Prepare um modelo com o Vertex AI e o SDK Python

Este tutorial é um guia completo que mostra como usar o SDK Vertex AI para Python para criar um modelo com preparação personalizada. Executa código num ficheiro de bloco de notas (IPYNB) que usa um contentor Docker para preparar e criar o modelo. Este tutorial destina-se a cientistas de dados que estão a usar o Vertex AI pela primeira vez e que têm experiência com blocos de notas, Python e o fluxo de trabalho de aprendizagem automática (AA).

O processo começa com a utilização da consola Google Cloud para criar o projeto que contém o seu trabalho. No seu projeto, usa o Vertex AI Workbench para criar um bloco de notas do Jupyter. O ambiente do bloco de notas é onde executa código que transfere e prepara um conjunto de dados e, em seguida, usa o conjunto de dados para criar e preparar um modelo. No final do tutorial, o modelo preparado gera previsões.

O objetivo deste tutorial é explicar todos os passos necessários para criar previsões em menos de uma hora. O conjunto de dados usado é relativamente pequeno para que não demore muito tempo a preparar o modelo. Quando terminar, pode aplicar o que aprendeu a conjuntos de dados maiores. Quanto maior for o conjunto de dados, mais precisas são as previsões.

Passos do tutorial

  1. Pré-requisitos: crie a sua conta e projeto. Google Cloud

  2. Crie um notebook: crie e prepare um Jupyter notebook e o respetivo ambiente. Usa o bloco de notas para executar código que cria o conjunto de dados, cria e forma o modelo, e gera as previsões.

  3. Crie um conjunto de dados: transfira um conjunto de dados do BigQuery disponível publicamente e, em seguida, use-o para criar um conjunto de dados tabular do Vertex AI. O conjunto de dados contém os dados que usa para preparar o modelo.

  4. Crie um script de preparação: crie um script Python que transmite ao seu trabalho de preparação. O script é executado quando a tarefa de preparação prepara e cria o seu modelo.

  5. Preparar um modelo: use o seu conjunto de dados tabular para preparar e implementar um modelo. Usa o modelo para criar as suas previsões.

  6. Fazer previsões: use o seu modelo para criar previsões. Esta secção também explica como eliminar os recursos criados durante a execução deste tutorial para não incorrer em custos desnecessários.

O que consegue

Este tutorial explica como usar o SDK Vertex AI para Python para fazer o seguinte:

  • Crie um contentor do Cloud Storage para armazenar um conjunto de dados
  • Pré-processe dados para preparação
  • Use os dados processados para criar um conjunto de dados no BigQuery
  • Use o conjunto de dados do BigQuery para criar um conjunto de dados tabular do Vertex AI
  • Crie e prepare um modelo preparado de forma personalizada
  • Implemente o modelo preparado de forma personalizada num ponto final
  • Gere uma previsão
  • Anule a implementação do modelo
  • Elimine todos os recursos criados no tutorial para não incorrer em mais cobranças

Recursos faturáveis usados

Este tutorial usa recursos faturáveis associados aos serviços do Vertex AI, BigQuery e Cloud Storage Google Cloud . Se for novo no Google Cloud, pode usar um ou mais destes serviços sem custo financeiro. O Vertex AI oferece 300 USD em créditos gratuitos a novos clientes, e o Cloud Storage e o BigQuery têm níveis gratuitos. Para mais informações, consulte o seguinte:

Para evitar cobranças futuras, o passo final deste tutorial explica como remover todos os recursos faturáveis Google Cloud que criou.

Avançar
Pré-requisitos