Modellentwicklung in einer verwalteten Notebookinstanz

Auf dieser Seite werden gängige Möglichkeiten zum Entwickeln eines Modells für maschinelles Lernen (ML) in verwalteten Vertex AI Workbench-Notebooks beschrieben. Sie können vorinstallierte Python-Pakete verwenden, die häufig für die Entwicklung von ML-Modellen, das benutzerdefinierte Training von Vertex AI und BigQuery ML verwendet werden.

Gängige Python-Pakete

Standardmäßig sind verwaltete Notebookinstanzen mit Python-Paketen vorinstalliert, die häufig für die Modellentwicklung verwendet werden. Importieren Sie diese Pakete in Ihre Notebook-Datei, damit sie verwendet werden können.

Benutzerdefiniertes Vertex AI-Training

Sie können benutzerdefiniertes Vertex AI-Training verwenden, um Modelle in Ihrer verwalteten Notebookinstanz zu erstellen und zu trainieren.

Installieren Sie eine der Vertex AI-Clientbibliotheken auf Ihrer Instanz, oder verwenden Sie die Vertex AI API, um API-Anfragen von einer Jupyter-Notebook-Datei zu senden.

BigQuery ML

Mit BigQuery ML können Sie Modelle trainieren, die Ihre BigQuery-Daten verwenden, und zwar direkt in Ihrer verwalteten Notebook-Instanz. Mit dem Python-Client für BigQuery können Sie beispielsweise SQL-Befehle von Ihrer Notebook-Datei aus senden, um ein Modell zu erstellen, und das Modell dann verwenden, um Batch-Vorhersagen zu erhalten.

BigQuery ML nutzt die BigQuery-Computational-Engine, sodass Sie keine Rechenressourcen bereitstellen müssen, die für Batch-Vorhersagen oder Modelltraining erforderlich sind. Dies kann die Zeit für die Einrichtung von Training, Bewertung und Vorhersage verkürzen.

Nächste Schritte