Hello text data: crea un set di dati di classificazione del testo e importa i documenti

A partire dal 15 settembre 2024 puoi personalizzare gli obiettivi di classificazione, estrazione delle entità e analisi del sentiment passando ai prompt e all'ottimizzazione di Gemini di Vertex AI. L'addestramento o l'aggiornamento dei modelli per la classificazione del testo, l'estrazione di entità e gli obiettivi di analisi del sentiment di Vertex AI non saranno più disponibili. Puoi continuare a utilizzare i modelli Vertex AI AutoML Text esistenti fino al 15 giugno 2025. Per maggiori informazioni su come Gemini offre un'esperienza utente migliorata attraverso funzionalità di prompt migliorate, consulta Introduzione all'ottimizzazione.

Per saperne di più, esegui il blocco note Jupyter "Crea, addestra ed esegui il deployment di un modello di classificazione del testo AutoML" in uno dei seguenti ambienti:

Apri in Colab | Apri in Colab Enterprise | Apri nei blocchi note gestiti dall'utente di Vertex AI Workbench | Visualizza su GitHub

Utilizzare la console Vertex AI per creare un set di dati di classificazione del testo. Dopo aver creato il set di dati, utilizza il file CSV che hai copiato nel bucket Cloud Storage per importare i documenti nel set di dati.

Questo tutorial è composto da varie pagine:

1. Configura il progetto e l'ambiente.

2. Creazione di un set di dati di classificazione del testo .

3. Addestramento di un modello di classificazione del testo AutoML.

4. Esegui il deployment del modello in un endpoint e invia una previsione.

5. È in corso la pulizia del progetto.

Ogni pagina presuppone che tu abbia già eseguito le istruzioni dalle pagine precedenti del tutorial.

1. Vai alla console Vertex AI.

2. Nella pagina Inizia a utilizzare Vertex AI, fai clic su Crea set di dati.

3. Specifica i dettagli del set di dati.

   1. Specifica un nome per questo set di dati, ad esempio text_classification_tutorial.

   2. Nella sezione Seleziona un tipo di dati e un obiettivo, fai clic su Testo e seleziona Classificazione del testo (etichetta singola).

   3. In corrispondenza di Regione, seleziona us-central1.

      Questo tutorial utilizza us-central1, ma Vertex AI supporta altre regioni, come europe-west4.

   4. Fai clic su Crea per creare il set di dati vuoto e poi importare i documenti.

4. Nella pagina di importazione, scegli Seleziona file di importazione da Cloud Storage e specifica il percorso Cloud Storage del tuo file CSV. Suggerimento: fai clic su Sfoglia, seleziona il file happiness.csv nella finestra di dialogo Seleziona oggetto e fai clic su Seleziona.

   Per questo tutorial, il file CSV si trova all'indirizzo: gs://${BUCKET}/text/happiness.csv. Il bucket per questo tutorial si trova nella stessa regione del set di dati, ma puoi specificare i file che si trovano in bucket di qualsiasi regione.

5. Mantieni la suddivisione dati Predefinita.

   Vertex AI assegna automaticamente i documenti ai set di addestramento, convalida e test. Per ulteriori informazioni, consulta Informazioni sulle suddivisioni di dati per i modelli AutoML.

6. Fai clic su Continua per avviare l'importazione.

   Il processo di importazione richiederà alcuni minuti. Al termine dell'importazione, puoi sfogliare tutti i documenti importati e le relative etichette associate nella scheda Sfoglia del set di dati.

Passaggi successivi

Segui la pagina successiva di questo tutorial per avviare un job di addestramento di un modello AutoML.