Desarrollo de modelos en una instancia de cuadernos gestionados

En esta página se describen las formas habituales de desarrollar un modelo de aprendizaje automático (ML) en cuadernos gestionados de Vertex AI Workbench. Puedes usar paquetes de Python preinstalados que se suelen utilizar para desarrollar modelos de aprendizaje automático, para el entrenamiento personalizado de Vertex AI y para BigQuery ML.

Paquetes de Python comunes

De forma predeterminada, las instancias de notebooks gestionados tienen preinstalados paquetes de Python que se suelen usar para desarrollar modelos. Importa estos paquetes en tu archivo de cuaderno y estarán listos para usarse.

Entrenamiento personalizado de Vertex AI

Puedes usar el entrenamiento personalizado de Vertex AI para crear y entrenar modelos desde tu instancia de cuadernos gestionados.

Instala una de las bibliotecas de cliente de Vertex AI en tu instancia o usa la API de Vertex AI para enviar solicitudes de API desde un archivo de cuaderno de Jupyter.

BigQuery ML

Con BigQuery ML, puedes entrenar modelos que usen tus datos de BigQuery desde tu instancia de notebooks gestionados. Por ejemplo, si usas el cliente de Python para BigQuery, puedes enviar comandos SQL desde tu archivo de cuaderno para crear un modelo y, después, usarlo para obtener predicciones por lotes.

BigQuery ML aprovecha el motor computacional de BigQuery, por lo que no es necesario desplegar los recursos de computación necesarios para las predicciones por lotes o el entrenamiento de modelos. Esto puede reducir el tiempo necesario para configurar el entrenamiento, la evaluación y la predicción.

Siguientes pasos