Hello 텍스트 데이터: 엔드포인트에 모델 배포 및 예측 전송

2024년 9월 15일부터는 Vertex AI Gemini 프롬프트로 이동하고 조정해야만 분류, 항목 추출, 감정 분석 목표를 맞춤설정할 수 있습니다. 텍스트 분류, 항목 추출, 감정 분석 목표용 Vertex AI AutoML 모델 학습 또는 업데이트를 더 이상 사용할 수 없습니다. 2025년 6월 15일까지 기존 Vertex AI AutoML Text 모델을 계속 사용할 수 있습니다. AutoML 텍스트와 Gemini를 비교하려면 AutoML 텍스트 사용자를 위한 Gemini를 참조하세요. Gemini에서 개선된 프롬프팅 기능을 통해 향상된 사용자 환경을 제공하는 방법에 대한 자세한 내용은 조정 소개를 참조하세요. 조정을 시작하려면 Gemini 텍스트 모델에 대한 모델 조정을 참조하세요.

자세한 내용은 다음 환경 중 하나에서 'AutoML 텍스트 분류 모델 만들기, 학습, 배포' Jupyter 노트북을 실행하세요.

Colab에서 열기 | Colab Enterprise에서 열기 | Vertex AI Workbench 사용자 관리형 노트북에서 열기 | GitHub에서 보기

AutoML 텍스트 분류 모델이 학습을 완료하면 Vertex AI 콘솔을 사용하여 엔드포인트를 만들고 모델을 엔드포인트에 배포합니다. 모델이 엔드포인트에 배포된 후 모델에 문서를 라벨 예측용으로 보냅니다.

이 튜토리얼은 여러 페이지로 이루어져 있습니다.

1. 프로젝트 및 환경 설정

2. 텍스트 분류 데이터 세트 만들기

3. AutoML 텍스트 분류 모델 학습

4. 엔드포인트에 모델을 배포하고 예측 전송

5. 프로젝트 삭제

각 페이지에서는 이 튜토리얼의 이전 페이지에서 안내를 이미 수행했다고 가정합니다.

엔드포인트에 모델 배포하기

학습된 모델에 액세스하여 Model Registry 페이지에서 새 엔드포인트에 배포합니다.

1. Google Cloud 콘솔에서 Model Registry 페이지로 이동합니다.

   Model Registry 페이지로 이동

2. 리전에서 us-central1(아이오와)을 선택합니다.

3. 학습된 AutoML 모델의 이름과 버전 번호를 클릭하여 모델의 세부정보를 확인합니다.

   예를 들어 평가 탭에서 모델의 성능 측정항목을 확인할 수 있습니다.

4. 배포 및 테스트 탭을 선택하여 엔드포인트를 만듭니다.

5. 엔드포인트에 배포를 클릭합니다.

6. 엔드포인트에 배포 창에서 다음 단계를 완료합니다.

   1. 새 엔드포인트 만들기를 선택하고 hello_automl_text와 같은 엔드포인트 이름을 입력합니다.

   2. 100%의 트래픽 분할을 수락하고 배포를 클릭합니다.

엔드포인트를 만들고 AutoML 모델을 새 엔드포인트에 배포하는 데 수 분이 소요됩니다.

모델에 예측 보내기

엔드포인트가 생성되면 Vertex AI 콘솔에서 텍스트 예측을 전송할 수 있습니다.

1. Google Cloud 콘솔에서 Model Registry 페이지로 이동합니다.

   Model Registry 페이지로 이동

2. 리전에서 us-central1(아이오와)을 선택합니다.

3. 학습된 AutoML 모델을 클릭합니다.

4. 배포 및 테스트 탭을 선택합니다.

5. 모델 테스트 섹션에서 예측에 사용할 텍스트를 입력합니다.

6. 예측을 클릭하여 모델의 예측 라벨과 신뢰도 점수를 확인합니다.

다음 단계

• 생성된 리소스를 삭제하려면 튜토리얼의 마지막 페이지를 따르세요.