Hello テキストデータ: エンドポイントへのモデルのデプロイと予測の送信

2024 年 9 月 15 日以降、分類、エンティティ抽出、感情分析の目標をカスタマイズするには、Vertex AI Gemini のプロンプトとチューニングに移行する必要があります。Vertex AI AutoML Text のモデルを、分類、エンティティ抽出、感情分析の目標に向けてトレーニングまたは更新することはできなくなります。既存の Vertex AI AutoML Text モデルは、2025 年 6 月 15 日まで引き続き使用できます。AutoML Text と Gemini の比較については、AutoML Text ユーザー向けの Gemini をご覧ください。プロンプト機能の向上による Gemini のユーザー エクスペリエンスの改善について詳しくは、チューニングの概要をご覧ください。チューニングを開始するには、Gemini テキストモデルのモデル チューニングをご覧ください。

詳細については、次のいずれかの環境で Jupyter ノートブック「AutoML テキスト分類モデルの作成、トレーニング、デプロイ」を実行してください。

Colab で開く | Colab Enterprise で開く | Vertex AI Workbench のユーザー管理のノートブックで開く | GitHub で表示する

AutoML テキスト分類モデルのトレーニングが完了したら、Vertex AI コンソールを使用してエンドポイントを作成し、モデルをエンドポイントにデプロイします。モデルをエンドポイントにデプロイしたら、ラベルの予測のためにドキュメントをモデルに送信します。

このチュートリアルには複数のページが含まれます。

1. プロジェクトと環境の設定

2. テキスト分類データセットの作成

3. AutoML テキスト分類モデルのトレーニング

4. エンドポイントへのモデルのデプロイと予測の送信

5. プロジェクトのクリーンアップ

各ページは、前のページのチュートリアルの手順をすでに実施していることを前提としています。

エンドポイントにモデルをデプロイする

[モデル レジストリ] ページから、新しいエンドポイントにデプロイするトレーニング済みモデルにアクセスします。

1. Google Cloud コンソールの [Model Registry] ページに移動します。

   [Model Registry] ページに移動

2. [リージョン] で [us-central1 (アイオワ)] を選択します。

3. トレーニング済みの AutoML モデルの名前とバージョン番号をクリックして、モデルの詳細を表示します。

   たとえば、[評価] タブでは、モデルのパフォーマンス指標を確認できます。

4. [デプロイとテスト] タブを選択して、エンドポイントを作成します。

5. [エンドポイントへのデプロイ] をクリックします。

6. [エンドポイントへのデプロイ] ウィンドウで、次の手順を行います。

   1. [新しいエンドポイントを作成する] を選択し、エンドポイントの名前（hello_automl_text など）を入力します。

   2. [トラフィック分割] を 100% にして [デプロイ] をクリックします。

エンドポイントを作成し AutoML モデルを新しいエンドポイントにデプロイするのに数分かかります。

モデルに予測を送信する

エンドポイントが作成されたら、Vertex AI コンソールからテキスト予測を送信できます。

1. Google Cloud コンソールの [Model Registry] ページに移動します。

   [Model Registry] ページに移動

2. [リージョン] で [us-central1 (アイオワ)] を選択します。

3. トレーニング済みの AutoML モデルをクリックします。

4. [デプロイとテスト] タブを選択します。

5. [モデルのテスト] セクションで、予測に使用するテキストを入力します。

6. [予測] をクリックして、モデルの予測ラベルと信頼スコアを表示します。

次のステップ

• 作成したリソースをクリーンアップするために、チュートリアルの最後のページに従う