per Vertex AI e come valutarlo tramite un job di pipeline Vertex AI utilizzando google_cloud_pipeline_components: Scopri di più su Vertex AI Model Evaluation. Scopri di più sulla classificazione per i dati tabulari. Passaggi del tutorial Creare un set di dati Vertex AI. Addestra un modello di classificazione tabulare Automl nella risorsa Set di dati. Importa nella pipeline la risorsa del modello AutoML addestrato. Eseguire un job di previsione batch. Valuta il modello AutoML utilizzando il componente di valutazione della classificazione. Importa le metriche di classificazione nella risorsa del modello AutoML.	Colab GitHub Vertex AI Workbench
Valutazione del modello 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 per i dati tabulari. Passaggi del tutorial Crea un set di dati Vertex AI Configura un AutoMLTabularTrainingJob Esegui AutoMLTabularTrainingJob, che restituisce un modello Importa una risorsa del modello AutoML preaddestrato nella pipeline Esegui un job di previsione batch nella pipeline Valuta il modello AutoML utilizzando il componente di valutazione della regressione 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 Componenti 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 Creare un set di dati Vertex AI. Addestra un modello di classificazione del testo Automl nella risorsa Set di dati. Importa nella pipeline la risorsa del modello AutoML addestrato. Eseguire un job di previsione batch. Valuta il modello AutoML usando il componente di valutazione della classificazione. Importa le metriche di valutazione nella risorsa del modello AutoML.	Colab GitHub Vertex AI Workbench
Valutazione del modello Vertex AI Classificazione per dati video	Valutazione dei risultati della previsione batch dal modello di classificazione AutoML Video. Scopri come addestrare un modello di classificazione AutoML Video di Vertex AI e come valutarlo tramite un job di pipeline Vertex AI utilizzando google_cloud_pipeline_components: Scopri di più su Vertex AI Model Evaluation. Scopri di più sulla classificazione per i dati dei video. Passaggi del tutorial Creare un set di dati Vertex AI. Addestra un modello di classificazione video Automl sulla risorsa Set di dati Vertex AI. Importa nella pipeline la risorsa addestrata del modello AutoML Vertex AI. Eseguire un job di previsione batch all'interno della pipeline. Valuta il modello AutoML usando il componente di valutazione della classificazione. Importa le metriche di classificazione nella risorsa AutoML Vertex AI Model.	Colab GitHub Vertex AI Workbench
Valutazione dei modelli di Vertex AI Formazione di Vertex AI	Valutazione dei risultati di BatchPrediction da un modello di classificazione tabulare personalizzato. In questo tutorial addestrerai un modello RandomForest di scikit-learn, lo salverai in Vertex AI Model Registry e imparerai a valutarlo tramite un job di pipeline Vertex AI utilizzando google_cloud_pipeline_components. Scopri di più su Vertex AI Model Evaluation. Scopri di più su Vertex AI Training. Passaggi del tutorial Recupera il set di dati dall'origine pubblica. Pre-elabora i dati in locale e salva i dati di test in BigQuery. Addestra un modello di classificazione RandomForest in locale utilizzando il pacchetto Python scikitlearn. Crea un container personalizzato in Artifact Registry per le previsioni. Carica il modello in Vertex AI Model Registry. Crea ed esegui una pipeline Vertex AI	Colab GitHub Vertex AI Workbench
Valutazione del modello Vertex AI Addestramento personalizzato	Valutazione dei risultati della previsione batch dal modello di regressione tabulare personalizzata. 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 Vertex AI CustomTrainingJob per addestrare un modello. Eseguire il CustomTrainingJob Recupera e carica gli artefatti del modello. Visualizza la valutazione del modello. Carica il modello come risorsa Vertex AI Model. Importa nella pipeline una risorsa del modello Vertex AI preaddestrato. Eseguire un job di previsione batch nella pipeline. Valuta il modello utilizzando il componente di valutazione della regressione. Importa le metriche di regressione nella risorsa del modello Vertex AI.	Colab GitHub Vertex AI Workbench
Valutazione dei modelli in Vertex AI	Inizia a importare la valutazione di un modello personalizzato in Vertex AI Model Registry. Scopri come creare e caricare una valutazione di un modello personalizzato e caricarla in una voce della risorsa Model in Vertex AI Model Registry. Scopri di più sulla valutazione dei modelli in Vertex AI. Passaggi del tutorial Importa un modello preaddestrato in Vertex AI Model Registry. Creare una valutazione personalizzata del modello. Importa le metriche di valutazione del modello nel modello corrispondente in Vertex AI Model Registry. Elenca le valutazioni per il modello corrispondente in Vertex AI Model Registry. Crea 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
Vertex AI Model Monitoring per previsioni batch	Previsione batch di Vertex AI con monitoraggio dei modelli. Scopri come utilizzare il servizio Vertex AI Model Monitoring per rilevare deviazioni e anomalie nella previsione batch. Scopri di più su Vertex AI Model Monitoring per previsioni batch. Passaggi del tutorial Caricare un modello preaddestrato come risorsa Vertex AI Model. Generare richieste di previsione batch. Interpretare le statistiche, le visualizzazioni e gli altri dati riportati dalla funzionalità di monitoraggio del modello.	Colab GitHub Vertex AI Workbench
Monitoraggio dei modelli di Vertex AI	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 dell'input per i modelli tabulari AutoML. Scopri di più su Vertex AI Model Monitoring. Passaggi del tutorial Addestrare un modello AutoML. Eseguire il deployment della risorsa del modello nella risorsa Endpoint. Configura la risorsa Endpoint per il monitoraggio del modello. Genera richieste di previsione sintetica per il disallineamento. Genera richieste di previsione sintetica per le deviazioni. Attendi la notifica di avviso via email.	Colab GitHub Vertex AI Workbench
Monitoraggio dei modelli di Vertex AI	Vertex AI Model Monitoring per la previsione batch nei modelli di immagini AutoML. Scopri come utilizzare Vertex AI Model Monitoring con la previsione batch di Vertex AI 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 di entrata e uscita. 3. Utilizza il monitoraggio dei modelli per calcolare il punteggio delle anomalie su ciascuna immagine. 4. Identifica le immagini fuori distribuzione nella richiesta di previsione batch.	Colab GitHub Vertex AI Workbench
Monitoraggio dei modelli di Vertex AI	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. Creare un endpoint. 3. Esegui il deployment del modello nell'endpoint e configuralo per il monitoraggio. 4. Invia una previsione online contenente immagini di entrata e uscita. 5. Utilizza il monitoraggio dei modelli per calcolare il punteggio delle anomalie su ciascuna immagine. 6. Identifica le immagini fuori distribuzione nella richiesta di previsione online.	Colab GitHub Vertex AI Workbench
Monitoraggio dei modelli di Vertex AI	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 dell'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 del modello. Eseguire il deployment della risorsa del modello nella risorsa Endpoint. Configura la risorsa Endpoint per il monitoraggio del modello. Genera richieste di previsione sintetica per il disallineamento. Attendi la notifica di avviso via email. Genera richieste di previsione sintetica per le deviazioni. Attendi la notifica di avviso via email.	Colab GitHub Vertex AI Workbench
Monitoraggio dei modelli di Vertex AI	Vertex AI Model Monitoring per modelli tabulari personalizzati con il container TensorFlow Serving. Impara a utilizzare il servizio Vertex AI Model Monitoring per rilevare il disallineamento e la deviazione delle caratteristiche nelle richieste di previsione dell'input, per i modelli tabulari personalizzati, mediante 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 del modello. Deployment della risorsa modello in una risorsa endpoint con il programma binario di gestione di TensorFlow. Configura la risorsa Endpoint per il monitoraggio del modello. Genera richieste di previsione sintetica per il disallineamento. Attendi la notifica di avviso via email. Genera richieste di previsione sintetica per le deviazioni. Attendi la notifica di avviso via email.	Colab GitHub Vertex AI Workbench
Monitoraggio dei modelli di Vertex AI	Vertex AI Model Monitoring per la configurazione di modelli tabulari. Scopri come configurare il servizio Vertex AI Model Monitoring per rilevare il disallineamento e la deviazione delle funzionalità nelle richieste di previsione degli input. Scopri di più su Vertex AI Model Monitoring. Passaggi del tutorial Scarica un modello tabulare personalizzato preaddestrato. Carica il modello preaddestrato come risorsa del modello. Eseguire il deployment della risorsa del modello nella risorsa Endpoint. Configura la risorsa Endpoint per il monitoraggio del modello. Rilevamento dell'inclinazione e della deviazione per gli input delle funzionalità. Rilevamento dell'inclinazione e della deviazione per le attribuzioni delle caratteristiche. Generazione automatica dello schema di input mediante l'invio di una richiesta di previsione pari a 1000. Elenca, metti in pausa, riprendi ed elimina i job di monitoraggio. Riavvia il job di monitoraggio con lo schema di input predefinito. Visualizzare i dati monitorati registrati.	Colab GitHub Vertex AI Workbench
Monitoraggio dei modelli di Vertex AI	Monitoraggio dei modelli di Vertex AI 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 degli 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 del modello. Eseguire il deployment della risorsa del modello nella risorsa Endpoint. Configura la risorsa endpoint per il monitoraggio del modello	Colab GitHub Vertex AI Workbench
Monitoraggio dei modelli di Vertex AI	Monitoraggio dei modelli di Vertex AI con 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 Caricare un modello preaddestrato come risorsa Vertex AI Model. Crea una risorsa endpoint Vertex AI. Eseguire il deployment della risorsa del modello nella risorsa Endpoint. Configura la risorsa Endpoint per il monitoraggio del modello. Inizializzare la distribuzione di riferimento per il monitoraggio del modello. Genera richieste di previsione sintetiche. Scopri come interpretare le statistiche, le visualizzazioni e gli altri dati riportati dalla funzionalità di monitoraggio dei modelli.	Colab 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 la prima versione di un modello in Vertex AI Model Registry. Crea e registra una seconda versione di un modello in Vertex AI Model Registry. Aggiornamento della versione del modello che è quella predefinita (basata). Eliminazione della versione di un modello. Riaddestramento della versione successiva del modello.	Colab GitHub Vertex AI Workbench
Vertex AI Pipelines Componenti AutoML Classificazione per dati tabulari	Pipeline tabulari AutoML che utilizzano google-cloud-pipeline-components. Scopri come utilizzare Vertex AI Pipelines e i componenti di Google Cloud Pipeline 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 per i dati tabulari. Passaggi del tutorial Crea una pipeline KFP	Colab GitHub Vertex AI Workbench
Vertex AI Pipelines Valutazione dei modelli in Vertex AI	Metodologia sfida e vantaggio per il deployment dei modelli in produzione. Scopri come costruire una pipeline Vertex AI, che addestra una nuova versione challenger di un modello, valuta il modello e confronta la valutazione con il modello corretto esistente in produzione, per determinare se il modello challenger diventa il modello valido 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 in Vertex AI Model Registry. Importa le metriche di valutazione del modello sintetico nel modello corrispondente (basato). Crea una risorsa endpoint Vertex AI Esegui il deployment del modello blessed nella risorsa Endpoint. Creazione di una pipeline Vertex AI Ottieni il modello benedetto. Importa un'altra istanza (challenger) del modello preaddestrato. Registra il modello preaddestrato (challenger) come nuova versione del modello blessed esistente. Crea una valutazione sintetica del modello. Importa le metriche di valutazione del modello sintetico nel modello challenger corrispondente. Confronta le valutazioni e imposta il benedetto o lo challenger come valore predefinito. Esegui il deployment del nuovo modello blessed.	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 di Google Cloud Pipeline. Scopri come utilizzare Vertex AI Pipelines e i componenti di Google Cloud Pipeline per creare un modello personalizzato. Scopri di più su Vertex AI Pipelines. Scopri di più sui componenti di addestramento personalizzati. Passaggi del tutorial Crea una pipeline KFP	Colab GitHub Vertex AI Workbench
Vertex AI Pipelines Componenti di previsione batch di Vertex AI	Addestramento e previsione batch con origine e destinazione BigQuery per un modello di classificazione tabulare personalizzato. In questo tutorial imparerai ad addestrare un modello di classificazione tabulare scikit-learn e a creare un job di previsione batch tramite una pipeline Vertex AI utilizzando google_cloud_pipeline_components. Scopri di più su Vertex AI Pipelines. Scopri di più sui componenti di previsione batch di Vertex AI. Passaggi del tutorial Creare un set di dati in BigQuery. Imposta alcuni dati da quelli di origine per la previsione batch. Crea un pacchetto Python personalizzato per l'applicazione di addestramento. Carica il pacchetto Python in Cloud Storage. Crea una pipeline Vertex AI	Colab GitHub Vertex AI Workbench
Vertex AI Pipelines Ottimizzazione degli iperparametri di Vertex AI	Inizia a utilizzare i componenti della pipeline di ottimizzazione degli iperparametri di Vertex AI. Scopri come utilizzare i componenti predefiniti di Google Cloud Pipeline per l'ottimizzazione degli iperparametri di Vertex AI. Scopri di più su Vertex AI Pipelines. Scopri di più sull'ottimizzazione degli iperparametri di Vertex AI. Passaggi del tutorial Costruisci 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 CustomJob Vertex AI per: Passaggi del tutorial Crea un componente personalizzato con un job di addestramento autonomo. Esegui la pipeline utilizzando le impostazioni a livello di componente per le risorse della macchina Converti il componente di addestramento autonomo in un CustomJob Vertex AI. 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 Componenti 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 i dati tabulari	Pipeline di regressione tabulare AutoML che utilizzano google-cloud-pipeline-components. Scopri come utilizzare Vertex AI Pipelines e i componenti di Google Cloud Pipeline 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 per i 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. Scopri come utilizzare Vertex AI Pipelines e Google Cloud Pipeline Componenti per creare un modello di classificazione del testo AutoML. Scopri di più su Vertex AI Pipelines. Scopri di più sui componenti di AutoML. Passaggi del tutorial Crea una pipeline KFP	Colab GitHub Vertex AI Workbench
Vertex AI Pipelines Componenti BigQuery ML	Addestramento di un modello di previsione delle acquisizioni utilizzando Swivel, BigQuery ML e Vertex AI Pipelines. Scopri come creare una semplice pipeline 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 i passaggi di pre-elaborazione da eseguire sui dati in BigQuery. Creazione di un componente per l'addestramento di un modello di regressione logistica utilizzando BigQuery ML. Creazione e configurazione di una pipeline DSL di 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 di modelli utilizzando i componenti di Google Cloud Pipeline. Scopri come utilizzare Vertex AI Pipelines e Google Cloud Pipeline Componenti per creare ed eseguire il deployment di un modello personalizzato. Scopri di più su Vertex AI Pipelines. Scopri di più sui componenti di addestramento personalizzati. Passaggi del tutorial Crea una pipeline KFP	Colab GitHub Vertex AI Workbench
Vertex AI Pipelines Componenti di Vertex AI Model	Caricamento, previsione e valutazione di modelli utilizzando google-cloud-pipeline-components. Scopri come valutare un modello personalizzato utilizzando una pipeline con componenti di google_cloud_pipeline_components e un componente di pipeline personalizzato da te creato. Scopri di più su Vertex AI Pipelines. Scopri di più sui componenti di Vertex AI Model. Passaggi del tutorial Caricare un modello preaddestrato come risorsa modello. Eseguire un BatchPredictionJob sulla risorsa Modello con dati empirici reali. Genera l'artefatto delle metriche di valutazione sulla risorsa Modello. 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 leggeri basati su funzioni Python e I/O dei componenti. Impara a utilizzare l'SDK KFP per creare componenti leggeri basati su funzioni Python, poi imparerai a usare Vertex AI Pipelines per eseguire la pipeline. Scopri di più su Vertex AI Pipelines. Passaggi del tutorial Crea componenti KFP basati su funzioni Python. Costruire una pipeline KFP. Passa gli artefatti e i parametri tra i componenti, sia per riferimento al percorso che per valore. Utilizza 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 confronti 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 di componenti KFP	Colab GitHub Vertex AI Workbench
Vertex AI Pipelines	Metodologia multicontender e campione per il deployment del modello in produzione. Scopri come creare una pipeline Vertex AI, che valuta i nuovi dati di produzione da un modello di cui è stato eseguito il deployment rispetto ad altre versioni del modello, per determinare se un modello contendente diventa il modello campione per la sostituzione in produzione. Passaggi del tutorial Importa un modello preaddestrato (campione) in Vertex AI Model Registry. Importa le metriche di valutazione dell'addestramento di modelli sintetici nel modello corrispondente (campione). Crea una risorsa endpoint Vertex AI Esegui il deployment del modello campione nella risorsa Endpoint. Importa versioni aggiuntive (concorrenti) del modello di cui è stato eseguito il deployment. Importa metriche di valutazione dell'addestramento di modelli sintetici nei modelli corrispondenti (contendenti). Creazione di una pipeline Vertex AI Ottieni il modello campione. (Fake) Ottimizza il modello campione con i dati di produzione Importa metriche di valutazione del treno sintetico e della produzione per il modello campione. Recupera i modelli contendenti. (Fake) Perfeziona il modello di contendente con i dati di produzione Importa metriche di valutazione del treno sintetico + produzione per i modelli concorrenti. Confronta le valutazioni dei contendenti con quelle del 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 Definire e compilare una pipeline Vertex AI. Specifica l'account di servizio da utilizzare per l'esecuzione di una pipeline.	Colab GitHub Vertex AI Workbench
Componenti AutoML Componenti di BigQuery ML	BigQuery ML and AutoML - Exploreing with 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 di metriche di valutazione dai modelli BigQueryML e AutoML. Selezione del modello addestrato migliore. 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 filtro 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 ed 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 addestrare un modello. Addestra un modello TensorFlow. Invia job di previsione batch.	Colab GitHub Vertex AI Workbench
Previsione di Vertex AI	Inizia a utilizzare il server NVIDIA Triton. Scopri come eseguire il deployment di un container che esegue Nvidia Triton Server con una risorsa Vertex AI Model 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 di pubblicazione Triton per il modello. Costruire un container personalizzato con l'immagine di pubblicazione Triton per il deployment del modello. Carica il modello come risorsa Vertex AI Model. Esegui il deployment della risorsa Model Vertex AI su una risorsa endpoint Vertex AI. invia una richiesta di previsione Annulla il deployment della risorsa modello ed elimina l'endpoint	Colab GitHub Vertex AI Workbench
Previsione non elaborata	Inizia a utilizzare le funzioni di gestione di TensorFlow con la previsione non elaborata di Vertex AI. Scopri come utilizzare la previsione non elaborata di Vertex AI su una risorsa endpoint Vertex AI. Scopri di più sulla previsione non elaborata. Passaggi del tutorial Scarica gli artefatti del modello di classificazione tabulare preaddestrato per uno strumento di stima TensorFlow 1.x. Carica il modello dello strumento di stima TensorFlow come risorsa del modello Vertex AI. Creare una risorsa endpoint. Eseguire il deployment della risorsa modello in una risorsa endpoint. Effettua una previsione non elaborata online all'istanza della risorsa modello di cui è stato eseguito il deployment nella risorsa endpoint.	Colab GitHub Vertex AI Workbench
Ottieni previsioni da un modello addestrato personalizzato	Inizia a utilizzare TensorFlow Serving con Vertex AI Prediction. Scopri come utilizzare Vertex AI Prediction su una risorsa endpoint Vertex AI con il programma binario di pubblicazione TensorFlow. Scopri di più su come ottenere previsioni da un modello con addestramento personalizzato. Passaggi del tutorial Scarica un modello di classificazione delle immagini preaddestrato da TensorFlow Hub. Crea una funzione di pubblicazione per ricevere dati di immagine compressi e output di dati pre-elaborati demopressi per l'input del modello. Carica il modello TensorFlow Hub e la funzione di gestione come risorsa Vertex AI Model. Creazione di una risorsa endpoint Deployment della risorsa modello in una risorsa endpoint con il programma binario di gestione di TensorFlow. Esegui una previsione online sull'istanza della risorsa modello di cui è stato eseguito il deployment nella risorsa endpoint. Eseguire una previsione batch all'istanza della risorsa del modello.	Colab GitHub Vertex AI Workbench
Endpoint privati	Inizia a utilizzare gli endpoint privati di Vertex AI. Scopri come utilizzare le risorse degli endpoint privati Vertex AI. Scopri di più sugli endpoint privati. Passaggi del tutorial Creazione di una risorsa di endpoint privato in corso... Configura una connessione in peering VPC. Configurazione del programma binario di gestione di una risorsa modello per il deployment in una risorsa endpoint privato. Deployment di una risorsa modello in una risorsa endpoint privato. Invia una richiesta di previsione a un endpoint privato	Colab GitHub Vertex AI Workbench
Modelli linguistici Vertex AI	LLM di Vertex AI e previsione dei flussi di dati. Scopri come utilizzare Vertex AI LLM per scaricare un modello LLM preaddestrato, fare previsioni e perfezionare il modello. Scopri di più sui linguistici di Vertex AI. Passaggi del tutorial Carica un modello di generazione di testo preaddestrato. esegui una previsione non di streaming Carica un modello di generazione di testo preaddestrato, che supporta i flussi di dati. esegui una previsione di streaming Carica un modello di chat preaddestrato. Avvia una sessione di chat interattiva locale. Eseguire una previsione batch con un modello di generazione di testo. Esegui una previsione batch con un modello di incorporamento del testo.	Colab 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 di modello personalizzato Pacchettizza gli artefatti del modello in un file di archivio dei modelli Carica modello per il deployment Esegui il deployment del modello per la previsione Fare previsioni online Esegui previsioni batch	Colab GitHub Vertex AI Workbench
Previsione di Vertex AI	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 l'addestramento e la previsione personalizzati. Passaggi del tutorial Pacchettizza l'applicazione di addestramento in una distribuzione di origine Python Configura ed esegui il job di addestramento in un container predefinito Pacchettizza gli artefatti del modello in un file di archivio dei modelli Carica modello per il deployment Esegui il deployment del modello utilizzando un container predefinito per la previsione Fare previsioni online	Colab GitHub Vertex AI Workbench
Vertex AI Training Vertex AI Reduction Server	Addestramento distribuito PyTorch con Vertex AI Reduction Server. Scopri come creare un job di addestramento distribuito PyTorch che utilizzi framework e strumenti di addestramento distribuiti PyTorch ed eseguire il job di addestramento sul servizio Vertex AI Training con Reduction Server. Scopri di più su Vertex AI Training. Scopri di più su Vertex AI Reduction Server. Passaggi del tutorial Crea un'applicazione di addestramento distribuita PyTorch Pacchettizza l'applicazione di addestramento con container predefiniti Crea un job personalizzato su Vertex AI con Reduction Server Invia e monitora il job	Colab GitHub Vertex AI Workbench
Classificazione per i dati video	Esempio di classificazione dei video AutoML. L'obiettivo di questo blocco note è creare un modello di classificazione dei video AutoML. Scopri di più sulla classificazione per i dati dei video. Passaggi del tutorial Imposta il nome dell'attività e il prefisso di Cloud Storage Copia i dati di addestramento della demo 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 della demo video AutoML 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 TF Serving. Scopri come creare un modello personalizzato mediante l'addestramento di pacchetti Python personalizzati e come gestire il modello con il container di gestione TensorFlow per la previsione online. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Creare funzioni di utilità per scaricare i dati e preparare i file CSV per la creazione del set di dati gestito di Vertex AI Scarica dati Prepara i file CSV per la creazione del set di dati gestito Crea pacchetto Python di addestramento personalizzato Crea un container di pubblicazione TensorFlow Esegui l'addestramento dei pacchetti Python personalizzati con il set di dati di testo gestito Esegui il deployment di un modello e crea un endpoint su Vertex AI Previsione sull'endpoint Crea un job di previsione batch sul modello	Colab GitHub Vertex AI Workbench
Flusso di lavoro tabulare per TabNet	Vertex AI Explanations con i modelli TabNet. Scopri come fornire uno strumento di tracciamento di esempio per visualizzare l'output di TabNet, il 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 di preaddestramento del modello su Syn2. 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 di modelli tabulari. Scopri come eseguire l'algoritmo creato di 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 Model Vertex AI su una risorsa endpoint Vertex AI. Esegui 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
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
Componenti di pipeline di Google Cloud Approfondimenti 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 da Google Cloud Pipeline Componentis , quindi esegui una previsione batch utilizzando la pipeline di previsione corrispondente. Scopri di più sui componenti di Google Cloud Pipeline. Scopri di più su Prophet per i dati tabulari. Passaggi del tutorial 1. Addestra i modelli Prophet. 1. Visualizza le metriche di valutazione. 1. Esegui 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 sui dati tabulari utilizzando due dei flussi di lavoro tabulari TabNet di Vertex AI. Scopri di più sul flusso di lavoro tabulare per TabNet. Passaggi del tutorial Creare un CustomJob TabNet. Questa è l'opzione migliore se conosci gli iperparametri da utilizzare per l'addestramento. Creare un HyperparameterTuningJob TabNet. In questo modo puoi ottenere il miglior insieme di iperparametri per il tuo set di dati.	Colab GitHub Vertex AI Workbench
Flusso di lavoro tabulare per Wide and Deep	Wide & 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 & Deep. Passaggi del tutorial Creazione di un CustomJob Wide & Deep. Questa è l'opzione migliore se conosci gli iperparametri da utilizzare per l'addestramento. Crea un HyperparameterTuningJob Wide & Deep. In questo modo puoi ottenere il miglior insieme di iperparametri per il tuo set di dati.	Colab GitHub Vertex AI Workbench
Vertex AI TensorBoard Addestramento personalizzato	Addestramento personalizzato 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 repository Docker e 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 tuo container personalizzato.	Colab GitHub Vertex AI Workbench
Vertex AI TensorBoard Addestramento personalizzato	Addestramento personalizzato 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. Compila 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
Vertex AI TensorBoard	Ottimizzazione degli iperparametri di Vertex AI TensorBoard con la dashboard HParams. Questo tutorial mostra come registrare i risultati degli esperimenti di iperparametri in TensorFlow e visualizzarli nella dashboard Hparams di Vertex AI TensorBoard. Scopri di più su Vertex AI TensorBoard. Passaggi del tutorial Adegua TensorFlow per registrare iperparametri e metriche. Avvia le esecuzioni e registrale tutte in un'unica directory padre. Visualizza i risultati nella dashboard HParams di Vertex AI TensorBoard.	Colab GitHub Vertex AI Workbench
Profiler di Vertex AI TensorBoard	Profila le prestazioni dell'addestramento dei modelli con Vertex AI TensorBoard Profiler. Scopri come abilitare Vertex AI TensorBoard Profiler per i job di addestramento personalizzato. 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 a Vertex AI TensorBoard Profiler Visualizza la dashboard di Vertex AI TensorBoard Profiler per eseguire il debug delle prestazioni di addestramento del modello	Colab GitHub Vertex AI Workbench
Profiler di Vertex AI TensorBoard	Profilo delle prestazioni dell'addestramento dei modelli utilizzando 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 carica il codice di addestramento come pacchetto Python in un container predefinito Crea ed esegui un job di addestramento personalizzato che consente a Vertex AI TensorBoard Profiler Visualizza la dashboard di Vertex AI TensorBoard Profiler per eseguire il debug delle prestazioni di addestramento del modello	Colab 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, eseguirla 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. Costruisci 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 GitHub Vertex AI Workbench
Ottimizzazione degli iperparametri di Vertex AI	Ottimizzazione degli iperparametri distribuita di Vertex AI. In questo blocco note, creerai un modello addestrato personalizzato da uno script Python in un container Docker. Scopri di più sull'ottimizzazione degli iperparametri di Vertex AI. Passaggi del tutorial Addestramento mediante un pacchetto Python. Precisione dei report durante l'ottimizzazione degli iperparametri. Salva gli artefatti del modello in Cloud Storage utilizzando Cloud StorageFuse.	Colab 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 mediante un pacchetto Python. Salva gli artefatti del modello in Cloud Storage utilizzando Cloud StorageFuse. Costruire un server di previsione FastAPI. Costruire un'immagine di deployment Dockerfile. Testa l'immagine di deployment in locale. Creare una risorsa Model Vertex AI.	Colab GitHub Vertex AI Workbench
Addestramento distribuito su Vertex AI	Inizia a utilizzare Vertex AI Distributed Training. Scopri come utilizzare Vertex AI Distributed Training durante l'addestramento con Vertex AI. Scopri di più su Vertex AI Distributed Training. Passaggi del tutorial MirroredStrategy	Colab GitHub Vertex AI Workbench
Ottimizzazione degli iperparametri di Vertex AI	Esegui l'ottimizzazione degli iperparametri per un modello TensorFlow. Scopri come eseguire un job di ottimizzazione degli iperparametri di Vertex AI per un modello TensorFlow. Scopri di più sull'ottimizzazione degli iperparametri di Vertex AI. Passaggi del tutorial Modifica 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 Python di Vertex AI.	Colab GitHub Vertex AI Workbench
Ottimizzazione degli iperparametri di Vertex AI	Ottimizzazione degli iperparametri di Vertex AI per XGBoost. Scopri come utilizzare l'ottimizzazione degli iperparametri di Vertex AI per addestrare un modello XGBoost personalizzato. Scopri di più sull'ottimizzazione degli iperparametri di Vertex AI. Passaggi del tutorial Addestramento mediante un pacchetto Python. Precisione dei report durante l'ottimizzazione degli iperparametri. Salva gli artefatti del modello in Cloud Storage utilizzando Cloud StorageFuse. Creare una risorsa Model Vertex AI.	Colab GitHub Vertex AI Workbench
Formazione su Vertex AI	Addestramento parallelo di dati distribuiti multi-nodo per la classificazione di immagini PyTorch su CPU mediante l'addestramento Vertex con 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
Formazione su Vertex AI	L'NCCL multi-nodo per la classificazione delle immagini PyTorch ha distribuito l'addestramento parallelo di dati su CPU utilizzando l'addestramento Vertex con 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 crea un container personalizzato con Artifact Registry e Docker Crea un'istanza TensorBoard di Vertex AI per archiviare l'esperimento Vertex AI Esegui un CustomContainerTrainingJob per l'SDK Vertex AI	Colab GitHub Vertex AI Workbench
Addestramento personalizzato	Addestramento, ottimizzazione e deployment di un modello di classificazione del sentiment del testo PyTorch su Vertex AI. Impara a creare, addestrare, ottimizzare ed eseguire il deployment di un modello PyTorch su Vertex AI. Scopri di più sull'addestramento personalizzato. Passaggi del tutorial Crea il 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. Esegui il deployment del modello addestrato su 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 GitHub Vertex AI Workbench
Integrazione di PyTorch in Vertex AI	Addestra il modello PyTorch su Vertex AI con i dati di Cloud Storage. Scopri come creare un job di addestramento con PyTorch e un set di dati archiviato in Cloud Storage. Scopri di più sull'integrazione di PyTorch in Vertex AI. Passaggi del tutorial Scrivi uno script di addestramento personalizzato che crei i tuoi set di dati di addestramento e test e addestra il modello. Esegui un CustomTrainingJob dell'SDK Vertex AI	Colab GitHub Vertex AI Workbench
Addestramento distribuito	Utilizzo di Torchrun di PyTorch per semplificare l'addestramento multinodo 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 del 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 REGION 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 per l'SDK Vertex AI	Colab 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 multiobiettivo. 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 Vizier (bayesiano). Suggerimento di prove e aggiornamento dei risultati per lo studio Vizier	Colab GitHub Vertex AI Workbench
Vertex AI Workbench Formazione su Vertex AI	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 in taxi utilizzando il set di dati Chicago Taxi Trips. L'obiettivo di questo blocco note è fornire una panoramica delle funzionalità più recenti di Vertex AI, come **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 analisi esplorative dei dati sul set di dati. Selezione e pre-elaborazione delle caratteristiche. Creazione di un modello di regressione lineare con scikitlearn. È in corso la configurazione del modello per Vertex Explainable AI. Deployment del modello in 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 retail con Vertex AI e BigQuery ML. Scopri come creare un modello ARIMA (Media mobile integrata autoregressiva) da BigQuery ML sulla base dei dati relativi alla vendita al dettaglio Scopri di più su Vertex AI Workbench. Scopri di più su BigQuery ML. Passaggi del tutorial Esplora i dati Modello 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 i vari modi per esplorare e ottenere insight dai dati 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 aiutarti a esplorare parti interessanti dei dati Fare qualche analisi esplorativa di correlazione e serie temporali Creazione di output statici e interattivi (tabelle di dati e grafici) 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 analisi esplorative 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 in un endpoint Esecuzione dello strumento WhatIf sui dati di test Annullamento del deployment del modello ed eliminazione delle risorse del modello	Colab GitHub Vertex AI Workbench
Vertex AI Workbench BigQuery ML	Previsione del tasso di abbandono per gli sviluppatori di giochi che utilizzano Google Analytics 4 e BigQuery ML. Scopri come addestrare e valutare un modello di propensione in BigQuery ML. Scopri di più su Vertex AI Workbench. Scopri di più su BigQuery ML. Passaggi del tutorial Esplora un'esportazione dei dati di Google Analytics 4 su BigQuery. Prepara i dati di addestramento utilizzando dati demografici, comportamentali ed etichette (abbandono/notchurn). Addestra un modello XGBoost utilizzando BigQuery ML. Valutare un modello usando BigQuery ML. Fai previsioni sugli utenti che abbandonano utilizzando BigQuery ML.	Colab GitHub Vertex AI Workbench
Vertex AI Workbench	Previsione dell'inventario sui dati di e-commerce utilizzando Vertex AI. Questo tutorial mostra come eseguire l'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. Creare un modello casuale di classificazione delle foreste che prevede 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 Formazione su Vertex AI	Manutenzione predittiva con Vertex AI. Scopri come utilizzare la funzionalità degli esecutori di Vertex AI Workbench per automatizzare un flusso di lavoro per l'addestramento e il deployment di un modello. Scopri di più su Vertex AI Workbench. Scopri di più su Vertex AI Training. Passaggi del tutorial È in corso il 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 del blocco note endtoend 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 dei 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 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	Sentiment Analysis utilizzando AutoML Natural Language e Vertex AI. Scopri come addestrare ed eseguire il deployment di un modello di analisi del sentiment AutoML ed eseguire previsioni. Scopri di più su Vertex AI Workbench. Scopri di più sull'analisi del sentiment per i dati di testo. Passaggi del tutorial È in corso il caricamento dei dati richiesti. Pre-elaborazione dei dati. Selezione dei dati richiesti per il modello. Caricamento del set di dati nei set di dati gestiti di 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	Sintesi e analizza i dati di BigQuery con Dataproc. Questo tutorial sul blocco note esegue un job Apache Spark che recupera i dati dal set di dati "Dati attività GitHub" di BigQuery, esegue una 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. È in corso la configurazione di sparkbigqueryconnector. Importazione di dati da BigQuery in un DataFrame Spark. Pre-elaborazione dei dati importati. Eseguire query sul linguaggio di programmazione utilizzato più di frequente nei repository monoglotta. Esecuzione di query sulle dimensioni medie (MB) del codice in ogni linguaggio archiviato nei repository monoglotta. Eseguire query sui file delle lingue che si trovano più spesso insieme nei repository poliglotta. Scrittura dei risultati della query in BigQuery. Eliminazione delle risorse create per questo tutorial sul 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 l'analisi esplorativa dei dati, pulisce i dati, esegue il feature engineering, addestra il modello, ne valuta il modello, genera i risultati e lo salva in un bucket Cloud Storage. Scopri di più su Vertex AI Workbench. Scopri di più su Dataproc. Passaggi del tutorial Configura un progetto Google Cloud e un cluster Dataproc. Crea un bucket Cloud Storage e un set di dati BigQuery. Configura sparkbigqueryconnector. Importa i dati BigQuery in un DataFrame Spark. Eseguire Exploratory Data Analysis (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