Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
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.
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.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-09-04 (UTC)."],[],[],null,["# Model development in Vertex AI Workbench managed notebooks\n\nModel development in a managed notebooks instance\n=================================================\n\n\n| Vertex AI Workbench managed notebooks is\n| [deprecated](/vertex-ai/docs/deprecations). On\n| April 14, 2025, support for\n| managed notebooks will end and the ability to create managed notebooks instances\n| will be removed. Existing instances will continue to function\n| but patches, updates, and upgrades won't be available. To continue using\n| Vertex AI Workbench, we recommend that you\n| [migrate\n| your managed notebooks instances to Vertex AI Workbench instances](/vertex-ai/docs/workbench/managed/migrate-to-instances).\n\n\u003cbr /\u003e\n\nThis page describes common ways to develop a machine learning (ML) model\nin Vertex AI Workbench managed notebooks. You can use\npre-installed Python packages that are commonly used for ML model development,\nVertex AI custom training, and BigQuery ML.\n\n### Common Python packages\n\nBy default, managed notebooks instances are pre-installed\nwith Python packages that are commonly used for model development.\nImport these packages into your notebook file and they are ready to use.\n\n### Vertex AI custom training\n\nYou can use [Vertex AI custom training](/vertex-ai/docs/training/overview)\nto create and train models from within\nyour managed notebooks instance.\n\n[Install one of the Vertex AI\nclient libraries](/vertex-ai/docs/start/client-libraries) on your\ninstance, or use the [Vertex AI API](/vertex-ai/docs/reference/rest)\nto send API requests from a Jupyter notebook file.\n\n### BigQuery ML\n\nUsing [BigQuery ML](/bigquery-ml/docs), you can train models that use\nyour BigQuery data, all from within\nyour managed notebooks instance.\nFor example, by using the [Python client for\nBigQuery](/python/docs/reference/bigquery/latest),\nyou can send SQL commands from your notebook file\nto create a model, and then use the model to get batch predictions.\n\nBigQuery ML leverages the BigQuery computational engine,\nso you don't need to deploy the compute resources\nrequired for batch predictions or model training.\nThis can reduce the time it takes to set up training, evaluation,\nand prediction.\n\nWhat's next\n-----------\n\n- To learn more about Vertex AI custom training, see\n [Understand the custom training service](/vertex-ai/docs/training/understanding-training-service).\n\n- To learn more about BigQuery ML, see\n [What is BigQuery ML?](/bigquery-ml/docs/introduction)"]]
