Instructivos de notebooks de Vertex AI Vizier

En este documento, se incluye una lista de los instructivos de notebooks de Vizier de Vertex AI disponibles. Estos instructivos de extremo a extremo te ayudan a comenzar a usar Vertex AI Vizier y pueden brindarte ideas para implementar un proyecto específico.

Existen muchos entornos en los que puedes alojar notebooks. Puedes hacer lo siguiente:

  • Ejecutarlos en la nube mediante un servicio como Colaboratory (Colab) o Vertex AI Workbench.
  • Descargarlos de GitHub y ejecutarlos en tu máquina local
  • Descargarlos de GitHub y ejecutarlos en un servidor de Jupyter o JupyterLab en tu red local.

Colab

Ejecutar un notebook en Colab es una manera de comenzar rápidamente.

Para abrir un instructivo de notebook en Colab, haz clic en el vínculo Colab en la lista de notebooks. Colab crea una instancia de VM con todas las dependencias necesarias, inicia el entorno de Colab y carga el notebook.

Vertex AI Workbench

También puedes ejecutar el notebook mediante notebooks administrados por usuarios. Cuando creas una instancia de notebooks administrados por el usuario con Vertex AI Workbench, tienes control total sobre la VM de hosting. Puedes especificar la configuración y el entorno de la VM de hosting.

Para abrir un instructivo de notebook en una instancia de Vertex AI Workbench, haz lo siguiente:

  1. Haz clic en el vínculo Vertex AI Workbench en la lista de notebooks. El vínculo abre la consola de Vertex AI Workbench.
  2. En la pantalla Implementar en notebook, escribe un nombre para tu nueva instancia de Vertex AI Workbench y haz clic en Crear.
  3. En el cuadro de diálogo Listo para abrir el notebook que aparece después de que se inicia la instancia, haz clic en Abrir.
  4. En la página Confirmar implementación en servidor de notebook, selecciona Confirmar.
  5. Antes de ejecutar el notebook, selecciona Kernel > Reiniciar el kernel y borrar todos los resultados.

Lista de notebooks

Servicios Descripción Abrir en
Clasificación para datos tabulares
Entrenamiento y predicción en AutoML con datos tabulares
Aprende a entrenar y hacer predicciones en un modelo de AutoML basado en un conjunto de datos tabular. Obtén más información sobre la Clasificación para datos tabulares.

Pasos del instructivo

  • Crear un trabajo de entrenamiento de un modelo de Vertex AI
  • Entrenar un modelo tabular de AutoML
  • Implementa el recurso de modelo en un recurso de extremo de entrega.
  • Enviar datos para hacer una predicción
  • Anular la implementación del recurso modelo.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Obtén predicciones a partir de un modelo de clasificación de imágenes
Modelo de clasificación personalizado de imágenes de entrenamiento de AutoML para la predicción por lotes
En este instructivo, crearás un modelo de clasificación de imágenes de AutoML a partir de una secuencia de comandos de Python y, luego, realizarás una predicción por lotes con el SDK de Vertex. Conoce más información sobre cómo obtener predicciones a partir de un modelo de clasificación de imágenes.

Pasos del instructivo

  • Crea un recurso de conjunto de datos de Vertex.
  • Entrena el modelo.
  • Visualice la evaluación del modelo.
  • Realizar una predicción por lotes.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Obtén predicciones a partir de un modelo de clasificación de imágenes
Modelo de clasificación de imágenes de entrenamiento de AutoML para la predicción en línea
En este instructivo, crearás un modelo de clasificación de imágenes de AutoML y, luego, lo implementarás para la predicción en línea desde una secuencia de comandos de Python con el SDK de Vertex. Conoce más información sobre cómo obtener predicciones a partir de un modelo de clasificación de imágenes.

Pasos del instructivo

  • Crea un recurso Dataset de Vertex.
  • Entrena el modelo.
  • Visualice la evaluación del modelo.
  • Implementa el recurso Model en un recurso de entrega Endpoint.
  • Realiza una predicción.
  • Anula la implementación de Model.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
AutoML
Modelo de entrenamiento de detección de objetos en imágenes de AutoML para la exportación a Edge.
En este instructivo, crearás un modelo de detección de objetos en imágenes de AutoML a partir de una secuencia de comandos de Python mediante el SDK de Vertex y, luego, exportarás el modelo como un modelo de Edge en formato TFLite.

Pasos del instructivo

  • Crea un recurso de conjunto de datos de Vertex.
  • Entrena el modelo.
  • Exporta el modelo de edge del recurso de modelo a Cloud Storage.
  • Descarga el modelo de forma local.
  • Haz una predicción local.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Detección de objetos para datos de imágenes
Modelo de entrenamiento de detección de objetos en imágenes de AutoML para la predicción en línea.
En este instructivo, crearás un modelo de detección de objetos de imagen de AutoML y, luego, lo implementarás para la predicción en línea desde una secuencia de comandos de Python con el SDK de Vertex AI. Obtén más información sobre la Detección de objetos para datos de imágenes.

Pasos del instructivo

  • Crea un recurso de conjunto de datos de Vertex AI.
  • Entrena el modelo.
  • Visualice la evaluación del modelo.
  • Implementa el recurso de modelo en un recurso de extremo de entrega.
  • Realiza una predicción.
  • Anula la implementación del modelo
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Flujo de trabajo tabular para AutoML de E2E
Canalizaciones de flujo de trabajo tabular de AutoML.
Obtén información sobre cómo crear dos modelos de regresión mediante Vertex AI Pipelines descargados desde los componentes de canalización de Google Cloud. Obtén más información sobre el Flujo de trabajo tabular para AutoML E2E.

Pasos del instructivo

  • Crea una canalización de entrenamiento que reduzca el espacio de búsqueda del valor predeterminado para ahorrar tiempo.
  • Crea una canalización de entrenamiento que vuelva a usar los resultados de la búsqueda de arquitectura a partir de la canalización anterior para ahorrar tiempo.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Entrenamiento de AutoML
Comienza a usar el entrenamiento de AutoML.
Aprende a usar AutoML para el entrenamiento con Vertex AI. Obtén más información sobre el entrenamiento de AutoML.

Pasos del instructivo

  • Entrena un modelo de imagen
  • Exporta el modelo de imagen como un modelo de conexión de integración
  • Entrena un modelo tabular
  • Exporta el modelo tabular como un modelo en la nube
  • Entrena un modelo de texto
  • Entrena un modelo de video
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Previsión jerárquica de datos tabulares
Previsión de jerarquía de entrenamiento de AutoML de Vertex AI para la predicción por lotes.
En este instructivo, crearás un modelo de previsión jerárquica de AutoML y lo implementarás en la predicción por lotes mediante el SDK de Vertex AI para Python. Obtén más información sobre la Previsión jerárquica para datos tabulares.

Pasos del instructivo

  • Crea un recurso TimeSeriesDataset de Vertex AI.
  • Entrenar el modelo.
  • Visualice la evaluación del modelo.
  • Realizar una predicción por lotes.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Detección de objetos para datos de imágenes
Modelo de entrenamiento de detección de objetos en imágenes de AutoML para la predicción por lotes.
En este instructivo, crearás un modelo de detección de objetos en imágenes de AutoML a partir de una secuencia de comandos de Python y, luego, realizarás una predicción por lotes con el SDK de Vertex AI para Python. Obtén más información sobre la Detección de objetos para datos de imágenes.

Pasos del instructivo

  • Crea un recurso de conjunto de datos de Vertex.
  • Entrena el modelo.
  • Visualice la evaluación del modelo.
  • Realizar una predicción por lotes.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Previsión con AutoML
Modelo de previsión tabular de AutoML para la predicción por lotes.
Aprende a crear un modelo de previsión tabular de AutoML a partir de una secuencia de comandos de Python y, luego, genera una predicción por lotes con el SDK de Vertex AI. Obtén más información sobre Previsión con AutoML.

Pasos del instructivo

  • Crea un recurso de conjunto de datos de Vertex AI.
  • Entrenar un recurso de modelo de previsión tabular de AutoML.
  • Obtén las métricas de evaluación para el recurso de modelo.
  • Realizar una predicción por lotes.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Regresión de datos tabulares
Modelo de regresión tabular de entrenamiento de AutoML para la predicción por lotes con BigQuery.
Aprende a crear un modelo de regresión tabular de AutoML y a implementarlo para la predicción por lotes mediante el SDK de Vertex AI para Python. Obtén más información sobre la Regresión de datos tabulares.

Pasos del instructivo

  • Crea un recurso de conjunto de datos de Vertex AI.
  • Entrena un recurso de modelo de regresión tabular de AutoML.
  • Obtén las métricas de evaluación para el recurso de modelo.
  • Realizar una predicción por lotes.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Regresión de datos tabulares
Modelo de regresión tabular de entrenamiento de AutoML para la predicción en línea mediante BigQuery.
Aprende a crear un modelo de regresión tabular de AutoML y a implementarlo para la predicción en línea desde una secuencia de comandos de Python mediante el SDK de Vertex AI. Obtén más información sobre la Regresión de datos tabulares.

Pasos del instructivo

  • Crea un recurso de conjunto de datos de Vertex.
  • Entrena el modelo.
  • Visualice la evaluación del modelo.
  • Implementa el recurso de modelo en un recurso de extremo de entrega.
  • Realiza una predicción.
  • Anula la implementación del modelo
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Reconocimiento de acciones para datos de video
Modelo de reconocimiento de acciones de video de entrenamiento de AutoML para la predicción por lotes.
Aprende a crear un modelo de reconocimiento de acciones de video de AutoML a partir de una secuencia de comandos de Python y, luego, realiza una predicción por lotes con el SDK de Vertex AI. Obtén más información sobre el reconocimiento de acciones para los datos de video.

Pasos del instructivo

  • Crea un recurso de conjunto de datos de Vertex AI.
  • Entrena el modelo.
  • Visualice la evaluación del modelo.
  • Realizar una predicción por lotes.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Clasificación para datos de video
Modelo de clasificación de videos de entrenamiento de AutoML para la predicción por lotes.
Aprende a crear un modelo de clasificación de videos de AutoML a partir de una secuencia de comandos de Python y, luego, realiza una predicción por lotes con el SDK de Vertex AI. Obtén más información sobre la Clasificación de datos de video.

Pasos del instructivo

  • Crea un recurso de conjunto de datos de Vertex.
  • Entrena el modelo.
  • Visualice la evaluación del modelo.
  • Realizar una predicción por lotes.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Seguimiento de objetos para datos de video
Modelo de seguimiento de objetos de video de entrenamiento de AutoML para predicción por lotes.
Aprende a crear un modelo de seguimiento de objetos de video en AutoML a partir de una secuencia de comandos de Python y, luego, realiza una predicción por lotes con el SDK de Vertex AI para Python. Obtén más información sobre el seguimiento de objetos para datos de video.

Pasos del instructivo

  • Crea un recurso de conjunto de datos de Vertex.
  • Entrena el modelo.
  • Visualice la evaluación del modelo.
  • Realizar una predicción por lotes.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
BigQuery ML
Comienza a usar BigQuery ML Training.
Aprende a usar BigQuery ML para el entrenamiento con Vertex AI. Más información sobre BigQuery ML

Pasos del instructivo

  • Crea una tabla local de BigQuery en tu proyecto
  • Entrena un modelo de BigQuery ML
  • Evalúa el modelo de BigQuery ML
  • Exporta el modelo de BigQuery ML como modelo en la nube
  • Sube el modelo exportado como un recurso Vertex AI Model.
  • Hiperparámetro ajusta un modelo de BigQuery ML con Vertex AI Vizier
  • Registra automáticamente un modelo de BigQuery ML en Vertex AI Model Registry
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Entrenamiento personalizado
Vertex AI Prediction
Implementa el modelo de detección de Iris mediante FastAPI y la entrega de contenedores personalizados de Vertex AI.
Obtén información para crear, implementar y entregar un modelo de clasificación personalizado en Vertex AI. Más información sobre el entrenamiento personalizado Obtén más información sobre Vertex AI Prediction.

Pasos del instructivo

  • Entrena un modelo que use las medidas de flores como entrada para predecir la clase de iris.
  • Guarda el modelo y su preprocesador serializado.
  • Compila un servidor de FastAPI para manejar predicciones y verificaciones de estado.
  • Compila un contenedor personalizado con artefactos de modelo.
  • Sube e implementa un contenedor personalizado en Extremos de Vertex AI.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Training
Entrena un modelo de TensorFlow con los datos de BigQuery
Aprende a crear un modelo entrenado de forma personalizada a partir de una secuencia de comandos de Python en un contenedor de Docker con el SDK de Vertex AI para Python y envía datos para obtener una predicción del modelo implementado. Obtén más información sobre Vertex AI Training.

Pasos del instructivo

  • Crea un TrainingPipeline personalizado de Vertex AI para entrenar un modelo.
  • Entrene un modelo de TensorFlow.
  • Implementa el recurso Model en un recurso de entrega Endpoint.
  • Realiza una predicción.
  • Anula la implementación del recurso Model.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Entrenamiento personalizado
Entrenamiento personalizado con imagen de contenedor personalizado y carga automática de modelos en Vertex AI Model Registry.
En este instructivo, entrenarás un enfoque de imagen de contenedor personalizado de modelo de aprendizaje automático para el entrenamiento personalizado en Vertex AI. Más información sobre el entrenamiento personalizado

Pasos del instructivo

  • Crea un trabajo personalizado de Vertex AI para entrenar un modelo.
  • Entrena y registra un modelo de TensorFlow con un contenedor personalizado.
  • Enumera el modelo registrado en Vertex AI Model Registry.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench

Cloud Profiler
Rendimiento del entrenamiento de modelos de perfil con Cloud Profiler
Obtén más información sobre cómo habilitar Cloud Profiler para trabajos de entrenamiento personalizados. Obtén más información sobre Cloud Profiler.

Pasos del instructivo

  • Configura una cuenta de servicio y un bucket de Cloud Storage
  • Crea una instancia de Vertex AI TensorBoard
  • Crea y ejecuta un trabajo de entrenamiento personalizado
  • Visualiza el panel de Cloud Profiler
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Entrenamiento personalizado
Comienza a usar Vertex AI Training para XGBoost.
Aprende a usar Vertex AI Training para entrenar un modelo personalizado de XGBoost. Más información sobre el entrenamiento personalizado

Pasos del instructivo

  • Realiza entrenamientos con un paquete de Python.
  • Informa la exactitud con el ajuste de hiperparámetros
  • Guarda los artefactos del modelo en Cloud Storage mediante Cloud StorageFuse.
  • Crea un recurso de modelo de Vertex AI.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Recursos compartidos entre implementaciones
Comienza a usar los Extremos y las VM compartidas.
Aprende a usar grupos de recursos de implementación para implementar modelos. Obtén más información sobre los recursos compartidos entre implementaciones.

Pasos del instructivo

  • Sube un modelo de clasificación de imágenes previamente entrenado como un recurso Model (modelo A).
  • Sube un modelo de codificador de oraciones de texto previamente entrenado como un recurso Model (modelo B).
  • Crea un grupo de recursos de implementación de VMs compartidas.
  • Enumera los grupos de recursos de implementación de VMs compartidas.
  • Crea dos recursos Endpoint.
  • Implementa el primer modelo (modelo A) en el primer recurso Endpoint mediante el grupo de recursos de implementación.
  • Implementa el segundo modelo (modelo B) en el segundo recurso Endpoint con el grupo de recursos de implementación.
  • Realiza una solicitud de predicción con el primer modelo implementado (modelo A).
  • Realiza una solicitud de predicción con el segundo modelo implementado (modelo B).
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Entrenamiento personalizado
Predicción por lotes de Vertex AI
Entrenamiento personalizado y predicción por lotes.
Aprende a usar Vertex AI Training para crear un modelo entrenado personalizado y usar Vertex AI Batch Prediction para realizar una predicción por lotes en el modelo entrenado. Más información sobre el entrenamiento personalizado Obtén más información sobre Predicción por lotes de Vertex AI.

Pasos del instructivo

  • Crea un trabajo personalizado de Vertex AI para entrenar un modelo de TensorFlow.
  • Sube los artefactos del modelo entrenado como un recurso de modelo.
  • Realizar una predicción por lotes.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Entrenamiento personalizado
Vertex AI Prediction
Entrenamiento personalizado y predicción en línea.
Aprende a usar Vertex AI Training para crear un modelo entrenado de forma personalizada a partir de una secuencia de comandos de Python en un contenedor de Docker y aprende a usar Vertex AI Prediction a fin de realizar una predicción en el modelo implementado mediante el envío de datos. Más información sobre el entrenamiento personalizado Obtén más información sobre Vertex AI Prediction.

Pasos del instructivo

  • Crea un trabajo personalizado Vertex AI para entrenar un modelo de TensorFlow.
  • Sube los artefactos del modelo entrenado a un recurso Model.
  • Crea un recurso Endpoint de entrega.
  • Implementa el recurso Model en un recurso de entrega Endpoint.
  • Realiza una predicción.
  • Anula la implementación del recurso Model.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Conjuntos de datos de BigQuery
Vertex AI para usuarios de BigQuery
Comienza a usar los conjuntos de datos de BigQuery.
Aprende a usar BigQuery como un conjunto de datos para el entrenamiento con Vertex AI. Obtén más información sobre los conjuntos de datos de BigQuery Obtén más información sobre Vertex AI para usuarios de BigQuery.

Pasos del instructivo

  • Crea un recurso de conjuntos de datos de Vertex AI a partir de una tabla de BigQuery compatible con el entrenamiento de AutoML.
  • Extrae una copia del conjunto de datos de BigQuery a un archivo CSV en Cloud Storage compatible con AutoML o un entrenamiento personalizado.
  • Selecciona filas de un conjunto de datos de BigQuery en un DataFrame de Pandas compatible con el entrenamiento personalizado.
  • Selecciona filas de un conjunto de datos de BigQuery en un tf.data.Dataset compatible con los modelos de entrenamiento personalizado de TensorFlow.
  • Selecciona filas de archivos CSV extraídos en un tf.data.Dataset compatible con los modelos de entrenamiento personalizados de TensorFlow.
  • Crea un conjunto de datos de BigQuery a partir de archivos CSV
  • Extrae datos de la tabla BigQuery en una DMatrix compatible con los modelos de entrenamiento personalizado de XGBoost.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Experiments
Vertex ML Metadata
Compila el linaje de Vertex AI Experiment para el entrenamiento personalizado.
Aprende a integrar el código de procesamiento previo en un experimento de Vertex AI. Obtén más información sobre Vertex AI Experiments. Obtén más información sobre los Vertex ML Metadata.

Pasos del instructivo

  • Ejecuta el módulo para preprocesar datos
  • Crea un artefacto de conjunto de datos
  • Registra parámetros
  • Ejecuta el módulo para entrenar el modelo
  • Registra parámetros
  • Crea un artefacto de modelo
  • Asigna el linaje de seguimiento al conjunto de datos, el modelo y los parámetros
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Experiments
Haz un seguimiento de los parámetros y métricas de los modelos entrenados de forma local.
Aprende a usar Vertex AI Experiments para comparar y evaluar los experimentos de modelos. Obtén más información sobre Vertex AI Experiments.

Pasos del instructivo

  • Registra los parámetros del modelo
  • registra las pérdidas y las métricas en cada ciclo de entrenamiento en Vertex AI TensorBoard
  • Registra las métricas de evaluación
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Experiments
Vertex AI Pipelines
Compara ejecuciones de canalizaciones con Vertex AI Experiments.
Aprende a usar Vertex AI Experiments para registrar un trabajo de canalización y, luego, comparar diferentes trabajos de canalización. Obtén más información sobre Vertex AI Experiments. Obtén más información sobre Vertex AI Pipelines.

Pasos del instructivo

  • Formalizar un componente de entrenamiento
  • Compilar una canalización de entrenamiento
  • Ejecuta varios trabajos de canalización y registra sus resultados.
  • Compara diferentes trabajos de canalización
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI TensorBoard
Borra los experimentos desactualizados en Vertex AI TensorBoard.
Obtén información sobre cómo borrar experimentos desactualizados en Vertex AI TensorBoard para evitar costos de almacenamiento innecesarios. Obtén más información sobre Vertex AI TensorBoard.

Pasos del instructivo

  • Cómo borrar el experimento de TB con un par clave-valor de etiqueta predefinido
  • Cómo borrar los experimentos de TB creados antes de create_time
  • Cómo borrar los experimentos de TB creados antes de update_time
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Experiments
Registro automático de entrenamiento personalizado: secuencia de comandos local.
Aprende a registrar de forma automática los parámetros y las métricas de un experimento de AA que se ejecuta en Vertex AI Training mediante la integración en Vertex AI Experiments.

Pasos del instructivo

  • Formaliza el experimento de modelo en una secuencia de comandos
  • Ejecuta el entrenamiento de modelos con una secuencia de comandos local en el Vertex AI Training.
  • Consulta los parámetros y las métricas del experimento de AA en Vertex AI Experiments
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Experiments
Vertex ML Metadata
Custom training
Comienza a usar Vertex AI Experiments.
Aprende a usar Vertex AI Experiments cuando entrenas con Vertex AI. Obtén más información sobre Vertex AI Experiments. Obtén más información sobre los Vertex ML Metadata. Más información sobre el entrenamiento personalizado

Pasos del instructivo

  • Entrenamiento local (notebook)
  • Crea un experimento
  • Crea una primera ejecución en el experimento
  • Parámetros de registro y métricas
  • Crea linaje de artefactos
  • Visualiza los resultados del experimento
  • Ejecuta una segunda ejecución
  • Compara las dos ejecuciones del experimento
  • Entrenamiento en la nube (Vertex AI)
  • Dentro de la secuencia de comandos de entrenamiento
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Experiments
Registro automático
Aprende a usar el registro automático de Vertex AI.

Pasos del instructivo

  • Habilitar el registro automático en el SDK de Vertex AI
  • Entrena el modelo de scikit-learn y observa la ejecución del experimento resultante con métricas y parámetros registrados de forma automática en Vertex AI Experiments sin configurar una ejecución de experimento.
  • Entrenar el modelo de TensorFlow y verificar las métricas y los parámetros registrados de forma automática en Vertex AI Experiments configurando de forma manual una ejecución de experimento con aiplatform.start_run() y aiplatform.end_run().
  • Inhabilita el registro automático en el SDK de Vertex AI, entrenar un modelo de PyTorch y verificar que ninguno de los parámetros o métricas se registren
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Clasificación para datos tabulares
Vertex Explainable AI
Explicación por lotes para el modelo de clasificación binaria tabular de AutoML.
Aprende a usar AutoML para crear un modelo de clasificación binaria tabular a partir de una secuencia de comandos de Python y, luego, aprende a usar Vertex AI Batch Prediction para realizar predicciones con explicaciones. Obtén más información sobre la Clasificación para datos tabulares. Obtén más información sobre Vertex Explainable AI.

Pasos del instructivo

  • Crea un recurso de conjunto de datos administrado de Vertex AI.
  • Entrena un modelo de clasificación binaria tabular de AutoML.
  • Visualiza las métricas de evaluación del modelo entrenado.
  • Realiza una solicitud de predicción por lotes con explicabilidad.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Clasificación para datos tabulares
Vertex Explainable AI
Modelo de clasificación tabular de entrenamiento de AutoML para explicaciones en línea.
Aprende a usar AutoML para crear un modelo de clasificación binaria tabular a partir de una secuencia de comandos de Python. Obtén más información sobre la Clasificación para datos tabulares. Obtén más información sobre Vertex Explainable AI.

Pasos del instructivo

  • Crea un recurso de conjunto de datos de Vertex AI.
  • Entrena un modelo de clasificación binaria tabular de AutoML.
  • Visualiza las métricas de evaluación del modelo entrenado.
  • Crea un recurso de extremo de entrega.
  • Implementa el recurso de modelo en un recurso de extremo de entrega.
  • Realiza una solicitud de predicción en línea con explicaciones.
  • Anular la implementación del recurso Modelo.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex Explainable AI
Vertex AI Batch Prediction
Modelo de clasificación de imágenes de entrenamiento personalizado para la predicción por lotes con explicación
Aprende a usar Vertex AI Training and Vertex Explainable AI para crear un modelo de clasificación de imágenes personalizado con explicaciones y, luego, aprende a usar Vertex AI Batch Prediction para realizar una solicitud de predicción por lotes con explicaciones. Obtén más información sobre Vertex Explainable AI. Obtén más información sobre Predicción por lotes de Vertex AI.

Pasos del instructivo

  • Crea un trabajo personalizado Vertex AI para entrenar un modelo de TensorFlow.
  • Visualiza la evaluación del modelo entrenado.
  • Establece los parámetros de explicación para el momento en que se implementa el modelo.
  • Sube los artefactos del modelo entrenado y los parámetros de explicación como un recurso Model.
  • Realiza una predicción por lotes con explicaciones.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex Explainable AI
Vertex AI Prediction
Modelo de clasificación de imágenes de entrenamiento personalizado para la predicción en línea con explicación
Aprende a usar Vertex AI Training y Vertex Explainable AI para crear un modelo de clasificación de imágenes personalizadas con explicaciones. Obtén más información sobre Vertex Explainable AI. Obtén más información sobre Vertex AI Prediction.

Pasos del instructivo

  • Crea un trabajo personalizado de Vertex AI para entrenar un modelo de TensorFlow.
  • Visualiza la evaluación del modelo entrenado.
  • Establece los parámetros de explicación para el momento en que se implementa el modelo.
  • Sube los artefactos y las explicaciones del modelo entrenado como un recurso de modelo.
  • Crea un recurso de extremo de entrega.
  • Implementa el recurso de modelo en un recurso de extremo de entrega.
  • Realice una predicción con explicaciones.
  • Anular la implementación del recurso modelo.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex Explainable AI
Vertex AI Batch Prediction
Modelo de regresión tabular de entrenamiento personalizado para la predicción por lotes con explicación
Aprende a usar Vertex AI Training y Vertex Explainable AI para crear un modelo de clasificación de imágenes personalizadas con explicaciones. Obtén más información sobre Vertex Explainable AI. Obtén más información sobre Predicción por lotes de Vertex AI.

Pasos del instructivo

  • Crea un trabajo personalizado de Vertex AI para entrenar un modelo de TensorFlow.
  • Visualiza la evaluación del modelo entrenado.
  • Establece los parámetros de explicación para el modelo.
  • Sube los artefactos del modelo entrenado como un recurso de modelo.
  • Realiza una predicción por lotes con explicaciones.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex Explainable AI
Vertex AI Prediction
Modelo de regresión tabular de entrenamiento personalizado para la predicción en línea con explicación.
Aprende a usar Vertex AI Training y Vertex Explainable AI para crear un modelo de regresión tabular personalizado con explicaciones. Obtén más información sobre Vertex Explainable AI. Obtén más información sobre Vertex AI Prediction.

Pasos del instructivo

  • Crea un trabajo personalizado de Vertex AI para entrenar un modelo de TensorFlow.
  • Visualiza la evaluación del modelo entrenado.
  • Establece los parámetros de explicación para el momento en que se implementa el modelo.
  • Sube los artefactos y las explicaciones del modelo entrenado como un recurso de modelo.
  • Crea un recurso de extremo de entrega.
  • Implementa el recurso de modelo en un recurso de extremo de entrega.
  • Realice una predicción con explicaciones.
  • Anular la implementación del recurso modelo.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex Explainable AI
Vertex AI Prediction
Entrenamiento personalizado de modelos de regresión tabular para la predicción en línea con explicabilidad mediante get_metadata.
Aprende a crear un modelo personalizado a partir de una secuencia de comandos de Python en un contenedor de Docker compilado previamente de Google con el SDK de Vertex AI. Obtén más información sobre Vertex Explainable AI. Obtén más información sobre Vertex AI Prediction.

Pasos del instructivo

  • Crea un trabajo personalizado de Vertex AI para entrenar un modelo de TensorFlow.
  • Entrene un modelo de TensorFlow.
  • Recupere y cargue los artefactos del modelo.
  • Visualiza la evaluación del modelo entrenado.
  • Establezca los parámetros de explicación
  • Sube el modelo como recurso de modelo de Vertex AI.
  • Implementa el recurso de modelo en un recurso de extremo de entrega.
  • Realice una predicción con explicaciones.
  • Anular la implementación del recurso Modelo.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex Explainable AI
Vertex AI Prediction
Explicación de la clasificación de imágenes con Vertex Explainable AI.
Aprende a configurar explicaciones basadas en atributos en un modelo de clasificación de imágenes previamente entrenado y realizar predicciones en línea y por lotes con explicaciones. Obtén más información sobre Vertex Explainable AI. Obtén más información sobre Vertex AI Prediction.

Pasos del instructivo

  • Descarga un modelo previamente entrenado de TensorFlow Hub
  • Sube un modelo para la implementación
  • Implementa el modelo para la predicción en línea
  • Realiza predicciones en línea con explicaciones
  • Realiza predicciones por lotes con explicaciones
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex Explainable AI
Explicación de la clasificación de texto con Vertex Explainable AI.
Aprende a configurar explicaciones basadas en atributos con el método de Shapley con muestreo en un modelo de clasificación de texto de TensorFlow para predicciones en línea con explicaciones. Obtén más información sobre Vertex Explainable AI.

Pasos del instructivo

  • Compila y entrena un modelo de clasificación de texto de TensorFlow
  • Sube un modelo para la implementación
  • Implementa el modelo para la predicción en línea
  • Realiza predicciones en línea con explicaciones
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Feature Store
Entrega y recuperación de atributos en línea de datos de BigQuery con Vertex AI Feature Store.
Aprende a crear y usar una instancia de Feature Store en línea para alojar y entregar datos en BigQuery con Vertex AI Feature Store en un flujo de trabajo de extremo a extremo de valores de atributos que entregan y recuperan el recorrido del usuario. Más información sobre Vertex AI Feature Store

Pasos del instructivo

  • Aprovisiona una instancia de Feature Store en línea para alojar y entregar datos.
  • Registra una vista de BigQuery con la instancia de Feature Store en línea y configura el trabajo de sincronización.
  • Usa el servidor en línea para fin de recuperar valores de atributos para la predicción en línea.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Feature Store
Entrega y recuperación en línea de atributos de datos de BigQuery con la entrega optimizada de Vertex AI Feature Store.
Aprende a crear y usar una instancia de Feature Store en línea para alojar y entregar datos en BigQuery con Vertex AI Feature Store en un flujo de trabajo de extremo a extremo para entregar y recuperar valores de atributos. Más información sobre Vertex AI Feature Store

Pasos del instructivo

  • Aprovisiona una instancia de Feature Store en línea para alojar y entregar datos con la entrega en línea optimizada con un extremo público o privado.
  • Registra una vista de BigQuery con la instancia de Feature Store en línea y configura el trabajo de sincronización.
  • Usa el servidor en línea para fin de recuperar valores de atributos para la predicción en línea.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Feature Store
Entrega de atributos en línea y datos de BigQuery de recuperación de vectores con el Vertex AI Feature Store.
Aprende a crear y usar una instancia de Feature Store en línea para alojar y entregar datos en BigQuery con Vertex AI Feature Store en un flujo de trabajo de extremo a extremo de la entrega de atributos y el recorrido del usuario de recuperación de vectores. Más información sobre Vertex AI Feature Store

Pasos del instructivo

  • Aprovisiona una instancia de Feature Store en línea para alojar y entregar datos.
  • Crea una instancia de Feature Store en línea para entregar una tabla de BigQuery.
  • Usa el servidor en línea para buscar vecinos más cercanos.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Feature Store
Instructivo de fundamentación de LLM basado en Vertex AI Feature Store.
Aprende a crear y usar una instancia de Feature Store en línea para alojar y entregar datos en BigQuery con Vertex AI Feature Store en un flujo de trabajo de extremo a extremo de la entrega de atributos y el recorrido del usuario de recuperación de vectores. Más información sobre Vertex AI Feature Store

Pasos del instructivo

  • Aprovisiona una instancia de Feature Store en línea para alojar y entregar datos.
  • Crea una instancia de Feature Store en línea para entregar una tabla de BigQuery.
  • Usa el servidor en línea para buscar vecinos más cercanos.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Feature Store
Instructivo de agentes de servicio de Vista de funciones de Vertex AI Feature Store.
Aprende a usar un agente de servicio dedicado para una vista de atributos en Vertex AI Feature Store. Más información sobre Vertex AI Feature Store

Pasos del instructivo

  • Crea una vista de atributos configurada para usar una cuenta de servicio dedicada.
  • Se crea una cuenta de servicio para cada vista de funciones. Esta cuenta de servicio se usa para sincronizar datos de BigQuery.
  • La API de Get/List feature view muestra la cuenta de servicio creada automáticamente. Los usuarios deben llamar al comando bq addiampolicybinding para otorgar roles/bigquery.dataViewer a la cuenta de servicio.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Feature Store
SDK de importación de transmisiones en Vertex AI Feature Store (heredado)
Obtén información sobre cómo importar atributos de un Pandas DataFrame a Vertex AI Feature Store con el método write_feature_values del SDK de Vertex AI. Más información sobre Vertex AI Feature Store.

Pasos del instructivo

  • Crear un almacén de atributos.
  • Crea un nuevo tipo de entidad para tu almacén de atributos.
  • Importa los valores de atributos de Pandas DataFrame al tipo de entidad en el almacén de atributos.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Feature Store
Usa Vertex AI Feature Store con el Dataframe de Pandas.
Aprende a usar Vertex AI Feature Store con el DataFrame de Pandas. Más información sobre Vertex AI Feature Store

Pasos del instructivo

  • Crea recursos Featurestore, EntityType y Feature.
  • Importa los valores de atributos del DataFrame de Pandas en el tipo de entidad.
  • Lee los valores de atributos de la entidad de Online Feature Store en el DataFrame de Pandas.
  • Entrega por lotes los valores de atributos de tu Feature Store en el DataFrame de Pandas.
  • Entrega en línea con valores de atributo actualizados.
  • Precisión de un momento determinado a fin de recuperar valores de atributos para el entrenamiento.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Feature Store
Predicciones en línea y por lotes mediante Vertex AI Feature Store (Heredado).
Aprende a usar Vertex AI Feature Store a fin de importar datos de atributos y acceder a los datos de atributos para las tareas de entrega en línea y sin conexión, como el entrenamiento. Más información sobre Vertex AI Feature Store

Pasos del instructivo

  • Crea recursos Featurestore, EntityType y Feature.
  • Importar los datos de los atributos al recurso Featurestore.
  • Entregar solicitudes de predicción en línea con atributos importados.
  • Acceder a atributos importados en trabajos sin conexión, como los de entrenamiento.
  • Usa la importación de transmisiones para importar una cantidad pequeña de datos.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Descripción general de la compatibilidad de IA generativa en Vertex AI
Inferencia por lotes de Vertex AI LLM con modelos ajustados por RLHF.
En este instructivo, usarás Vertex AI para obtener predicciones de un modelo de lenguaje grande ajustado con RLHF. Obtén más información sobre Descripción general de la compatibilidad de IA generativa en Vertex AI.

Pasos del instructivo

  • Crea un trabajo de Vertex AI Pipelines mediante una plantilla predefinida para la inferencia masiva.
  • Ejecuta la canalización mediante Vertex AI Pipelines
  • Produce resultados de predicción en un modelo para un conjunto de datos determinado.
Colab Enterprise
GitHub
Vertex AI Workbench
generative_ai
Sintetiza un modelo de lenguaje grande.
Aprende a sintetizar e implementar un modelo de lenguaje grande con el LLM de Vertex AI.

Pasos del instructivo

  • Obtén el modelo de LLM de Vertex AI.
  • Sintetiza el modelo (esto crea automáticamente un extremo de Vertex AI y, luego, implementa el modelo en el extremo).
  • Realiza una predicción con Vertex AI LLM
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Ajusta los modelos de texto con el ajuste RLHF
Aprendizaje por refuerzo con retroalimentación humana de Vertex AI LLM.
En este instructivo, usarás el RLHF de Vertex AI para ajustar e implementar un modelo de lenguaje grande. Obtén más información sobre Ajusta los modelos de texto con el ajuste RLHF.

Pasos del instructivo

  • Establece la cantidad de pasos de ajuste del modelo.
  • Crea un trabajo de canalización de Vertex AI con una plantilla de ajuste predefinida.
  • Ejecuta la canalización mediante Vertex AI Pipelines
  • Obtén predicciones del modelo ajustado.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
incorporación de texto
Búsqueda semántica con incorporaciones.
En este instructivo, mostramos cómo crear una incorporación generada a partir de texto y realizar una búsqueda semántica. Obtén más información sobre la incorporación de texto.

Pasos del instructivo

  • Instalación e importaciones
  • Crea conjunto de datos de incorporación
  • Crea un índice
  • Consulta el índice
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
api de incorporación de texto
API de incorporación de texto nueva.
Obtén información para llamar a las APIs más recientes de embedding de texto en dos modelos nuevos de GA, text-embedding-004 y text-multilingual-embedding-002, y un modelo de versión preliminar, text-embedding-preview-0815. Obtén más información sobre la api de embedding de texto.

Pasos del instructivo

  • Instalación e importaciones
  • Genera embeddings
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
generative_ai
Obtén incorporaciones de texto en Vertex AI.
Aprende a obtener una incorporación de texto a partir de un modelo de incorporación de texto y un texto.

Pasos del instructivo

Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Ajusta los modelos de texto con el ajuste supervisado
Ajuste de Vertex AI en un modelo de PEFT.
Aprende a usar un LLM de Vertex AI para ajustar y, luego, implementar un modelo grande de lenguaje de PEFT. Obtén más información sobre Ajusta los modelos de texto con el ajuste supervisado.

Pasos del instructivo

  • Obtén el modelo de LLM de Vertex AI.
  • Ajusta el modelo.
  • De esta forma, se creará automáticamente un extremo de Vertex AI y se implementará el modelo en él.
  • Realiza una predicción con Vertex AI LLM
  • Realiza una predicción con Vertex AI Prediction.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
generative_ai
Obtén incorporaciones de texto ajustadas en Vertex AI.
Aprende a ajustar un modelo de incorporación de texto.

Pasos del instructivo

Colab
GitHub
Vertex AI Workbench
API de PaLM
Usa el SDK de Vertex AI con modelos grandes de lenguaje.
Aprende a proporcionar entradas de texto a modelos grandes de lenguaje disponibles en Vertex AI para probar, ajustar y, luego, implementar modelos de lenguaje de IA generativa. Obtén más información sobre la API de PaLM.

Pasos del instructivo

  • Usa los extremos de predicción de la API de PaLM de Vertex AI para recibir respuestas de la IA generativa a un mensaje.
  • Usa el extremo de embedding de texto para recibir una representación vectorial de un mensaje.
  • Realiza el ajuste rápido de un LLM, en función de los datos de entrenamiento de entrada/salida.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Migra a Vertex AI
Clasificación de datos de imágenes
Clasificación de imágenes de AutoML
Aprende a usar AutoML para entrenar un modelo de imagen y usar Vertex AI Prediction y Vertex AI batch prediction a fin de realizar predicciones en línea y por lotes. Obtén más información sobre Migra a Vertex AI. Obtén más información sobre la Clasificación para datos de imágenes.

Pasos del instructivo

  • Entrenar un modelo de clasificación de imágenes de AutoML
  • Realizar una predicción por lotes.
  • Implementa el modelo en un extremo
  • Haz una predicción en línea
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Migra a Vertex AI
Detección de objetos para datos de imágenes
Detección de objetos de imágenes de AutoML.
Aprende a usar AutoML para entrenar un modelo de imagen y usar Vertex AI Prediction y Vertex AI Batch Prediction a fin de realizar predicciones en línea y por lotes. Obtén más información sobre Migra a Vertex AI. Obtén más información sobre la Detección de objetos para datos de imágenes.

Pasos del instructivo

  • Entrena un modelo de detección de objetos de AutoML.
  • Realizar una predicción por lotes.
  • Implementa el modelo en un extremo
  • Haz una predicción en línea
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Migra a Vertex AI
Seguimiento de objetos para datos de video
Seguimiento de objetos de AutoML Video.
Aprende a usar AutoML para entrenar un modelo de video y usar la predicción por lotes de Vertex AI para realizar predicciones por lotes. Obtén más información sobre Migra a Vertex AI. Obtén más información sobre el seguimiento de objetos para datos de video.

Pasos del instructivo

  • Entrena un modelo de seguimiento de objetos de video de AutoML.
  • Realizar una predicción por lotes.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Migra a Vertex AI
Clasificación para datos tabulares
Clasificación binaria tabular de AutoML.
En este instructivo, crearás un modelo de clasificación binaria tabular de AutoML y, luego, implementarás la predicción en línea desde una secuencia de comandos de Python con el SDK de Vertex AI. Obtén más información sobre Migra a Vertex AI. Obtén más información sobre la Clasificación para datos tabulares.

Pasos del instructivo

  • Crea un recurso de conjunto de datos de Vertex AI.
  • Entrena el modelo.
  • Visualice la evaluación del modelo.
  • Implementa el recurso de modelo en un recurso de extremo de entrega.
  • Realiza una predicción.
  • Anula la implementación del modelo
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Migra a Vertex AI
Clasificación de datos de video
Clasificación de video de AutoML
Aprende a usar AutoML para entrenar un modelo de video y usar la predicción por lotes de Vertex AI para realizar predicciones por lotes. Obtén más información sobre Migra a Vertex AI. Obtén más información sobre la Clasificación de datos de video.

Pasos del instructivo

  • Entrenar un modelo de clasificación de videos de AutoML
  • Realizar una predicción por lotes.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Migra a Vertex AI
Entrenamiento personalizado
Clasificación de imágenes personalizada con un contenedor de entrenamiento personalizado.
Aprende a entrenar un modelo de clasificación de imágenes de TensorFlow con un contenedor personalizado y un entrenamiento de Vertex AI. Obtén más información sobre Migra a Vertex AI. Más información sobre el entrenamiento personalizado

Pasos del instructivo

  • Empaqueta el código de entrenamiento en una aplicación de Python
  • Crea contenedores para la aplicación de entrenamiento con Cloud Build y Artifact Registry.
  • Crea un trabajo de entrenamiento de contenedor personalizado en Vertex AI y ejecútalo.
  • Evalúa el modelo generado a partir del trabajo de entrenamiento.
  • Crea un recurso de modelo para el modelo entrenado en Vertex AI Model Registry.
  • Ejecuta un trabajo de predicción por lotes de Vertex AI
  • Implementa el recurso de modelo en un extremo de Vertex AI.
  • Ejecuta un trabajo de predicción en línea en el recurso del modelo
  • Limpia los recursos creados.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Migra a Vertex AI
Descripción del entrenamiento personalizado
Clasificación de imágenes personalizada con un contenedor de entrenamiento compilado previamente.
Aprende a entrenar un modelo de clasificación de imágenes de TensorFlow con un contenedor compilado previamente y el entrenamiento de Vertex AI. Obtén más información sobre Migra a Vertex AI. Obtén más información sobre la descripción general del entrenamiento personalizado.

Pasos del instructivo

  • Empaqueta el código de entrenamiento en una aplicación de Python
  • Crea contenedores para la aplicación de entrenamiento con Cloud Build y Artifact Registry.
  • Crea un trabajo de entrenamiento de contenedor personalizado en Vertex AI y ejecútalo.
  • Evalúa el modelo generado a partir del trabajo de entrenamiento.
  • Crea un recurso de modelo para el modelo entrenado en Vertex AI Model Registry.
  • Ejecuta un trabajo de predicción por lotes de Vertex AI
  • Implementa el recurso de modelo en un extremo de Vertex AI.
  • Ejecuta un trabajo de predicción en línea en el recurso del modelo
  • Limpia los recursos creados.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Migra a Vertex AI
Descripción del entrenamiento personalizado
Modelo personalizado de scikit-learn con contenedor de entrenamiento compilado previamente.
Aprende a usar Vertex AI Training para crear un modelo entrenado personalizado. Obtén más información sobre Migra a Vertex AI. Obtén más información sobre la descripción general del entrenamiento personalizado.

Pasos del instructivo

  • Crea un trabajo personalizado de Vertex AI para entrenar un modelo de scikitlearn.
  • Sube los artefactos del modelo entrenado como un recurso de modelo.
  • Genera predicciones por lotes.
  • Implementa el recurso de modelo en un recurso de extremo de entrega.
  • Genera predicciones en línea.
  • Anular la implementación del recurso modelo.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Migra a Vertex AI
Descripción del entrenamiento personalizado
Modelo personalizado de XGBoost con contenedor de entrenamiento compilado previamente.
Aprende a usar Vertex AI Training para crear un modelo entrenado personalizado. Obtén más información sobre Migra a Vertex AI. Obtén más información sobre la descripción general del entrenamiento personalizado.

Pasos del instructivo

  • Crea un trabajo personalizado de Vertex AI para entrenar un modelo de xgboost.
  • Sube los artefactos del modelo entrenado como un recurso de modelo.
  • Genera predicciones por lotes.
  • Implementa el recurso de modelo en un recurso de extremo de entrega.
  • Genera predicciones en línea.
  • Anular la implementación del recurso modelo.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Ajuste de hiperparámetros de Vertex AI
Entrenamiento personalizado
Ajuste de hiperparámetros
Obtén información sobre cómo usar el hiperparámetro de Vertex AI para crear y ajustar un modelo entrenado personalizado. Obtén más información sobre el ajuste de hiperparámetros de Vertex AI. Más información sobre el entrenamiento personalizado

Pasos del instructivo

  • Crea un trabajo de ajuste de hiperparámetros de Vertex AI para entrenar un modelo de TensorFlow.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Documentación de Google Artifact Registry
Comienza a usar Google Artifact Registry.
Aprende a usar Google Artifact Registry. Obtén más información sobre la documentación de Google Artifact Registry.

Pasos del instructivo

  • Crear un repositorio privado de Docker.
  • Etiqueta una imagen de contenedor, específica del repositorio privado de Docker.
  • Envía una imagen de contenedor al repositorio privado de Docker.
  • Extrae una imagen de contenedor del repositorio privado de Docker.
  • Borra un repositorio privado de Docker.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex ML Metadata
Haz un seguimiento de los parámetros y métricas de los trabajos de entrenamiento personalizados.
Aprende a usar el SDK de Vertex AI para Python para hacer lo siguiente:

Pasos del instructivo

  • Realiza un seguimiento de los parámetros de entrenamiento y las métricas de predicción para un trabajo de entrenamiento personalizado.
  • Extrae y realiza análisis de todos los parámetros y métricas en un experimento.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex ML Metadata
Haz un seguimiento de los parámetros y métricas de los modelos entrenados de forma local.
Aprende a usar Vertex ML Metadata para hacer un seguimiento de los parámetros de entrenamiento y las métricas de evaluación. Obtén más información sobre los Vertex ML Metadata.

Pasos del instructivo

  • Realiza un seguimiento de los parámetros y las métricas de un modelo entrenado de forma local.
  • Extrae y realiza análisis de todos los parámetros y métricas en un experimento.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex ML Metadata
Vertex AI Pipelines
Realiza un seguimiento de los artefactos y las métricas en las ejecuciones de Vertex AI Pipelines mediante Vertex ML Metadata.
Obtén información sobre cómo realizar un seguimiento de los artefactos y las métricas con las ejecuciones de Vertex ML Metadata en Vertex AI Pipelines. Obtén más información sobre los Vertex ML Metadata. Obtén más información sobre Vertex AI Pipelines.

Pasos del instructivo

  • Usa el SDK de Kubeflow Pipelines para compilar una canalización de AA que se ejecute en Vertex AI.
  • La canalización crea un conjunto de datos, entrena un modelo de scikitlearn y lo implementa en un extremo.
  • Escribe componentes personalizados de canalización que generen artefactos y metadatos.
  • Compara las ejecuciones de Vertex AI Pipelines en la consola de Google Cloud y de manera programática.
  • Realiza un seguimiento de los artefactos generados por canalización.
  • Consulta los metadatos de ejecución de tu canalización.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Model Evaluation
Clasificación de datos tabulares
Evalúa los resultados de la predicción por lotes a partir de un modelo de clasificación tabular de AutoML.
Obtén información sobre cómo entrenar un modelo de clasificación tabular de AutoML de Vertex AI y aprende a evaluarlo a través de un trabajo de canalización de Vertex AI con google_cloud_pipeline_components: Más información sobre Vertex AI Model Evaluation. Obtén más información sobre la Clasificación para datos tabulares.

Pasos del instructivo

  • Crea un Dataset de Vertex AI.
  • Entrena un modelo de clasificación tabular de AutoML en el recurso Dataset.
  • Importa el AutoML model resource entrenado a la canalización.
  • Ejecuta un trabajo Batch Prediction.
  • Evalúa el modelo de AutoML mediante Classification Evaluation component.
  • Importa las métricas de regresión al recurso del modelo de AutoML.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Model Evaluation
Regresión de datos tabulares
Evalúa los resultados de la predicción por lotes a partir del modelo de regresión tabular de AutoML.
Obtén más información sobre cómo evaluar un recurso de modelo de Vertex AI a través de un trabajo de canalización de Vertex AI con google_cloud_pipeline_components: Obtén más información sobre Vertex AI Model Evaluation. Obtén más información sobre la Regresión de datos tabulares.

Pasos del instructivo

  • Crea un conjunto de datos de Vertex AI.
  • Configura una clase AutoMLTabularTrainingJob.
  • Ejecuta el AutoMLTabularTrainingJob que muestra un modelo.
  • Importa un AutoML model resource previamente entrenado a la canalización.
  • Ejecuta un trabajo batch prediction en la canalización.
  • Evalúa el modelo de AutoML mediante regression evaluation component.
  • Importa las métricas de regresión generadas al recurso del modelo de AutoML.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Model Evaluation
Clasificación de datos de video
Evalúa los resultados de la predicción por lotes a partir del modelo de clasificación de videos de AutoML.
Obtén información sobre cómo entrenar un modelo de clasificación de video de AutoML de Vertex AI y aprende a evaluarlo a través de un trabajo de canalización de Vertex AI con google_cloud_pipeline_components: Obtén más información sobre Evaluación del modelo de Vertex AI. Obtén más información sobre la Clasificación de datos de video.

Pasos del instructivo

  • Crea un conjunto de datos de Vertex AI.
  • Entrena un modelo de clasificación de videos de AutoML en el recurso de conjuto de datos de Vertex AI.
  • Importa el recurso de modelo de AutoML Vertex AI entrenado a la canalización.
  • Ejecuta un trabajo de predicción por lotes dentro de la canalización.
  • Evalúa el modelo de AutoML con el componente de evaluación de clasificación
  • Importa las métricas de clasificación al recurso de modelo de Vertex AI de AutoML.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Entrenamiento personalizado de Vertex AI
Vertex AI Model Evaluation
Evalúa los resultados de BatchPrediction a partir de un modelo de clasificación tabular personalizado.
En este instructivo, entrenarás un modelo de RandomForest de scikit-learn, lo guardarás en Vertex AI Model Registry y aprenderás a evaluarlo a través de un trabajo de canalización de Vertex AI mediante el SDK de Python de componentes de canalización de Google Cloud. Obtén más información sobre los entrenamientos personalizados de Vertex AI. Obtén más información sobre Vertex AI Model Evaluation.

Pasos del instructivo

  • Recupera el conjunto de datos de la fuente pública.
  • Preprocesa los datos de forma local y guarda los datos de prueba en BigQuery.
  • Entrena un modelo de clasificación de RandomForest con el paquete de scikitlearn para Python.
  • Crea un contenedor personalizado en Artifact Registry para las predicciones.
  • Sube el modelo a Vertex AI Model Registry.
  • Crea y ejecuta Vertex AI Pipelines
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Model Evaluation
Entrenamiento personalizado
Evalúa los resultados de la predicción por lotes a partir del modelo de regresión tabular personalizado.
Obtén más información para evaluar un recurso de modelo de Vertex AI a través de un trabajo de canalización de Vertex AI con componentes de canalización de Google Cloud. Obtén más información sobre Vertex AI Model Evaluation. Más información sobre el entrenamiento personalizado

Pasos del instructivo

  • Crea un trabajo de entrenamiento personalizado de Vertex AI para entrenar un modelo de TensorFlow.
  • Ejecuta el trabajo de entrenamiento personalizado.
  • Recupere y cargue los artefactos del modelo.
  • Visualice la evaluación del modelo.
  • Sube el modelo como recurso de modelo de Vertex AI.
  • Importa un recurso de modelo de Vertex AI previamente entrenado en la canalización.
  • Ejecuta un trabajo de predicción por lotes en la canalización.
  • Evalúa el modelo mediante el componente de evaluación de regresión.
  • Importa las métricas de regresión al recurso de modelo de Vertex AI.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Evaluación de modelos de AutoSxS de Vertex AI
Verifica la alineación del autorizador con un conjunto de datos de preferencias humanas.
Aprende a usar Vertex AI Pipelines y google_cloud_pipeline_components para verificar la alineación del evaluador automático con datos de preferencias humanas: Obtén más información sobre la Vertex AI AutoSxS Model Evaluation.

Pasos del instructivo

  • Crea un conjunto de datos de evaluación con predicciones y datos de preferencias humanas.
  • Preprocesa los datos de forma local y guárdalos en Cloud Storage.
  • Crea y ejecuta una canalización de AutoSxS de Vertex AI que genere los criterios y un conjunto de métricas de AutoSxS con los criterios generados.
  • Imprime los criterios y las métricas de AutoSxS.
  • Limpia los recursos creados en este notebook.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Evaluación de modelos de AutoSxS de Vertex AI
Evalúa un LLM en Vertex AI Model Registry con un modelo de terceros.
Aprende a usar Vertex AI Pipelines y google_cloud_pipeline_components para evaluar el rendimiento entre dos modelos de LLM: Más información sobre Vertex AI AutoSxS Model Evaluation.

Pasos del instructivo

  • Recupera el conjunto de datos de la fuente pública.
  • Preprocesa los datos de forma local y guarda los datos de prueba en Cloud Storage.
  • Crea y ejecuta una canalización de AutoSxS de Vertex AI que genere los criterios y evalúe los dos modelos candidatos mediante los criterios generados.
  • Imprime los criterios y las métricas de evaluación.
  • Limpia los recursos creados en este notebook.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Model Monitoring para predicciones por lotes
Predicción por lotes de Vertex AI con Model Monitoring.
Aprende a usar el servicio de Vertex AI Model Monitoring para detectar desvíos y anomalías en la predicción por lotes. Obtén más información sobre Vertex AI Model Monitoring para las predicciones por lotes.

Pasos del instructivo

  • Sube un modelo previamente entrenado como un recurso del modelo de Vertex AI.
  • Genera solicitudes de predicción por lotes
  • Interpreta las estadísticas, las visualizaciones y otros datos que informa el atributo de supervisión de modelos.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Model Monitoring
Vertex AI Model Monitoring para modelos tabulares de AutoML.
Aprende a usar el servicio de Vertex AI Model Monitoring para detectar sesgos y desvíos de atributos en las solicitudes de predicción de entrada para modelos tabulares de AutoML. Obtén más información sobre Vertex AI Model Monitoring.

Pasos del instructivo

  • Entrenar un modelo de AutoML.
  • Implementa el recurso de modelo a un recurso de extremo de Vertex AI.
  • Configura el recurso de extremo para la supervisión de modelos
  • Genera solicitudes de predicción sintéticas para sesgos.
  • Genera solicitudes de predicción sintéticas para el desvío.
  • Espera la notificación de alerta por correo electrónico.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Model Monitoring
Vertex AI Model Monitoring para la predicción en línea en modelos de imagen de AutoML.
Obtén información sobre cómo usar Vertex AI Model Monitoring con Vertex AI Online Prediction con un modelo de clasificación de imágenes de AutoML para detectar una imagen fuera de distribución. Obtén más información sobre Vertex AI Model Monitoring.

Pasos del instructivo

  • 1. Entrenar un modelo de clasificación de imágenes de AutoML
  • 2. Crear un extremo.
  • 3. Implementa el modelo en el extremo y configúralo para la supervisión.
  • 4. Envía una predicción en línea que contenga imágenes en distribución y fuera de ella.
  • 5. Usa Model Monitoring para calcular la puntuación de anomalía en cada imagen.
  • 6. Identifica las imágenes en la solicitud de predicción en línea que están fuera de distribución.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Model Monitoring
Vertex AI Model Monitoring para modelos tabulares personalizados.
Aprende a usar el servicio de Vertex AI Model Monitoring para detectar sesgos y desvíos de atributos en las solicitudes de predicción de entrada para modelos tabulares personalizados. Obtén más información sobre Vertex AI Model Monitoring.

Pasos del instructivo

  • Descarga un modelo tabular personalizado previamente entrenado.
  • Sube el modelo previamente entrenado a Vertex AI Model Registry
  • Implementa el recurso de modelo a un recurso de extremo de Vertex AI.
  • Configura el recurso de extremo para la supervisión de modelos
  • Genera solicitudes de predicción sintéticas para simular la asimetría.
  • Espera las notificaciones de alerta por correo electrónico.
  • Genera solicitudes de predicción sintéticas para simular el desvío.
  • Espera las notificaciones de alerta por correo electrónico.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Model Monitoring
Vertex AI Model Monitoring para modelos tabulares personalizados con el contenedor de TensorFlow Serving.
Aprende a usar el servicio de Vertex AI Model Monitoring para detectar sesgos y desvíos de atributos en las solicitudes de predicción de entrada, para modelos tabulares personalizados, mediante un contenedor de implementación personalizado. Obtén más información sobre Vertex AI Model Monitoring.

Pasos del instructivo

  • Descarga un modelo tabular personalizado previamente entrenado.
  • Sube el modelo previamente entrenado como un recurso de modelo.
  • Implementa el recurso de modelo en un recurso de extremo con el objeto binario de entrega “TensorFlow Serving”
  • Configura el recurso de extremo para la supervisión de modelos.
  • Genera solicitudes de predicción sintéticas para sesgos.
  • Espera la notificación de alerta por correo electrónico.
  • Genera solicitudes de predicción sintéticas para el desvío.
  • Espera la notificación de alerta por correo electrónico.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Model Monitoring
Vertex AI Model Monitoring para la configuración de modelos tabulares.
Aprende a configurar el servicio de Vertex AI Model Monitoring para detectar sesgos y desvíos de atributos en las solicitudes de predicción de entrada. Obtén más información sobre Vertex AI Model Monitoring.

Pasos del instructivo

  • Descarga un modelo tabular personalizado previamente entrenado.
  • Sube el modelo previamente entrenado como un recurso de modelo.
  • Implementa el recurso de modelo en el recurso de extremo.
  • Configura el recurso de extremo para la supervisión de modelos
  • Detección de sesgo y desvío para las entradas de atributos.
  • Detección de sesgo y desvío para las atribuciones de atributos.
  • Generación automática del esquema de entrada mediante el envío de 1,000 solicitudes de predicción.
  • Enumera, pausa, reanuda y borra trabajos de supervisión.
  • Reinicia el trabajo de supervisión con un esquema de entrada predefinido.
  • Visualiza datos supervisados registrados.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Model Monitoring
Vertex AI Model Monitoring para modelos de XGBoost.
Aprende a usar el servicio de Vertex AI Model Monitoring para detectar sesgos y desvíos de atributos en las solicitudes de predicción de entrada para modelos XGBoost. Obtén más información sobre Vertex AI Model Monitoring.

Pasos del instructivo

  • Descarga un modelo XGBoost previamente entrenado.
  • Sube el modelo previamente entrenado a Vertex AI Model Registry
  • Implementa el recurso de modelo a un recurso de extremo de Vertex AI.
  • Configura el recurso de extremo para la supervisión de modelos
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Model Monitoring
Vertex AI Model Monitoring con atribuciones de atributos de Vertex Explainable AI.
Aprende a usar el servicio de Vertex AI Model Monitoring para detectar desvíos y anomalías en las solicitudes de predicción de un recurso de modelo de Vertex AI implementado. Obtén más información sobre Vertex AI Model Monitoring.

Pasos del instructivo

  • Sube un modelo previamente entrenado como un recurso del modelo de Vertex AI.
  • Crea un recurso de extremo de Vertex AI.
  • Implementa el recurso de modelo en el recurso de extremo.
  • Configura el recurso de extremo para la supervisión de modelos
  • Inicializa la distribución del modelo de referencia para la supervisión de modelos.
  • Genera solicitudes de predicción sintéticas
  • Comprende cómo interpretar las estadísticas, las visualizaciones y otros datos que informa el atributo de supervisión de modelos
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
model_monitoring_v2
Supervisión de modelos para el trabajo de predicción por lotes de modelos personalizados de Vertex AI.
En este instructivo, completarás los siguientes pasos:

Pasos del instructivo

Colab
Colab Enterprise
GitHub
Vertex AI Workbench
model_monitoring_v2
Supervisión de modelos para la predicción en línea de modelos personalizados de Vertex AI.
En este instructivo, completarás los siguientes pasos:

Pasos del instructivo

Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Model Registry
Comienza a usar Vertex AI Model Registry.
Aprende a usar Vertex AI Model Registry para crear y registrar varias versiones de un modelo. Obtén más información sobre Vertex AI Model Registry.

Pasos del instructivo

  • Crea y registra una primer versión de un modelo en Vertex AI Model Registry
  • Crea y registra una segunda versión de un modelo en Vertex AI Model Registry
  • Actualiza la versión del modelo que es la predeterminada.
  • Borra una versión del modelo
  • Vuelve a entrenar la próxima versión del modelo.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Pipelines
Componentes de AutoML
Clasificación para datos tabulares
Canalizaciones tabulares de AutoML mediante google-cloud-pipeline-components.
Obtén información sobre cómo usar Vertex AI Pipelines y los componentes de canalización de Google Cloud para compilar un modelo de clasificación tabular de AutoML. Obtén más información sobre Vertex AI Pipelines. Obtén más información sobre los componentes de AutoML. Obtén más información sobre la Clasificación para datos tabulares.

Pasos del instructivo

  • Crea una canalización de KFP que cree un conjunto de datos de Vertex AI.
  • Agrega un componente a la canalización que entrene un recurso de modelo de clasificación tabular de AutoML.
  • Agrega un componente que cree un recurso de extremo de Vertex AI.
  • Agrega un componente que implemente el recurso de modelo en el recurso de extremo.
  • Compila la canalización de KFP.
  • Ejecuta la canalización de KFP con Vertex AI Pipelines.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Pipelines
Metodología de desafío frente a en buen estado para la implementación del modelo en producción.
Aprende a crear una canalización de Vertex AI, que entrena una versión nueva del desafío de un modelo, evalúa el modelo y compara la evaluación con el modelo existente en buen estado en producción.

Pasos del instructivo

  • Importa un modelo previamente entrenado (en buen estado) a Vertex AI Model Registry.
  • Importa las métricas de evaluación de modelos sintéticos al modelo correspondiente (en buen estado).
  • Crea un recurso de extremo de Vertex AI
  • Implementa el modelo en buen estado en el recurso de extremo.
  • Crea una canalización de Vertex AI que ejecute los siguientes pasos
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Pipelines
Estructuras de control de la canalización con el SDK de KFP.
Aprende a usar el SDK de KFP, que usa bucles y condicionales, incluidos ejemplos anidados, para compilar canalizaciones. Obtén más información sobre Vertex AI Pipelines.

Pasos del instructivo

  • Crea una canalización de KFP con componentes de flujo de control
  • Compila la canalización de KFP
  • Ejecuta la canalización de KFP con Vertex AI Pipelines
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Pipelines
Componentes de entrenamiento personalizado
Entrenamiento personalizado con componentes de canalización de Google Cloud compilados previamente
Obtén información sobre cómo usar Vertex AI Pipelines y los componentes de canalización de Google Cloud para compilar un modelo personalizado. Obtén más información sobre Vertex AI Pipelines. Obtén más información sobre los componentes de entrenamiento personalizados.

Pasos del instructivo

  • Crea una canalización de KFP
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Pipelines
Componentes de Vertex AI Batch Prediction
Entrenamiento y predicción por lotes con la fuente y el destino de BigQuery para un modelo de clasificación tabular personalizado.
En este instructivo, entrenarás un modelo de clasificación tabular de scikit-learn y crearás un trabajo de predicción por lotes para él a través de una canalización de Vertex AI con google_cloud_pipeline_components. Obtén más información sobre Vertex AI Pipelines. Obtén más información sobre los componentes de Vertex AI Batch Prediction.

Pasos del instructivo

  • Crea un conjunto de datos en BigQuery.
  • Reserva algunos datos aparte del conjunto de datos de origen para la predicción por lotes.
  • Crea un paquete de Python personalizado para la aplicación de entrenamiento.
  • Sube el paquete de Python a Cloud Storage.
  • Crea una Vertex AI Pipeline que
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Pipelines
Ajuste de hiperparámetros de Vertex AI
Comienza a usar los componentes de canalización de ajuste de hiperparámetros de Vertex AI.
Obtén información sobre cómo usar los componentes de canalización de Google Cloud compilados previamente para el ajuste de hiperparámetros de Vertex AI. Obtén más información sobre Vertex AI Pipelines. Obtén más información sobre el ajuste de hiperparámetros de Vertex AI.

Pasos del instructivo

  • Construye una canalización para
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Pipelines
Comienza a usar la administración de máquinas para Vertex AI Pipelines.
Aprende a convertir un componente de entrenamiento personalizado autónomo en un Vertex AI CustomJob, en el que:

Pasos del instructivo

  • Crea un componente personalizado con un trabajo de entrenamiento autónomo.
  • Ejecuta una canalización con la configuración componentlevel para los recursos de la máquina
  • Convierte el componente de entrenamiento autónomo en un Vertex AI CustomJob.
  • Ejecuta una canalización con la configuración customjoblevel para los recursos de la máquina
Colab
GitHub
Vertex AI Workbench
Vertex AI Pipelines
Componentes de AutoML
Canalizaciones de clasificación de imágenes de AutoML mediante google-cloud-pipeline-components.
Obtén información sobre cómo usar Vertex AI Pipelines y los componentes de canalización de Google Cloud para compilar un modelo de clasificación de imágenes de AutoML. Obtén más información sobre Vertex AI Pipelines. Obtén más información sobre los componentes de AutoML.

Pasos del instructivo

  • Crea una canalización de KFP
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Pipelines
Componentes de AutoML
Regresión de datos tabulares
Canalizaciones de regresión tabular de AutoML mediante google-cloud-pipeline-components.
Aprende a usar Vertex AI Pipelines y Google Cloud Pipeline Components para compilar un modelo de regresión tabular AutoML. Obtén más información sobre Vertex AI Pipelines. Obtén más información sobre los componentes de AutoML. Obtén más información sobre la regresión de datos tabulares.

Pasos del instructivo

  • Crea una canalización de KFP que cree un recurso Dataset.
  • Agrega un componente a la canalización que entrene un recurso Model de regresión tabular de AutoML.
  • Agrega un componente que cree un recurso Endpoint.
  • Agrega un componente que implemente el recurso Model en el recurso Endpoint.
  • Compila la canalización de KFP.
  • Ejecuta la canalización de KFP con Vertex AI Pipelines.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Pipelines
Componentes de AutoML
Canalizaciones de clasificación de texto de AutoML con google-cloud-pipeline-components.
Aprende a usar Vertex AI Pipelines y Google Cloud Pipeline Components para compilar un modelo de clasificación de texto de AutoML. Obtén más información sobre Vertex AI Pipelines. Obtén más información sobre los componentes de AutoML.

Pasos del instructivo

  • Crea una canalización de KFP
Colab
GitHub
Vertex AI Workbench
Vertex AI Pipelines
Componentes de BigQuery ML
Entrena un modelo de adquisición y predicción con Swivel, BigQuery ML y Vertex AI Pipelines.
Aprende a compilar una canalización simple de BigQuery ML mediante canalizaciones de Vertex AI para calcular las incorporaciones de texto de contenido de artículos y clasificarlos en la categoría *adquisiciones corporativas.* Obtén más información sobre Vertex AI Pipelines. Obtén más información sobre los componentes de BigQuery ML.

Pasos del instructivo

  • Crea un componente para el trabajo de Dataflow que transfiera datos a BigQuery
  • Crea un componente para los pasos de procesamiento previo a fin de que se ejecuten en los datos en BigQuery.
  • Crea un componente para entrenar un modelo de regresión logística con BigQuery ML
  • Compila y configura una canalización de Kubeflow DSL con todos los componentes creados.
  • Compila y ejecuta la canalización en Vertex AI Pipelines.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Pipelines
Componentes de entrenamiento personalizado
Entrena, sube e implementa modelos mediante los componentes de canalización de Google Cloud.
Obtén información sobre cómo usar Vertex AI Pipelines y el componente de canalización de Google Cloud para compilar e implementar un modelo personalizado. Obtén más información sobre Vertex AI Pipelines. Obtén más información sobre los componentes de entrenamiento personalizados.

Pasos del instructivo

  • Crea una canalización de KFP
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Pipelines
Vertex AI Pipelines con KFP 2.x.
Aprende a usar Vertex AI Pipelines y KFP 2.

Pasos del instructivo

  • Crea una canalización de KFP
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Pipelines
Componentes básicos de Python basados en funciones y E/S de componentes.
Aprende a usar el SDK de KFP para compilar componentes básicos de Python basados en funciones y, luego, aprende a usar Vertex AI Pipelines para ejecutar la canalización. Obtén más información sobre Vertex AI Pipelines.

Pasos del instructivo

  • Compila componentes de KFP basados en funciones de Python.
  • Construye una canalización de KFP.
  • Pasa artefactos y parámetros entre los componentes, tanto por referencia de ruta de acceso como por valor.
  • Usa el método kfp.dsl.importer.
  • Compila la canalización de KFP.
  • Ejecuta la canalización de KFP con Vertex AI Pipelines
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Pipelines
Visualización de métricas y comparación de ejecuciones con el SDK de KFP.
Aprende a usar el SDK de KFP para Python para compilar canalizaciones que generen métricas de evaluación. Obtén más información sobre Vertex AI Pipelines.

Pasos del instructivo

  • Crea componentes de KFP
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Pipelines
Metodología de aspirantes múltiple frente a campeones para la implementación de modelos en producción.
Aprende a construir una canalización de Vertex AI, que evalúa los datos de producción nuevos de un modelo implementado en comparación con otras versiones del modelo para determinar si un modelo aspirante se convierte en el modelo de campeón para su reemplazo en producción.

Pasos del instructivo

  • Importa un modelo previamente entrenado (campeón) a Vertex AI Model Registry.
  • Importa métricas sintéticas de evaluación de entrenamiento de modelos al modelo correspondiente (campeón).
  • Crea un recurso de extremo de Vertex AI
  • Implementa el modelo de campeón en el recurso de extremo.
  • Importa versiones adicionales (aspirantes) del modelo implementado.
  • Importa las métricas de evaluación de entrenamiento de modelos sintéticos a los modelos correspondientes (aspirante).
  • Crea una canalización de Vertex AI que ejecute los siguientes pasos
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Pipelines
Introducción a las canalizaciones para KFP.
Aprende a usar el SDK de KFP para Python para compilar canalizaciones que generen métricas de evaluación. Obtén más información sobre Vertex AI Pipelines.

Pasos del instructivo

  • Define y compila una canalización de Vertex AI.
  • Especifica qué cuenta de servicio usar para la ejecución de una canalización.
  • Ejecuta la canalización con el SDK de Vertex AI para Python y la API de REST.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Componentes de AutoML
Componentes de BigQuery ML
BigQuery ML y AutoML: Creación rápida de prototipos con Vertex AI.
Aprende a usar Vertex AI Pipelines para el prototipado rápido de un modelo. Obtén más información sobre los componentes de AutoML. Obtén más información sobre los componentes de BigQuery ML.

Pasos del instructivo

  • Crea un conjunto de datos de entrenamiento de BigQuery y Vertex AI.
  • Entrena un modelo de BigQuery ML y AutoML
  • Extraer métricas de evaluación de los modelos de BigQuery ML y AutoML
  • Selecciona el modelo mejor entrenado.
  • Implementa el modelo mejor entrenado.
  • Prueba la infraestructura del modelo implementado.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Predicción por lotes de Vertex AI
Predicción personalizada por lotes de modelos con filtrado de atributos.
Aprende a crear un modelo entrenado de forma personalizada a partir de una secuencia de comandos de Python en un contenedor de Docker con el SDK de Vertex AI para Python y, luego, ejecuta o incluye un lista de atributos para ejecutar un trabajo de predicción por lotes. Obtén más información sobre Predicción por lotes de Vertex AI.

Pasos del instructivo

  • Crea un TrainingPipeline personalizado de Vertex AI para entrenar un modelo.
  • Entrene un modelo de TensorFlow.
  • Envía un trabajo de predicción por lotes.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Predicción de Vertex AI
Comienza a usar el servidor NVIDIA Triton.
Aprende a implementar un contenedor que ejecute el servidor Nvidia Triton con un recurso de modelo de Vertex AI en un extremo de Vertex AI para realizar predicciones en línea. Obtén más información sobre Vertex AI Prediction.

Pasos del instructivo

  • Descarga los artefactos del modelo desde TensorFlow Hub.
  • Crea el archivo de configuración de entrega de Triton para el modelo.
  • Construye un contenedor personalizado con una imagen de entrega de Triton para la implementación del modelo.
  • Sube el modelo como recurso de modelo de Vertex AI.
  • Implementa el recurso de modelo de Vertex AI en un recurso de extremo de Vertex AI.
  • Realiza una solicitud de predicción.
  • Anula la implementación del recurso de modelo y borra el extremo.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Raw Predict
Comienza a usar las funciones de entrega de TensorFlow con la predicción sin procesar de Vertex AI.
Aprende a usar Vertex AI Raw Prediction en un recurso Vertex AI Endpoint. Obtén más información sobre Raw Predict.

Pasos del instructivo

  • Descarga artefactos de modelo de clasificación tabular previamente entrenados para un estimador de TensorFlow 1.x.
  • Sube el modelo del estimador de TensorFlow como un recurso Vertex AI Model.
  • Crea un recurso Endpoint.
  • Implementa el recurso Model en un recurso Endpoint.
  • Realiza una predicción sin procesar en línea a la instancia de recurso Model implementada en el recurso Endpoint.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Solicita predicciones de un modelo entrenado de forma personalizada
Comienza a usar TensorFlow Serving con Vertex AI Prediction.
Aprende a usar Vertex AI Prediction en un recurso Vertex AI Endpoint con el objeto binario de entrega TensorFlow Serving. Obtén más información sobre cómo obtener predicciones a partir de un modelo entrenado personalizado.

Pasos del instructivo

Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Extremos privados
Comienza a usar extremos privados de Vertex AI.
Aprende a usar los recursos de Vertex AI Private Endpoint. Obtén más información sobre Extremos privados.

Pasos del instructivo

  • Crea un recurso Private Endpoint.
  • Configurar una conexión de intercambio de tráfico de VPC.
  • Configura el objeto binario de entrega de un recurso Model para la implementación en un recurso Private Endpoint.
  • Implementa un recurso Model en un recurso Private Endpoint.
  • Envía una solicitud de predicción a un Private Endpoint
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Modelos de lenguaje de Vertex AI
LLM de Verlex AI y predicción de transmisiones.
Obtén información sobre cómo usar LLM de Vertex AI para descargar un modelo de LLM previamente entrenado, realizar predicciones y ajustar el modelo. Obtén más información sobre Modelos de lenguaje de Vertex AI.

Pasos del instructivo

  • Carga un modelo de generación de texto previamente entrenado.
  • Realiza una predicción sin transmisión
  • Carga un modelo de generación de texto previamente entrenado que admita la transmisión.
  • Realiza una predicción de transmisión
  • Cargar un modelo de chat previamente entrenado.
  • Realiza una sesión de chat interactivo local.
  • Realiza una predicción por lotes con un modelo de generación de texto.
  • Realiza una predicción por lotes con un modelo de incorporación de texto.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Contenedores previamente compilados para la predicción
Entrega modelos de imágenes de PyTorch con contenedores precompilados en Vertex AI.
Aprende a empaquetar e implementar un modelo de clasificación de imágenes de PyTorch con un contenedor de Vertex AI compilado previamente con TorchServe para entregar predicciones en línea y por lotes. Obtén más información sobre los contenedores compilados previamente para el entrenamiento.

Pasos del instructivo

  • Descarga un modelo de imagen previamente entrenado de PyTorch
  • Crea un controlador de modelos personalizado
  • Empaqueta artefactos de modelo en un archivo del modelo
  • Sube un modelo para la implementación
  • Implementa el modelo para la predicción
  • Haz predicciones en línea
  • Haz predicciones por lotes
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Predicción de Vertex AI
Entrena e implementa modelos de PyTorch con contenedores compilados con anterioridad en Vertex AI.
Aprende a compilar, entrenar e implementar un modelo de clasificación de imágenes de PyTorch con contenedores compilados con anterioridad para el entrenamiento y la predicción personalizados.

Pasos del instructivo

  • Empaqueta la aplicación de entrenamiento en una distribución de fuente de Python
  • Configura y ejecuta el trabajo de entrenamiento en un contenedor compilado previamente
  • Empaqueta artefactos de modelo en un archivo del modelo
  • Sube un modelo para la implementación
  • Implementa el modelo con un contenedor precompilado para la predicción
  • Haz predicciones en línea
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Descripción general de Ray en Vertex AI
Comienza a usar PyTorch en Ray en Vertex AI
Aprende a distribuir de forma eficiente el proceso de entrenamiento de un modelo de clasificación de imágenes de PyTorch aprovechando Ray en Vertex AI. Más información sobre Ray en Vertex AI.

Pasos del instructivo

  • Prepara la secuencia de comandos de entrenamiento
  • Envía un trabajo de Ray con la API de Ray Jobs
  • Descarga un modelo de imagen entrenado de PyTorch
  • Crea un controlador de modelos personalizado
  • Empaqueta artefactos de modelo en un archivo del modelo
  • Registra el modelo en Vertex AI Model Registry
  • Implementa el modelo en el extremo de Vertex AI
  • Haz predicciones en línea
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Descripción general de Ray en Vertex AI
Administración de clústeres de Ray en Vertex AI.
Aprende a enumerar clústeres existentes y a crear, obtener, actualizar y borrar un clúster. Más información sobre Ray en Vertex AI.

Pasos del instructivo

  • Crear un clúster
  • Enumera los clústeres existentes.
  • Obtén un clúster.
  • Escala verticalmente el clúster de forma manual y, luego, reduce la escala verticalmente.
  • Ajuste de escala automático de un clúster
  • Borra los clústeres existentes.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Ray en Vertex AI
Spark en Ray en Vertex AI
Spark en Ray en Vertex AI.
Aprende a usar RayDP para ejecutar aplicaciones de Spark en un clúster de Ray en Vertex AI. Obtén más información sobre Ray en Vertex AI. Obtén más información sobre Spark en Ray en Vertex AI.

Pasos del instructivo

  • Crea una imagen de contenedor personalizada de Ray en Vertex AI
  • Crea un clúster de Ray en Vertex AI con una imagen de contenedor personalizada
  • Ejecuta Spark de forma interactiva en el clúster con RayDP
  • Ejecuta la aplicación de Spark en el clúster a través de la API de Ray Job
  • Lee archivos de Google Cloud Storage en la aplicación de Spark
  • UDF de Pandas en la aplicación de Spark en Ray en Vertex AI
  • Borra el clúster de Ray en Vertex AI
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Training
Vertex AI Reduction Server
Entrenamiento distribuido de PyTorch con Vertex AI Reduction Server.
Obtén información sobre cómo crear un trabajo de entrenamiento distribuido de PyTorch que use el framework y las herramientas de entrenamiento distribuido de PyTorch y, luego, ejecutar el trabajo de entrenamiento en el servicio de Vertex AI Training con Reduction Server. Obtén más información sobre Vertex AI Training. Obtén más información sobre Vertex AI Reduction Server.

Pasos del instructivo

  • Crea una aplicación de entrenamiento distribuido de PyTorch
  • Empaqueta la aplicación de entrenamiento con contenedores compilados previamente
  • Crea un trabajo personalizado en Vertex AI con el servidor de reducción
  • Envía y supervisa el trabajo
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Clasificación para datos de video
Ejemplo de AutoML Video Classification.
El objetivo de este notebook es compilar un modelo de clasificación de video de AutoML. Obtén más información sobre la Clasificación de datos de video.

Pasos del instructivo

  • Establece el nombre de la tarea y el prefijo de Cloud Storage
  • Copia los datos de entrenamiento de demostración de video de AutoML para crear un conjunto de datos administrado
  • Crea un conjunto de datos en Vertex AI.
  • Configura un trabajo de entrenamiento
  • Inicia un trabajo de entrenamiento y crea un modelo en Vertex AI
  • Copia datos de predicción de demostración de AutoML Video para crear un trabajo de predicción por lotes
  • Realiza un trabajo de predicción por lotes en el modelo
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Entrenamiento personalizado
Entrenamiento personalizado con un paquete de Python, un conjunto de datos de texto administrado y un contenedor de TF Serving.
Aprende a crear un modelo personalizado mediante el entrenamiento de paquetes de Python personalizado y a entregar el modelo mediante el contenedor de TensorFlow Serving para la predicción en línea. Más información sobre el entrenamiento personalizado

Pasos del instructivo

  • Crea funciones de utilidad a fin de descargar datos y preparar archivos CSV para crear un conjunto de datos administrado de Vertex AI
  • Descargar datos
  • Prepara archivos CSV para crear conjuntos de datos administrados
  • Crea un paquete de entrenamiento personalizado de Python
  • Crea contenedores de TensorFlow Serving
  • Ejecuta un entrenamiento de paquetes de Python personalizado con un conjunto de datos de texto administrado
  • Implementa un modelo y crea un extremo en Vertex AI
  • Predice en el extremo
  • Crea un trabajo de predicción por lotes en el modelo
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Flujo de trabajo tabular para TabNet
Vertex AI Explanations con modelos de TabNet.
Aprende a proporcionar una herramienta de trazado de muestra para visualizar el resultado de TabNet, que es útil en la explicación del algoritmo. Obtén más información sobre el flujo de trabajo tabular para TabNet.

Pasos del instructivo

  • Configura el proyecto.
  • Descarga los datos de predicción de los datos de entrenamiento previo del modelo Syn2.
  • Visualiza y comprende la importancia de los atributos según el resultado de las máscaras.
  • Limpia el recurso que se creó en este instructivo.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Previsión ARIMA+ de BigQuery ML para datos tabulares
Entrena un modelo ARIMA_PLUS de BigQuery ML con flujos de trabajo tabulares de Vertex AI.
Obtén información sobre cómo crear el modelo ARIMA_PLUS de BigQuery ML con una canalización de Vertex AI de entrenamiento a partir de los componentes de canalización de Google Cloud y, luego, realiza una predicción por lotes con la canalización de predicción correspondiente. Obtén más información sobre la previsión de ARIMA+ de BigQuery ML para datos tabulares.

Pasos del instructivo

  • Entrena el modelo ARIMA_PLUS de BigQuery ML
  • Visualiza la evaluación del modelo de BigQuery ML.
  • Realiza una predicción por lotes con el modelo de BigQuery ML.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Componentes de canalización de Google Cloud
Prophet para datos tabulares
Entrena un modelo de Prophet con flujos de trabajo tabulares de Vertex AI.
Obtén información sobre cómo crear varios modelos de Prophet mediante una canalización de Vertex AI de entrenamiento a partir de los componentes de canalización de Google Cloud y, luego, realiza una predicción por lotes con la canalización de predicción correspondiente. Obtén más información sobre los componentes de canalización de Google Cloud. Obtén más información sobre Prophet para datos tabulares.

Pasos del instructivo

  • 1. Entrena los modelos de Prophet.
  • 1. Consulta las métricas de evaluación.
  • 1. Realiza una predicción por lotes con los modelos de Prophet.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Flujo de trabajo tabular para TabNet
Canalización de TabNet.
Aprende a crear modelos de clasificación en datos tabulares con dos de los flujos de trabajo tabulares de TabNet de Vertex AI. Obtén más información sobre el flujo de trabajo tabular para TabNet.

Pasos del instructivo

  • Crea un CustomJob de TabNet. Esta es la mejor opción si sabes qué hiperparámetros usar para el entrenamiento.
  • Crea un HyperparameterTuningJob de TabNet. Esto te permite obtener el mejor conjunto de hiperparámetros para tu conjunto de datos.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Flujo de trabajo tabular para el modelo amplio y profundo
Canalización de amplitud y profundidad.
Aprende a crear dos modelos de clasificación con flujos de trabajo tabulares y amplios de Vertex AI. Obtén más información sobre el flujo de trabajo tabular para el algoritmo de amplitud y profundidad.

Pasos del instructivo

  • Crea un CustomJob del algoritmo de amplitud y profundidad. Esta es la mejor opción si sabes qué hiperparámetros usar para el entrenamiento.
  • Crea un HyperparameterTuningJob del algoritmo de amplitud y profundidad. Esto te permite obtener el mejor conjunto de hiperparámetros para tu conjunto de datos.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI TensorBoard
Entrenamiento personalizado
Entrenamiento personalizado de Vertex AI TensorBoard con contenedor personalizado.
Aprende a crear un trabajo de entrenamiento personalizado con contenedores personalizados y supervisa tu proceso de entrenamiento en Vertex AI TensorBoard casi en tiempo real. Obtén más información sobre Vertex AI TensorBoard. Más información sobre el entrenamiento personalizado

Pasos del instructivo

  • Crea un repositorio y una configuración de Docker.
  • Crea una imagen de contenedor personalizada con el código de entrenamiento personalizado.
  • Configura una cuenta de servicio y buckets de Google Cloud Storage.
  • Crea e inicia el trabajo de entrenamiento personalizado con tu contenedor personalizado.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI TensorBoard
Entrenamiento personalizado
Entrenamiento personalizado de Vertex AI TensorBoard con contenedor compilado previamente.
Aprende a crear un trabajo de entrenamiento personalizado con contenedores compilados previamente y supervisa tu proceso de entrenamiento en Vertex AI TensorBoard casi en tiempo real. Obtén más información sobre Vertex AI TensorBoard. Más información sobre el entrenamiento personalizado

Pasos del instructivo

  • Configura una cuenta de servicio y buckets de Cloud Storage.
  • Escribe el código de entrenamiento personalizado.
  • Empaqueta y sube tu código de entrenamiento a Cloud Storage.
  • Crea e inicia tu trabajo de entrenamiento personalizado con Vertex AI TensorBoard habilitado para supervisión casi en tiempo real.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI TensorBoard
Ajuste de hiperparámetros de Vertex AI TensorBoard con el panel de HParams
En este notebook, entrenas un modelo y realizas el ajuste de hiperparámetros con TensorFlow.

Pasos del instructivo

  • Adapta las ejecuciones de TensorFlow para registrar hiperparámetros y métricas.
  • Inicia ejecuciones y regístralas en un directorio superior.
  • Visualiza los resultados en el panel de HParams de Vertex AI TensorBoard.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Generador de perfiles
Vertex AI TensorBoard
Rendimiento del entrenamiento de modelos de perfil con Cloud Profiler
Obtén más información para habilitar Profiler para trabajos de entrenamiento personalizados. Obtén más información sobre Profiler. Obtén más información sobre Vertex AI TensorBoard.

Pasos del instructivo

  • Configura una cuenta de servicio y un bucket de Cloud Storage
  • Crea una instancia de Vertex AI TensorBoard
  • Crea y ejecuta un trabajo de entrenamiento personalizado que habilite el generador de perfiles.
  • Visualiza el panel del generador de perfiles para depurar el rendimiento del entrenamiento de modelos.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Generador de perfiles
Vertex AI TensorBoard
Genera perfiles del rendimiento del entrenamiento de modelos con Cloud Profiler en entrenamiento personalizado con contenedor compilado previamente.
Aprende a habilitar el generador de perfiles en Vertex AI para trabajos de entrenamiento personalizados con un contenedor compilado previamente. Obtén más información sobre Profiler. Obtén más información sobre Vertex AI TensorBoard.

Pasos del instructivo

  • Prepara tu código de entrenamiento personalizado y cárgalo como un paquete de Python en un contenedor compilado previamente
  • Crea y ejecuta un trabajo de entrenamiento personalizado que habilite el generador de perfiles.
  • Visualiza el panel del generador de perfiles para depurar el rendimiento del entrenamiento de modelos.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI TensorBoard
Vertex AI Pipelines
Integración de Vertex AI TensorBoard en Vertex AI Pipelines.
Aprende a crear una canalización de entrenamiento con el SDK de KFP, ejecutarla en Vertex AI Pipelines y supervisar el proceso de entrenamiento en Vertex AI TensorBoard casi en tiempo real. Obtén más información sobre Vertex AI TensorBoard. Obtén más información sobre Vertex AI Pipelines.

Pasos del instructivo

  • Configura una cuenta de servicio y buckets de Google Cloud Storage.
  • Construye una canalización de KFP con tu código de entrenamiento personalizado.
  • Compilar y ejecutar la canalización de KFP en Vertex AI Pipelines con Vertex AI TensorBoard habilitado para la supervisión casi en tiempo real.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Hyperparameter Tuning
Ajuste de hiperparámetros distribuido de Vertex AI.
En este notebook, crearás un modelo entrenado personalizado a partir de una secuencia de comandos de Python en un contenedor de Docker. Obtén más información sobre Vertex AI Hyperparameter Tuning.

Pasos del instructivo

  • Realiza entrenamientos con un paquete de Python.
  • Informa la exactitud con el ajuste de hiperparámetros
  • Guarda los artefactos del modelo en Cloud Storage mediante Cloud StorageFuse.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Training
Comienza a usar Vertex AI Training para LightGBM.
Aprende a entrenar un modelo personalizado de LightGBM con el método de contenedor personalizado para Vertex AI Training.

Pasos del instructivo

  • Realiza entrenamientos con un paquete de Python.
  • Guarda los artefactos del modelo en Cloud Storage mediante Cloud StorageFuse.
  • Construye un servidor de predicción de FastAPI.
  • Construye una imagen de implementación de Dockerfile para el servidor.
  • Prueba la imagen de implementación de forma local (opcional y no para usuarios de Colab).
  • Crea un recurso de modelo de Vertex AI.
  • Ejecuta un trabajo de predicción por lotes.
  • Implementa el modelo en un extremo y envía solicitudes de predicción en línea.
  • Limpia los recursos creados.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Entrenamiento distribuido de Vertex AI
Comienza a usar el entrenamiento distribuido de Vertex AI.
Aprende a usar el entrenamiento distribuido de Vertex AI cuando entrenas con Vertex AI. Obtén más información sobre el entrenamiento distribuido de Vertex AI.

Pasos del instructivo

Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Hyperparameter Tuning
Ejecuta el ajuste de hiperparámetros para un modelo de TensorFlow.
Obtén información sobre cómo ejecutar un trabajo de ajuste de hiperparámetros de Vertex AI para un modelo de TensorFlow. Obtén más información sobre Vertex AI Hyperparameter Tuning.

Pasos del instructivo

  • Modifica el código de entrenamiento de la aplicación para el ajuste de hiperparámetros.
  • Aloja en un contenedor el código de entrenamiento de la aplicación.
  • Configura e iniciar un trabajo de ajuste de hiperparámetros con el SDK de Vertex AI para Python.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Ajuste de hiperparámetros de Vertex AI
Ajuste de hiperparámetros de Vertex AI para XGBoost.
Aprende a usar el servicio de ajuste de hiperparámetros de Vertex AI para entrenar un modelo de XGBoost. Obtén más información sobre el ajuste de hiperparámetros de Vertex AI.

Pasos del instructivo

  • Entrena con un paquete de aplicación de entrenamiento de Python.
  • Informa la exactitud durante el ajuste de hiperparámetros.
  • Guarda los artefactos del modelo en Cloud Storage mediante Cloud StorageFuse.
  • Enumera el mejor modelo.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Training
Entrenamiento paralelo de datos distribuidos de varios nodos de clasificación de imágenes de PyTorch en la CPU con entrenamiento de Vertex mediante un contenedor personalizado.
Obtén información sobre cómo crear un trabajo de entrenamiento distribuido de PyTorch con el SDK de Vertex AI para Python y los contenedores personalizados. Obtén más información sobre Vertex AI Training.

Pasos del instructivo

  • Configura el proyecto de Google Cloud
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Training
Clasificación de imágenes de PyTorch con entrenamiento paralelo de datos distribuidos de NCCL de varios nodos en la CPU y la Vertex AI.
Obtén información sobre cómo crear un trabajo de entrenamiento distribuido de PyTorch con el SDK de Vertex AI para Python y los contenedores personalizados. Obtén más información sobre Vertex AI Training.

Pasos del instructivo

  • Compila un contenedor personalizado mediante Artifact Registry y Docker
  • Crea una instancia de TensorBoard de Vertex AI para almacenar tu experimento de Vertex AI.
  • Ejecuta un trabajo de entrenamiento de Vertex AI con el SDK de Vertex AI para Python.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Entrenamiento personalizado
Entrena, ajusta e implementa un modelo de clasificación de opiniones de texto de PyTorch en Vertex AI.
Aprende a compilar, entrenar, ajustar e implementar un modelo de PyTorch en Vertex AI. Más información sobre el entrenamiento personalizado

Pasos del instructivo

  • Crea un paquete de entrenamiento para el modelo de clasificación de texto.
  • Entrena el modelo con entrenamiento personalizado en Vertex AI.
  • Verifica los artefactos del modelo creados.
  • Crear un contenedor personalizado para las predicciones.
  • Implementar el modelo entrenado en un extremo de Vertex AI con el contenedor personalizado para las predicciones.
  • Envía solicitudes de predicción en línea al modelo implementado y valida.
  • Limpia los recursos creados en este notebook.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Integración de PyTorch en Vertex AI
Entrena el modelo de PyTorch en Vertex AI con datos de Cloud Storage.
Obtén más información sobre cómo crear un trabajo de entrenamiento con PyTorch y un conjunto de datos almacenado en Cloud Storage. Obtén más información sobre la integración de PyTorch en Vertex AI.

Pasos del instructivo

  • Escribe una secuencia de comandos de entrenamiento personalizada que cree tus conjuntos de datos de entrenamiento y prueba, y entrene el modelo.
  • Ejecuta un CustomTrainingJob con el SDK de Vertex AI para Python
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Entrenamiento distribuido
Usa Torchrun de PyTorch para simplificar el entrenamiento de varios nodos con contenedores personalizados.
Aprende a entrenar un modelo de Imagenet con Torchrun de PyTorch en varios nodos. Obtén más información sobre el entrenamiento distribuido.

Pasos del instructivo

  • Crea una secuencia de comandos de shell para iniciar un clúster de ETCD en el nodo principal
  • Crea una secuencia de comandos de entrenamiento con el código del repositorio de GitHub de PyTorch Elastic
  • Crea contenedores que descarguen los datos y, luego, inicia un clúster de ETCD en el host
  • Entrena el modelo a través de varios nodos con GPU
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Entrenamiento personalizado
Entrenamiento de XGBoost distribuido con Dask.
Aprende a crear un trabajo de entrenamiento distribuido mediante XGBoost con Dask. Más información sobre el entrenamiento personalizado

Pasos del instructivo

  • Configura las variables PROJECT_ID y LOCATION para tu proyecto de Google Cloud.
  • Crear un bucket de Cloud Storage para almacenar los artefactos de tu modelo.
  • Compila un contenedor personalizado de Docker que aloje tu código de entrenamiento y envía la imagen de contenedor a Artifact Registry.
  • Ejecuta un CustomContainerTrainingJob del SDK de Vertex AI
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
vector_search
Usa incorporaciones multimodales de Vertex AI y la Búsqueda de vcector.
Aprende a codificar incorporaciones de texto personalizadas, crear un índice de vecinos más cercanos aproximados y realizar consultas en índices.

Pasos del instructivo

  • Convertir un conjunto de datos de imágenes en incorporaciones.
  • Crea un índice.
  • Sube incorporaciones al índice.
  • Crea un extremo de índice.
  • Implementa el índice en el extremo del índice.
  • Realiza una consulta en línea.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vector Search de Vertex AI
Usa Vertex AI Vector Search para preguntas de StackOverflow.
Aprende a codificar incorporaciones de texto personalizadas, crear un índice de vecinos más cercanos aproximados y realizar consultas en índices. Obtén más información sobre Vertex AI Vector Search.

Pasos del instructivo

  • Crea el índice de ANN.
  • Crea un extremo de índice con una red de VPC.
  • Implementa el índice de ANN.
  • Realiza una consulta en línea.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Vector Search
Incorporaciones de Vertex AI para texto
Usa las incorporaciones de Vertex AI Vector Search y Vertex AI para el texto en las preguntas de StackOverflow.
Aprende a codificar incorporaciones de texto, crear un índice de vecinos más cercanos aproximados y realizar consultas en índices. Obtén más información sobre Vertex AI Vector Search. Obtén más información sobre las incorporaciones para texto de Vertex AI.

Pasos del instructivo

  • Convierte un conjunto de datos de BigQuery en incorporaciones.
  • Crea un índice.
  • Sube incorporaciones al índice.
  • Crea un extremo de índice.
  • Implementa el índice en el extremo del índice.
  • Realiza una consulta en línea.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vector Search de Vertex AI
Crea un índice de Búsqueda de vector de Vertex AI.
Obtén información sobre cómo crear el índice de vecino más cercano aproximado, consultar índices y validar el rendimiento del índice. Obtén más información sobre Vertex AI Vector Search.

Pasos del instructivo

  • Crea los índices de ANN y ataques de fuerza bruta.
  • Crea un IndexEndpoint con una red de VPC.
  • Implementa el índice de ANN y de índice de fuerza bruta
  • Realiza una consulta en línea.
  • Recuperación del procesamiento.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Vizier
Optimiza varios objetivos con Vertex AI Vizier.
Obtén información sobre cómo usar Vertex AI Vizier para optimizar un estudio de varios objetivos. Obtén más información sobre Vertex AI Vizier.

Pasos del instructivo

Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Vizier
Comienza a usar Vertex AI Vizier.
Aprende a usar Vertex AI Vizier cuando entrenas con Vertex AI. Obtén más información sobre Vertex AI Vizier.

Pasos del instructivo

  • Ajuste de hiperparámetros con algoritmo aleatorio.
  • Ajuste de hiperparámetros con el algoritmo Vertex AI Vizier (bayesiano).
  • Sugerir pruebas y actualizar los resultados del estudio de Vertex AI Vizier.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Workbench
Vertex AI Training
Entrena un modelo de clasificación de clases múltiples para la segmentación de anuncios.
Aprende a recopilar datos de BigQuery, procesarlos previamente y a entrenar un modelo de clasificación de clases múltiples en un conjunto de datos de comercio electrónico. Obtén más información sobre Vertex AI Workbench. Obtén más información sobre Vertex AI Training.

Pasos del instructivo

  • Recupera los datos necesarios de BigQuery
  • Preprocesa los datos
  • Entrena un modelo de clasificación de TensorFlow (>=2.4)
  • Evalúa la pérdida para el modelo entrenado
  • Automatiza la ejecución del notebook mediante la función del ejecutor
  • Guarda el modelo en una ruta de Cloud Storage
  • Limpia los recursos creados
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Workbench
Vertex Explainable AI
Predicción de tarifas de taxis con el conjunto de datos de viajes en taxi de Chicago.
El objetivo de este notebook es proporcionar una descripción general de las funciones de Vertex AI, como Vertex Explainable AI y BigQuery en Notebooks, si intentas resolver un problema de predicción de la tarifa de taxi. Obtén más información sobre Vertex AI Workbench. Obtén más información sobre Vertex Explainable AI.

Pasos del instructivo

  • Carga el conjunto de datos con BigQuery en Notebooks”.
  • Realiza un análisis de datos exploratorios en el conjunto de datos
  • Selección de atributos y procesamiento previo.
  • Compila un modelo de regresión lineal mediante scikitlearn.
  • Configura el modelo para Vertex Explainable AI.
  • Implementa el modelo en Vertex AI.
  • Prueba el modelo implementado
  • Realizar una limpieza
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Workbench
BigQuery ML
Previsión de la demanda minorista con Vertex AI y BigQuery ML
Obtén información sobre cómo compilar un modelo ARIMA (automático integrado automático) de BigQuery ML en datos de venta minorista. Obtén más información sobre Vertex AI Workbench. Más información sobre BigQuery ML

Pasos del instructivo

  • Explorar datos
  • Modelo con BigQuery y el modelo ARIMA
  • Evaluar el modelo
  • Evalúa los resultados del modelo con BigQuery ML (en datos de entrenamiento)
  • Evalúa los resultados del modelo MAE, MAPE, MSE y RMSE (en datos de prueba)
  • Usa la función del ejecutor
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Workbench
BigQuery ML
Análisis exploratorio interactivo de datos de BigQuery en un notebook.
Aprende sobre varias formas de explorar y obtener estadísticas de los datos de BigQuery en un entorno de notebook de Jupyter. Obtén más información sobre Vertex AI Workbench. Más información sobre BigQuery ML

Pasos del instructivo

  • Usa Python y SQL para consultar datos públicos en BigQuery
  • Explora el conjunto de datos con BigQuery INFORMATION_SCHEMA
  • Crea elementos interactivos para ayudarte a explorar partes interesantes de los datos
  • Haz una correlación exploratoria y un análisis de series temporales
  • Crea resultados estáticos e interactivos (tablas de datos y trazados) en el notebook
  • Guarda algunos resultados en Cloud Storage
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Workbench
Entrenamiento personalizado
Compila un modelo de detección de fraudes en Vertex AI.
En este instructivo, se muestra el análisis de datos y la compilación de modelos mediante un conjunto de datos financieros sintéticos. Obtén más información sobre Vertex AI Workbench. Más información sobre el entrenamiento personalizado

Pasos del instructivo

  • Instalación de bibliotecas obligatorias
  • Lee el conjunto de datos de un bucket de Cloud Storage
  • Realiza análisis exploratorios en el conjunto de datos
  • Procesa de forma previa el conjunto de datos
  • Entrena un modelo de bosque aleatorio mediante scikitlearn
  • Guarda el modelo en un bucket de Cloud Storage
  • Crea un recurso de modelo de Vertex AI y, luego, impleméntalo en un extremo
  • Cómo ejecutar la Herramienta WhatIf en datos de prueba
  • Anula la implementación del modelo y limpia los recursos del modelo
Colab
GitHub
Vertex AI Workbench
Vertex AI Workbench
BigQuery ML
Predicción de deserción para desarrolladores de videojuegos mediante Google Analytics 4 y BigQuery ML.
Aprende a entrenar, evaluar un modelo de propensión en BigQuery ML. Obtén más información sobre Vertex AI Workbench. Más información sobre BigQuery ML

Pasos del instructivo

  • Explora los datos exportados de Google Analytics 4 en BigQuery.
  • Prepara los datos de entrenamiento con datos de comportamiento demográficos y etiquetas (deserción o no deserción).
  • Entrena un modelo de XGBoost con BigQuery ML.
  • Evalúa el modelo con BigQuery ML.
  • Usa BigQuery ML para predecir qué usuarios tienen más probabilidades de desertar.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Workbench
Vertex AI Training
Mantenimiento predictivo con Vertex AI.
Aprende a usar la función del ejecutor de Vertex AI Workbench para automatizar un flujo de trabajo a fin de entrenar e implementar un modelo. Obtén más información sobre Vertex AI Workbench. Obtén más información sobre Vertex AI Training.

Pasos del instructivo

  • Carga el conjunto de datos requerido desde un bucket de Cloud Storage.
  • Analiza los campos presentes en el conjunto de datos
  • Selecciona los datos necesarios para el modelo de mantenimiento predictivo.
  • Entrena un modelo de regresión de XGBoost para predecir la vida útil restante.
  • Evaluúa el modelo
  • Ejecuta el notebook al extremo como un trabajo de entrenamiento mediante el ejecutor.
  • Implementa el modelo en Vertex AI.
  • Realizar una limpieza
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Workbench
BigQuery ML
Análisis de optimización de precios en datos de precios de CDM.
El objetivo de este notebook es compilar un modelo de optimización de precios con BigQuery ML. Obtén más información sobre Vertex AI Workbench. Más información sobre BigQuery ML

Pasos del instructivo

  • Carga el conjunto de datos requerido desde un bucket de Cloud Storage.
  • Analiza los campos presentes en el conjunto de datos.
  • Procesa los datos para compilar un modelo
  • Compila un modelo de previsión de BigQuery ML sobre los datos procesados
  • Obtén valores previstos del modelo de BigQuery ML.
  • Interpreta las previsiones para identificar los mejores precios.
  • Realizar una limpieza
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Workbench
Análisis de opiniones para datos de texto
Análisis de opiniones con AutoML Natural Language y Vertex AI.
Aprende a entrenar e implementar un modelo de análisis de opiniones de AutoML y hacer predicciones. Obtén más información sobre Vertex AI Workbench. Obtén más información sobre el Análisis de opiniones para datos de texto.

Pasos del instructivo

  • Carga los datos requeridos.
  • Realiza un procesamiento previo de los datos.
  • Selecciona los datos requeridos para el modelo.
  • Carga el conjunto de datos en conjuntos de datos administrados de Vertex AI.
  • Entrena un modelo de opinión mediante el entrenamiento de AutoML Text.
  • Evaluúa el modelo
  • Implementa el modelo en Vertex AI.
  • Obtén predicciones.
  • Realizar una limpieza
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Workbench
Dataproc Serverless para Spark
Resume y analiza datos de BigQuery con Dataproc.
En este instructivo de notebook, se ejecuta un trabajo de Apache Spark que recupera datos del conjunto de datos “Actividad de GitHub” de BigQuery, consulta los datos y, luego, vuelve a escribir los resultados en BigQuery. Obtén más información sobre Vertex AI Workbench. Obtén más información sobre Dataproc sin servidores para Spark.

Pasos del instructivo

  • Configura un proyecto de Google Cloud y un clúster de Dataproc.
  • Configura el sparkbigqueryconnector.
  • Transfiere datos de BigQuery a un DataFrame de Spark.
  • Procesamiento previo de los datos transferidos.
  • Consulta el lenguaje de programación que se usa con mayor frecuencia en repositorios de monoglot.
  • Consulta el tamaño promedio (MB) del código en cada idioma almacenado en repositorios de monoglot.
  • Consulta los archivos de lenguajes que se encuentran con mayor frecuencia en repositorios políglotas.
  • Vuelve a escribir los resultados de la consulta en BigQuery.
  • Borra los recursos creados para este instructivo de notebook.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench
Vertex AI Workbench
Dataproc
SparkML con Dataproc y BigQuery.
En este instructivo, se ejecuta un trabajo de Apache Spark ML que recupera datos del conjunto de datos de BigQuery, realiza análisis exploratorios de datos, limpia los datos, ejecuta ingeniería de atributos, entrena el modelo, lo evalúa, genera resultados y lo guarda en un bucket de Cloud Storage. Obtén más información sobre Vertex AI Workbench. Obtén más información sobre Dataproc.

Pasos del instructivo

  • Configura un proyecto de Google Cloud y un clúster de Dataproc.
  • Crea un bucket de Cloud Storage y un conjunto de datos de BigQuery.
  • Configura el sparkbigqueryconnector.
  • Transfiere datos de BigQuery a un DataFrame de Spark.
  • Realiza análisis exploratorios de datos (EDA)
  • Visualiza los datos con muestras.
  • Limpia los datos.
  • Selecciona las características.
  • Entrena el modelo.
  • Genera resultados.
  • Guarda el modelo en un bucket de Cloud Storage.
  • Borra los recursos creados para el instructivo.
Colab
Colab Enterprise
GitHub
Vertex AI Workbench