Questo tutorial è una guida completa che mostra come utilizzare l'SDK Vertex AI per Python per creare un modello con addestramento personalizzato. Esegui il codice in un blocco note Jupyter che utilizza un container Docker per addestrare e creare il modello. Il tutorial è per i data scientist che non hanno mai utilizzato Vertex AI e hanno conoscenza dei blocchi note, di Python e del flusso di lavoro di machine learning (ML).
Il processo inizia a utilizzare la console Google Cloud per creare il progetto che contiene il tuo lavoro. Nel tuo progetto, userai Vertex AI Workbench per creare un blocco note Jupyter. Nell'ambiente del blocco note viene eseguito il codice che scarica e prepara un set di dati, quindi utilizzi il set di dati per creare e addestrare un modello. Al termine del tutorial, il modello addestrato genera previsioni.
L'obiettivo di questo tutorial è illustrarti ogni passaggio necessario per creare previsioni in meno di un'ora. Il set di dati utilizzato è relativamente piccolo, perciò l'addestramento del modello non richiede molto tempo. Quando hai finito, puoi applicare quanto apprendi a set di dati più grandi. Più grande è il set di dati, più precise sono le previsioni.
Passaggi del tutorial
Prerequisiti - Crea il tuo account e il tuo progetto Google Cloud.
Crea un blocco note Jupyter: crea e prepara un blocco note Jupyter e il relativo ambiente. Puoi usare il blocco note per eseguire il codice che crea il set di dati, crea e addestra il modello e genera le previsioni.
Crea un set di dati - Scarica un set di dati BigQuery disponibile pubblicamente, quindi utilizzalo per creare un set di dati tabulare Vertex AI. Il set di dati contiene i dati utilizzati per addestrare il modello.
Crea uno script di addestramento: crea uno script Python da passare al job di addestramento. Lo script viene eseguito quando il job di addestramento addestra e crea il modello.
Addestra un modello - Utilizza il tuo set di dati tabulare per addestrare un modello ed eseguirne il deployment. Puoi usare il modello per creare le previsioni.
Eseguire previsioni - Utilizza il modello per creare previsioni. Questa sezione illustra anche come eliminare le risorse create durante l'esecuzione del tutorial per evitare addebiti inutili.
Risultati
Questo tutorial illustra come utilizzare l'SDK Vertex AI per Python per:
- crea un bucket Cloud Storage per archiviare un set di dati
- Pre-elabora i dati per l'addestramento
- Utilizza i dati elaborati per creare un set di dati in BigQuery
- Usare il set di dati BigQuery per creare un set di dati tabulare Vertex AI
- Crea e addestra un modello con addestramento personalizzato
- Esegui il deployment del modello con addestramento personalizzato su un endpoint
- Genera una previsione
- Annulla il deployment del modello
- Elimina tutte le risorse create nel tutorial in modo da non dover sostenere ulteriori addebiti
Risorse fatturabili utilizzate
Questo tutorial utilizza risorse fatturabili associate ai servizi Google Cloud di Vertex AI, BigQuery e Cloud Storage. Se non hai mai utilizzato Google Cloud, potresti essere in grado di utilizzare uno o più di questi servizi senza costi. Vertex AI offre 300 $di crediti gratuiti ai nuovi clienti, mentre Cloud Storage e BigQuery hanno livelli gratuiti. Per ulteriori informazioni, consulta le seguenti risorse:
- Prezzi di Vertex AI e funzionalità cloud gratuite e offerta di prova
- Prezzi di BigQuery e utilizzo del livello gratuito di BigQuery
- Prezzi di Cloud Storage e utilizzo del livello gratuito di Cloud Storage
- Calcolatore prezzi di Google Cloud
Per evitare ulteriori addebiti, il passaggio finale di questo tutorial illustra come rimuovere tutte le risorse Google Cloud fatturabili che hai creato.