Desarrollo de modelos en una instancia de notebooks administrados

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

Paquetes comunes de Python

De forma predeterminada, las instancias de notebooks administrados están preinstaladas con paquetes de Python que son de uso frecuente para el desarrollo del modelo. Importa estos paquetes a tu archivo del notebook y estarán listos para usar.

Entrenamiento personalizado de Vertex AI

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

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

BigQuery ML

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

BigQuery ML aprovecha el motor de procesamiento de BigQuery, por lo que no necesitas implementar los recursos de procesamiento necesarios para las predicciones por lotes o el entrenamiento de modelos. Esto puede reducir el tiempo que lleva configurar el entrenamiento, la evaluación y la predicción.

¿Qué sigue?